基于数字视差模型和改进SIFT特征的数字近景立体影像匹配

针对数字近景立体摄影测量中立体影像的高效自动匹配的需要,提出一种基于数字视差模型(digital parallax model,DPM)和改进SIFT(scale invariable feature transformation)特征的立体影像匹配算法。该算法首先根据近景立体摄影系统中相机基距和相互关系固定的特点,利用已知的标定数据,构建立体影像的数字视差模型,并计算立体影像中的同名核线参数,再在DPM和核线的约束下,确定右影像上同名像点的搜索范围,以提高匹配速度和准确性;其次,利用SIFT特征和灰度特征,设计结合局部结构信息和全局灰度信息的匹配相似性测度计算模型,以增强匹配的稳健性。利用该算法对实际立体影像进行试验,结果表明本文方法可大大消减错误匹配,提高匹配的可靠性和精度。

基于数字视差模型的立体影像最小二乘密集匹配

提出一种基于数字视差模型的立体影像最小二乘密集匹配方法。在高精度初始匹配点的基础上构建数字视差模型,利用多项式内插的方法预测出加密点的初始同名点位置,以结构相似性指数作为相似性测度进行加密点的粗匹配,然后利用最小二乘匹配算法将匹配精度提高至子像素级,最后由随机抽样一致性方法剔除误匹配点。实验结果表明,该方法能较为迅速地预测出加密点的同名点初始位置,且具有较高的匹配正确率,能得到十分密集的匹配点集,可以高效地应用于立体影像的密集匹配任务中。

加权视差能量模型

由于人左右眼间距的存在,使得同一空间物体在左右眼视网膜上的投影存在位置差异,称之为视差.左右眼视网膜获取的信息最初在初级视皮层(V1区)进行融合,该区域有大量对视差敏感的神经元.关于它们的视差选择特性,目前比较公认的计算模型是视差能量模型,然而该模型却无法解释V1区神经元对反相关随机点立体图(Anti-correlated random dot stereograms,aRDS)的响应要比对随机点立体图的响应弱这一神经生理学发现.为此,本文提出了一种加权视差能量模型:首先,利用左右眼感受野内的信号差异对神经元的响应能量进行调制,然后再结合神经元之间的相互作用来计算细胞群响应,从而得到图像视差.本文旨在探索基于神经生理学的视差计算方法,主要贡献有:1)加权视差能量模型能够很好地解释V1区神经元对反随机点立体图的响应比随机点立体图响应弱的生理特性;2)加权视差能量模型的视差计算结果精度比现有基于神经生理学的模型更高,甚至高于一些传统的计算机视觉方法.

差异模式视差检测模型与特征视差

视差检测细胞都会在某一刺激视差值处有最大响应 ,这表明细胞响应只对刺激的视差敏感 ,而与具体的刺激特征无关 .利用接受差异模式简单细胞输入的复杂细胞能量模型的响应公式 ,对特征视差的机制进行了研究 ,认为适合于视差检测的细胞类型 ,其本质是细胞具有空间频率选择特性 ;复杂细胞接受位置差编码方式的简单细胞输入时 ,具有精确的特征视差 ,而接受相位差编码方式的简单细胞输入时 。

视皮层中的视差计算

对应问题是从图像恢复物体三维几何形状的核心问题,也是计算机视觉领域长久以来没有很好解决的问题.尽管文献中有大量对应点匹配算法报道,但这些主体基于数学和工程的方法,在鲁棒性方面离人类视觉还有很大的差距.所以,建立基于生理机理的立体感知模型,可望有效提高匹配的鲁棒性.然而,要建立这种基于生理机制的计算模型,需要对生物立体感知的机理有所了解.基于此,本文对近年来关于生物立体感知的进展和主要研究成果进行了总结,包括初级区域V1,V2,V3区,以及背部通道的MT,MST,IPS和腹部通道的V4,IT区.除了对这些区域关于神经生理的成果进行介绍外,我们还简单介绍了著名的视差能量模型及其推广模型.本文对研究计算机视觉的人员有一定的参考价值.

