基于倾斜校正和视差估计的遥感影像稠密匹配方法

针对遥感影像稠密匹配效率较低、匹配精度和密度不够高的缺陷,提出了一种基于倾斜校正和视差估计的遥感影像稠密匹配方法。首先基于稀疏同名点、通过倾斜校正生成核线影像;利用稀疏同名点构造三角网,以三角形为插值单元,预测核线影像对中各像素的初始视差;在初始视差的邻域内沿核线一维搜索最佳匹配点,搜索时增量计算匹配窗口的灰度均值,且将搜索步长设为2,以提高搜索效率。实验结果表明,本文方法可以达到逐像素的匹配密度,且匹配的正确率和精度很高;基于稠密点重建的真实感三维场景证明了本文方法的有效性和实用性。

基于近景影像的稠密匹配方法

针对三维重建中影像匹配所存在的同名点稀疏、分布不均和部分局部特征约束难以抵抗旋转、尺度和仿射变换所带来的负面影响,设计了基于近景影像的稠密匹配算法,首先利用ASIFT算法与RANSAC算法获取影像组稳定匹配点,构建Delaunay三角网,确定目标三角形内的像素集合,利用仿射变换将其映射至对应三角形内,结合极线约束与改进后的局部灰度特征约束进行验证.最终利用公开数据集与自建数据集进行算法的有效性验证,实验结果表明,算法匹配正确率均保持在93%以上,具备良好的匹配点加密效果;并在一定程度上解决同名点稀疏、分布不均等问题,同时算法本身对不同的影像变换表现出了较好的适应性与稳定性.

基于区域增长的立体像对稠密匹配算法

该文提出了一种新的基于区域增长的立体像对稠密匹配算法 ,该算法适用于多种图像对 ,包括存在较大视差的未经校准的图像对和其中某些纹理稀疏的区域 .首先用新的两层算法匹配图像对中的种子点 ,匹配关系再根据两种策略由这些种子点向图像的其余部分传播 .区域增长过程中以新的加权差值平方和准则作为目标函数 ,模板窗的大小根据其中包含的纹理数量动态变化 ,而搜索窗的大小与可信系数成反比 .对真实立体像对的稠密匹配结果表明了该算法具有良好的性能 .

基于邻域传递的鱼眼图像的准稠密匹配

针对鱼眼图像高畸变的特点,提出了一种适合于鱼眼图像的准稠密匹配扩散算法.该算法采用局部仿射模型来建立图像对应区域之间的变换关系,并利用这个仿射变换来规范化对应区域,最后在规范化的区域上进行匹配扩散.在局部仿射变换的计算中,采用邻域传递的思路,边扩散边邻域更新,使扩散始终在较准确的对应区域内进行.实验表明,在大畸变的鱼眼图像下,本文提出的准稠密扩散算法能够取得比较令人满意的匹配扩散结果.

一种用于三维重建的彩色Sift准稠密匹配算法

针对复杂光照条件下Sift算法对彩色图像匹配能力较差,基于Kubelka-Munk理论,提出了一种适用于未标定图像的准稠密立体匹配算法,有助于更精确地进行三维重建。该算法首先求出彩色图像各个像素的颜色不变量,提取彩色特征点并通过构造彩色Sift特征描述子进行初匹配,采用RANSAC鲁棒算法消除误匹配生成种子点;然后依据视差约束提出一种基于视差梯度均值自适应窗口方法,根据视差梯度均值调整搜索范围;最后采用最优先原则进行区域增长。实验证明,该算法能获得比较满意的匹配效果,是一种有效的用于三维重建的准稠密匹配算法。

基于准稠密匹配的结构化场景三维重建

传统的准稠密对应点匹配算法大都是针对一般场景开发的,未考虑场景的结构特点.为此,针对结构化场景提出一种基于平面单应约束的准稠密匹配方法.首先采用基于仿射不变量的方法检测和匹配稀疏平面种子区域,然后根据平面间的几何约束和对应点相似性约束,利用区域增长的方法实现准稠密扩散匹配.最优种子区域优先扩散策略的应用大大减小了初始错误种子区域对扩散过程的影响,而对不可靠扩散点的后处理也有效地提高了最终三维重建的精度.实验结果表明,相比传统的准稠密匹配方法,对于结构化场景,采用文中方法更加精确和稳定.

