一种非刚体运动图象序列的特征点对应方法

提出了一种非刚体图象序列特征点对应的新方法 ,首先根据图象序列帧间的时间间隔很小这一特点 ,指出特征点在图象帧间的运动具有平滑性 ,进而提出了一种特征点运动平滑的代价函数。然后将目标跟踪技术应用于特征点的跟踪 ,利用两个一维卡尔曼滤波器分别对特征点的两个坐标进行预测跟踪。在图象帧间的特征点对应过程中 ,该文综合考虑了特征点的预测位置与实际位置之间的距离以及特征点的平滑代价函数等因素 ,从而使特征点的运动轨迹得到正确的延续。特征点的遮挡问题可以通过特征点跟踪过程中对特征点位置的预测得到解决。实验证明 ,该文方法能建立非刚体运动特征点的正确对应 ,并能解决特征点的遮挡问题。

SFS与特征点对应技术结合的形状测量法研究

以特征点对应技术为基础的摄影测量术有着广泛应用，但存在着测量数据稀疏的缺陷，对此提出了SFS(Shape from shading)与特征点技术相结合的方法，加密插值点，解决复杂表面形状测量问题。首先设计了用于测量的摄像系统，然后讨论了图像平面的剖分算法，最后给出SFS与特征点技术结合的有限单元形式，并设计了多重网格加速求解算法。算例表明，该方法效果令人满意。

基于目标跟踪及神经优化的运动特征点对应

将目标跟踪及神经优化技术应用于特征点对应之中。根据图像序列的特点 ,用目标跟踪技术得到特征点的预测位置 ,然后通过 Hopfield网络最小化特征点间的费用函数使帧间特征点取得正确的对应。由于本方法没有涉及任何刚体运动约束 ,所以适用于各种非刚体运动的特征点对应。

图象序列运动目标特征点对应的极指数栅格方法

目前的图象序列特征点对应方法是建立在相邻图象间的特征点在运动形式上变化不大 ,即相邻两帧图象间的时间间隔较小这样的一个假设之上的 ,但当相邻图象间的时间间隔较大时 ,则这些方法很难找到对应的特征点 .为此 ,提出了一个由粗到细解决图象序列特征点对应的新方法 ,该方法首先进行粗定位 ,即利用极指数栅格方法来得到运动后目标特征点的大致范围 ;然后通过细定位来得到对应的特征点 .为了使人们对该方法有一全面了解 ,还介绍了该方法的原理 ,并给出了实验结果 .实验证明 ,该方法可以很好地解决时间间隔较大的两帧图象间的特征点对应问题 ,其最大的优点是比通常的方法简单有效 .

一种基于Delaunay三角剖分的特征点坐标对应方法

研究了平面网格点集的Delaunay三角剖分性质,提出ACDT方法,并在IC封装环境下实现了圆点阵列靶标特征点的自动对应。实验结果表明,当图像存在拍摄倾角或由靶标平移、旋转引起的特征点缺失时,该方法仍可有效运行,且对镜头畸变引起的图像非线性变形不敏感,特别适合IC封装视觉定位系统的在线标定。

基于ICP和SVD的视网膜图像特征点配准算法

视网膜图像配准是视网膜眼底疾病诊断及激光治疗中的关键一步 .针对荧光造影视网膜图像和无赤光视网膜图像的特点 ,提出一种采用迭代最近点 (ICP)和奇异值分解 (SVD)的方法 ,用于视网膜图像之间的配准 .即用 ICP算法确定两个特征点集的对应性及点集数目不等的问题 ,用 SVD方法求解空间变换参数 .实验证明在一个点集数目缺少75 %的情况下 ,算法仍然能达到较好的配准精度 ,可以满足荧光造影和无赤光视网膜图像之间的配准 。

扫描电镜立体图象对特征点匹配算法

本文研究了在扫描电镜中基于双目成象原理获取立体图象对以计算断口号表面三维参数的过程中，立体对图象的对应特征点的匹配问题，提出了基于不变矩度量的扫描电镜立体对图象的对应特征点模板匹配算法，经实际匹配验证，结果令人满意。

摄像机标定中特征点的一种自动对应方法

基于计算几何理论中Delaunay三角化原理,提出了一种对具有阵列网络结构的靶标特征点的图像坐标与世界坐标进行自动对应方法。通过对图像处理获取的特征点进行Delaunay三角化预处理,并去除冗余三角形,得到相邻特征点之间的几何连接关系,利用特征点之间的连接关系实现阵列网络结构的靶标特征点的图像坐标与世界坐标的对应。实验表明,提出的特征点图像坐标与世界坐标的自动对应方法实现简单,鲁棒性强,对镜头畸变不敏感,在拍摄倾角大、靶标被遮挡、内部特征点缺失的情况下对应结果仍很好,特别适合摄像机的在线自动标定。

