双目视觉图像边缘区域处理的精确立体匹配

立体匹配是双目视觉系统最关键一步,其处理图像的速度和精度直接影响系统结果。针对传统SAD(Sum of absolutedifferences)算法存在较多冗余计算问题,引入线性插值法降低算法复杂度;针对光照对算法干扰,提出一种融合算法策略避免光照影响;为了提高融合算法处理图像精度,引入Sobel边缘检测算子及自适应惩罚系数约束和保护图像边缘区域;为了获取边缘信息且抵御光照变化影响,采用基于结构森林快速边缘检测及大律法(OTSU)进行图像边缘和非边缘区域的分割;针对图像边缘出现的遮挡,采用左右一致性检测(Left-rightchecking)算法,并采用引导滤波器实现边缘优化。将该算法与传统SGM(Semi-global matching)算法在Middlebury测试集进行对比实验,平均误匹配率降到7.55%以下,平均运算时间较SGM算法缩短3.5s。

约束非负矩阵分解框架下高维自适应粒子群端元提取

传统基于约束非负矩阵分解NMF(Nonnegative Matrix Factorization)的高光谱端元提取算法一般存在两个问题:一方面,以固定惩罚系数方法处理端元提取的约束优化问题,难以较好权衡目标项与约束项间的关系,影响提取效果;另一方面,求解过程通常基于梯度算法,依赖于初始值和步长的设定,容易陷入局部最优。针对这些问题本文提出约束NMF框架下高维自适应粒子群端元提取算法HAPSO(High-dimension Adaptive Particle Swarm Optimization)。该算法在端元距离最小约束的NMF框架下,利用粒子群算法PSO替代原梯度算法以增强全局搜索能力;采用高维PSO方法解决了多波段高维问题,并结合种群信息构建自适应惩罚机制以实现端元提取中目标与约束的合理权衡。通过模拟影像和真实影像的实验,证实该算法与传统的NMF端元提取算法相比能够更合理地权衡约束和避免局部最优,具有较好的端元提取效果。