视差生长与张量相结合的多基线稠密匹配

针对特征点的稠密匹配问题,提出了一种视差生长与张量相结合的多基线稠密匹配算法。利用SIFT特征提取方法在三视图中提取特征点,并用欧氏距离的方法进行粗匹配,使用所提取特征点的梯度方向特征计算梯度主方向角度差直方图,来去除误匹配,用得到的三视图匹配对计算三焦点张量和视差初值,用来引导稠密匹配。选取得到的两视图匹配点对作为根点进行视差生长,同时利用三焦点张量的点对应,得到三视图稠密匹配,并用视差初值引导匹配,以提高稠密匹配的精度。实验结果表明,本文方法计算出了稠密匹配,最后得到了精确的稠密视差图。

基于扫描线分段的图像稠密匹配方法

在分析相关视图扫描线特征的基础上,提出了一种基于扫描线分段图像稠密匹配方法。依据灰度特征,将校正图像扫描线划分为灰度相似的像素段,重构以灰度平均的像素段为基元的新扫描线,在计算像素段匹配的基础上进行图像稠密匹配,以降低视图稠密匹配过程中的歧义性,提高匹配效率,最后给出了实验结果。

连续尺度复合分析核线重排列影像准稠密匹配

高精度快速准稠密匹配是计算机视觉和摄影测量等领域的急切而富有挑战性的目标,核线约束下的一维匹配将大幅度提高匹配的速度和准确率。在核线重排影像的基础上,设计了轻量级的线状多尺度三角塔结构,并提出通过多尺度下的广义亮度Sinc序列、广义梯度序列、广义θ序列和广义中心偏离序列的极值检测,得到大量稳定特征点并进行描述,然后采用属性特征和数值描述特征在预测区间进行快速匹配。大量试验表明该方法能够稳健地快速得到分布均匀、密度较大、亚像素级精度的稳定同名点。

基于区域边界约束和图割优化的稠密匹配算法

基于图割全局优化的稠密匹配算法中,平滑项表示和遮挡处理是关键问题。具有凸性平滑项的能量函数可以求得全局最优解,但所求结果在视差跳变处过于平滑;而具有非凸平滑项的能量函数虽保留了视差的非连续性,但目前只能使用循环算法求得次优解。为此,基于"视差跳变绝大部分发生在颜色的不连续处"这一设定,提出一种利用区域边界和边界像素间的约束构建能量函数的稠密匹配表示方法,使得该函数既能求得全局最优解,又能使最终结果满足平滑项的"非连续保留"性,且体现遮挡约束、顺序性约束,并显著提高计算效率,在速度和效果上取得较好平衡。

基于DT剖分的二维稠密匹配

提出了一种基于ＤＴ剖分二维稠密匹配方法，即首先对两幅参考图像进行ＤＴ剖分，然后利用对极几何约束完成图像匹配．其特点是避开了费时费力的经典稠密匹配方法，又吸取了ＤＴ剖分的优点，有效地解决了由伸缩引起的匹配点丢失问题。

无人机核线影像的稀疏匹配与稠密匹配

无人机影像转化为水平核线影像后,能够有效地减少同名点的搜索空间。在此基础上,本文使用SIFT算子进行了稀疏匹配,并用BP算法进行了稠密匹配。结果表明:(1)SIFT算子获取的同名点比较少,但是计算方法简单,同名点空间坐标精确,适用于大范围获取简要的空间三维信息;(2)BP算法计算复杂度高,可以获取地物大量的同名点,适用于小范围的地物三维重建。总体而言,两者各有优缺点,在实际的应用中可互补。

基于尺度不变Harris特征的准稠密匹配算法

准稠密匹配是多视图三维重建的重要技术,其性能对重建结果至关重要。针对常用的SIFT算法提取的种子点进行准稠密匹配正确率较低、重建效果不佳的问题,提出了一种基于尺度不变Harris角点特征的准稠密匹配算法。该算法在图像多尺度空间构造尺度不变Harris特征,并采用余弦距离测度对不同视图进行双向匹配。根据稀疏匹配获取种子点,采用最优最先匹配扩散策略进行准稠密扩散,采用局部非极大值抑制策略对匹配结果进行重采样。实验表明,算法提取的种子点既能够体现场景结构信息,又具有尺度不变特性,用于准稠密匹配,能够提高匹配的效果和精度,是一种有效的用于三维重建的准稠密匹配算法。

一种基于立体像对稠密匹配的三维重建方法

为了提高三维重建的性能,提出了一种新的基于立体像对稠密匹配的三维重建方法。该方法首先采用SIFT算法提取立体像对的特征点,并通过特征点的相似性判定进行特征匹配,然后从中选取种子点,并对种子点进行区域传播稠密匹配,再用对称对极点距离法消除误匹配得到精确匹配点对,然后利用摄像机矩阵计算出对应点的空间三维坐标,最后通过三角剖分和纹理渲染重建出三维模型。真实图像实验结果表明,这种重建方法显著优化了现有的基于稠密匹配算法的三维重建,且其效率和精度远远优于传统的基于稀疏匹配的重建方法。