基于奇异值分解的宽基线图像匹配算法

图像匹配是计算机视觉中许多应用研究的基础。窄基线匹配技术虽然较为成熟,但是解决能力有限,不能处理较大的尺度、旋转、亮度以及仿射变化引起的宽基线图像序列的匹配。针对宽基线图像序列匹配的特点,在分析传统SVD匹配算法不足的基础上,引入具有尺度和旋转不变性的特征,改进邻近矩阵的度量方式,设计了一种新的基于奇异值分解的宽基线自动匹配算法。通过对比实验表明,该算法性能优于基于SIFT距离的匹配器和原SVD匹配算法,对于存在较大的尺度、旋转、亮度等宽基线变化的图像序列,能够自动获得更多的正确匹配点对和较高的准确性,鲁棒性强,甚至对视角和仿射变换也有一定的适应性。

实时棒材图像识别与跟踪方法研究

多目标识别跟踪的关键问题是特征提取和目标匹配.为了提取生产线上堆积棒材的特征,提出粘连目标分割和多目标识别的方法.采用中值滤波和形态学滤波去除噪声,自适应阈值化和分水岭变换分割粘连目标;然后采用区域统计、参数识别、噪声区域去除以及聚类分析等手段进行目标特征识别,提取出棒材的质心点坐标作为特征;对棒材图像序列提出采用模板匹配、相近位移匹配和Kalman滤波的方法建立跟踪链,通过插入、删除、更新链节点进行目标跟踪;对于图像处理中可能出现的漏检目标和虚增目标,进行了计数结果校正.在现场采集了100帧连续图像后,采用此方法跟踪计数的精度为96.2%.

基于透视和正投影图像的3D运动与结构恢复

论文首次研究了由一幅正投影图像和一幅透视投影图像的特征点对应来进行刚体3D运动重建与结构恢复的问题,给出了有效的线性算法。以往的由运动恢复结构的工作主要集中于一组透视图像或一组正投影(通常为仿射)图像,文中采用了透视模型和正投影模型的组合。数据模拟实验结果显示该方法是比较有效和稳定的。

大型结构变形实时摄像测量方法

本文对实时测量大型结构静力变形实验中如何应用摄像测量方法展开研究。针对实时摄像测量的两个主要难题研究解决方法,即图像特征点自动提取和多像机图像特征点自动对应。通过在待测结构表面粘贴LED发光灯或使用激光光栅投影做为合作标志点,提出NNLOG(normalnized negative laplacian of gaussian)算子用于图像上合作标志点的实时提取与跟踪;根据多摄像机约束关系,构造对极几何约束代价函数,解决多像机图像特征点之间的对应问题。设计实现了精度实验,表明位移测量误差小于1mm,相对误差小于1%,基于本文方法实现的测量系统已应用于某型飞机静力变形实验。

基于形状相似性和曲线化简的统计形状模型建立

针对活动形状模型(ASM)中统计模型建立存在的标记点的自动选取和点的对应两大问题,提出了一个完整的解决方案:首先通过矩阵的相似变换对齐训练集中各样本,然后根据样本特征,选择基准样本,再利用曲线化简方法在基准样本上自动提取特征点,最后利用训练样本间形状的相似性,由基准样本上的特征点向其它样本投影得到所有样本上的标记点,实现了标记点的自动选取,同时保证了样本间标记点的一一对应。为了验证该方法的精确性和有效性,分别建立股骨和髋臼骨的点分布模型,实验结果表明,模型形状变化表现力强、计算效率高。分别与传统的手工标记法和优化法比较,在具有相同形状表现力的情况下,本文方法建模效率更高,时间开销更小。

基于多尺度区域的图像颜色校正算法

图像颜色校正是多摄像机视觉应用中的一项重要技术。本文提出了一种基于多尺度区域的局部颜色校正算法,主要思想是在参考图像与待校正图像之间建立特征点的对应关系。此算法根据尺度不同的区域内可获得的对应特征点数目不同的特性,在不同尺寸参数对待校正图像进行分割,以得到稳定的特征点对应,进而获取准确的颜色校正信息,提高了颜色校正的准确性和鲁棒性。此外,本文还考虑了局部校正对图像颜色一致性减弱的问题,进行了平滑处理。实验证明,本文所提出的方法能获得较好的校正结果。