三线阵CCD影像短航线立体模型恢复的研究

本文分析了三线阵ＣＣＤ影像摄影测量中的相关问题，基于分析得出航线短于四条单基线时，光束法空中三角得不到可靠的结果。提出了采用无控制点参加的计算三线阵ＣＣＤ影像的自由外方位元素，建立“无视差”立体模型，然后利用少量控制点拟合改正立体模型的方案，进行了数字模拟和数字影像模拟计算和实验，取得良好的结果。

利用外部DEM辅助山区SAR立体像对匹配及地形制图

SAR立体像对的匹配是利用雷达摄影测量技术提取地形高程信息的关键,匹配精度将直接影响结果 DEM的高程精度。针对山区SAR立体像对匹配过程中同名点选取困难的问题,引入外部粗分辨率DEM作为辅助数据,将该DEM高程转换为视差,为匹配提供初值,同时采用金字塔匹配策略,不仅可以缩小搜索范围,提高搜索效率,而且能够减少粗差的产生。试验结果表明,采用外部DEM辅助之后,匹配粗差点数量相对于传统的雷达摄影测量处理结果明显减少,从而有效地提高了高程信息提取重建的精度。

面向小型机器人的超大视场红外立体视觉可行性分析

小型机器人传统视觉方法对环境适应性差。提出了一种基于双目超大视场红外相机的环境感知方法。利用大视场镜头高阶奇次多项式模型,建立了超大视场红外双目立体成像的水平和垂直视差数字模型。以视差模型为基础建立超大视场红外双目视觉模型,研究了超大视场红外双目系统立体视觉范围和阈值。搭建了视场为170°×128°的超大视场红外立体视觉系统,分析了立体视觉范围及阈值应用于小型机器人视觉的可行性。同时,针对照度不均、雾霾等条件下的场景开展超大视场红外双目立体视觉实验研究,构建了双目图像标准视差图,结果表明,超大视场红外双目立体视觉系统对复杂场景具有良好的适应性,基本能够满足小型机器人视觉系统需求。

视差计算的层级模型

生物的立体感知是由一个层级网络完成的:从初级视皮层到高层区域,神经元感受野逐步增大,局部立体感知逐步变为全局立体感知.视皮层中存在大量对视差敏感的神经元,其中V1区单个神经元的视差选择特性可用视差能量模型来描述.文中从生物的立体感知过程出发,提出了一种计算图像视差的层级模型,主要贡献有:(1)提出了一种符合心理学实验结果的归一化视差能量模型,减弱了图像对比度变化对神经元视差响应能量的影响;(2)利用视皮层视差功能柱的性质,提出了一种不同倾向视差神经元的汇聚方法;(3)根据不同脑皮层之间的连接关系,提出了一种两层网络结构来解决V1区神经元编码视差的歧义问题.文中方法可以有效提高纹理重复和纹理不丰富区域的视差计算精度.

基于置信度传播算法的嫦娥三号全景相机数据匹配方法研究

全景相机是嫦娥三号重要载荷,与其他载荷共同完成巡视区地形地貌、撞击坑、地质构造等科学目标.其中,月表数字高程模型由全景相机获取,是开展上述科学分析的重要依据,高程模型的建立依赖于全景相机数据的匹配.分析月表形貌和全景相机数据的特点,本文基于置信度传播理论,综合灰度与梯度信息,提出融合灰度与梯度特征的视差能量模型;同时在置信度解算时,依据像素点与邻域梯度进行有效的能量传递,防止视差断裂区域能量的不当传递,保证全局匹配质量.试验选取两组立体像对,分别代表视差断裂区以及高亮区,结果表明本文提出的方法匹配正确率较传统置信度匹配高,从而能保证精度较高的月表DEM构建结果.