基于区域增长的自适应稠密匹配算法

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题,提出了一种自适应的基于区域增长的立体像对稠密匹配算法。该算法利用灰度共生矩阵,在区域增长过程中的匹配窗内计算其纹理数量,然后根据纹理数量的多少自适应调节匹配窗的大小。当匹配窗内纹理数量足够多时,该匹配窗就能够表征该匹配窗中心点的特征,因此可以减少误匹配发生的几率。实验结果证明,该算法具有良好的性能。

基于稠密匹配的单目立体视图生成

双目立体视觉在小型化系统中的运用存在尺寸限制、分辨率下降等问题,文章尝试基于稠密匹配技术重建虚拟视图的方法解决单目情形下立体视图的获取问题。文章中用特征匹配信息求解出小幅视角差别和位移的序列图像间的空间信息,并以此对图像进行匹配前的矫正,将矫正后图像继承的匹配点作为种子点,通过图割法优化的区域扩展法得到稠密视差,根据双目视觉原理完成虚拟视角的重建。实验表明算法对实验场景中的复杂环境具有一定适应性,在初始位移已知的情况下,依据图像匹配信息得出实验场景预设位置具有较小影像畸形和缺失的虚拟相机图像。

基于局部光照一致性约束的准稠密匹配方法

稠密匹配是基于立体视觉重建密集三维点云的关键技术,其中误匹配点的剔除是保证匹配准确率的重要手段.针对稠密匹配过程中搜索空间大,易出现误匹配的问题,提出了基于局部光照一致性约束的准稠密匹配方法.该方法将已知匹配点作为种子点,根据种子点及其邻域提供的影像约束进行匹配扩散,从而得到种子点邻域内的匹配点,进而实现图像之间的准稠密匹配.在匹配扩散过程中,首先使用邻域像素差异置信度来去除无明显特征区分的区域,然后基于Retinex理论,在局部范围内引入种子点与其邻域内待匹配像素的光照分量关系,从而约束种子点邻域内待匹配像素的颜色分量,以提前剔除不可能匹配的点,最后使用零均值归一化相关系数进行图像间的匹配相似性度量,从而在保证匹配准确性的同时减少匹配相似性度量的次数,提高了匹配效率.实验表明,算法在Middlebury 2014的training集上取得了较小的平均视差误差;在DTU数据集的scan114及拍摄的图像数据上,算法能够有效地减少稠密匹配的时间,并降低三维重建的重投影误差.

基于连续相位稠密匹配的结构光三维重建优化方法

提出了一种基于连续相位稠密匹配的结构光三维(3D)重建优化方法。利用标定的相机阵列获取投影的结构光变形条纹,利用格雷码划分相位级次,提出等相位约束条件,实现不同相机图像之间的稠密匹配;然后利用空间3D点与相机阵列之间的投影关系,建立各相机位姿与重建点云全局优化模型;利用观测值反向投影的欧式距离建立非线性优化的目标函数,并将此优化问题转为李代数上的图优化模型进行迭代求解。利用公开数据集和实测数据进行实验,结果表明,所提方法可以实现360°无遮挡的3D重建,且重建精度相对传统无优化结构光方式提高了6.94%,相机位姿精度提高了9.77%。所提方法相比参考方法对相机畸变标定精度要求低,并可用于模型点云的非刚体融合。同时由于相机阵列的使用,重建过程中目标物体无需多次旋转,使得物体的3D重建更加方便。

基于RANSAC方法对极稠密匹配的三维重构

本文在系统图像三维重构的对极几何约束以及SIFT算法基础上,通过RANSAC方法剔除错误匹配点,研究了对极几何关系与SIFT匹配点检测的基本原理并建立了相应的数学模型;通过Quasi稠密匹配来处理高精度的曲面图像,进而采用稀疏的匹配点求取相机参数,然后用稠密匹配点对已标定好的图像进行三维重构。

倾斜立体影像自动准稠密匹配与三维重建算法

倾斜影像之间因存在较大几何畸变,已有算法尚难取得可靠准稠密匹配,严重阻碍后续的三维重建。本文提出一种基于仿射不变特征的自动准稠密匹配与三维重建算法。算法分三个阶段:1)种子匹配。先利用仿射不变特征获取初始匹配,在此基础上进行最小二乘匹配(least square matching,LSM),并自适应迭代求取LSM最大收敛区域(maximum convergence region,MCR);2)准稠密匹配。对位于MCR内部的格网点采用透视变换模型的归一化互相关(normalized cross correlation,NCC)测度进行匹配,其余格网点则采用对极几何改正模型的加权差值平方和测度进行匹配,对于匹配结果中可能存在的外点根据几何一致性关系剔除;3)三维表面重建。利用影像定向与共线方程对2)步结果重建三维点云,然后根据三维点云生成三维网格并贴上纹理,得到最后的重建结果。实际的倾斜立体影像实验验证了算法的优越性。