3D-SIFT特征提取与体素滤波结合的点云精简算法

点云数据中的冗余数据会影响到点云处理算法的速度,因此,为提升算法速率,需对点云数量进行精简。然而,点云精简过程容易剔除掉特征点,导致点云信息不完整,效果不好等问题。针对这些问题,提出一种利用3D-SIFT特征提取与八叉树体素滤波结合的点云精简方法。利用3D-SIFT算法提取出点云的强特征点和弱特征点,对弱特征点进行改进的八叉树体素滤波,并保留强特征点,通过点云合并,将滤波后的弱特征点与保留的特征点整合到一起,使得精简后的点云数据不丢失特征点信息,从而也达到了精简的效果。将本算法与均匀网格算法、非均匀网格法、随机采样算法进行对比实验。通过多个不同模型的可视化结果和信息熵评价分析,可以得出对于几种不同模型取平均本算法平均信息熵达到3.771 92,高于其他算法的信息熵,证明本算法在对数据进行精简的同时也达到了特征保留的效果。

基于特征点的3D人脸姿态跟踪

针对视频序列中的人脸跟踪问题,提出一种单摄像头的人脸3D姿态跟踪方法。利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。将前帧与所选的关键帧特征匹配信息及融入到对当前的姿态估计中,利用SIFT特征点匹配算法来得到可靠的帧间特征匹配。最后通过利用RANSAC随机选取特征点对,并用POSIT和最小化误差组合的3D投影方法以迭代的方式得到精确的当前帧人脸姿态估计。通过多组实验数据对比,表明了该算法在严重遮挡、头部摆动幅度较大、匹配点较少的复杂情况干扰下仍具有鲁棒性,并且解决了3D人脸跟踪的漂移问题,实现对目标人脸的稳定跟踪,对比以往2D跟踪算法在复杂环境下具有明显的改善。

新型三维形貌测量系统SIFT算法改进研究

将测绘领域的三线阵摄影测量原理应用于运动物体三维形貌测量,提出一种基于三线阵CCD的新型三维形貌测量方法。针对新型测量系统获取的三线阵CCD影像同名点匹配问题,研究了常用的影像匹配算法,并选用SIFT匹配算法。由于传统SIFT匹配算法处理大尺寸图像耗时长、提取匹配点数少等不足,对算法进行优化,并提出基于新型大尺寸三维形貌测量系统的匹配搜索策略,确定最优匹配阈值,最后通过对比实验进行验证。实验表明,改进的算法能够解决匹配影像视角变化等问题,缩短算法处理时间,增加匹配点数,提高算法性能。

结合多属性的视频中全局异常事件检测方法

针对视频序列中的全局异常事件,提出了一种结合多属性的异常事件检测方法.首先对视频序列按位置提取目标时空块,以时空块为节点,采用三维尺度不变特征变换描述子(3D-SIFT)作为时空特征,计算节点的光流属性与熵属性,并结合各个节点之间的KL距离构建时空检测模型.实验结果表明,该方法具有良好的鲁棒性,对全局异常事件具有较好的检测性能.

基于局部和全局特征视觉单词的人物行为识别

基于视觉单词的人物行为识别由于在特征中加入了中层语义信息,因此提高了识别的准确性。然而,视觉单词提取时由于前景和背景存在相互干扰,使得视觉单词的表达能力受到影响。提出一种结合局部和全局特征的视觉单词生成方法。该方法首先用显著图检测出前景人物区域,采用提出的动态阈值矩阵对人物区域用不同的阈值来分别检测时空兴趣点,并计算周围的3D-SIFT特征来描述局部信息。在此基础上,采用光流直方图特征描述行为的全局运动信息。通过谱聚类将局部和全局特征融合成视觉单词。实验证明,相对于流行的局部特征视觉单词生成方法,所提出的方法在简单背景的KTH数据集上的识别率比平均识别率提高了6.4%,在复杂背景的UCF数据集上的识别率比平均识别率提高了6.5%。

基于SIFT特征的肺部非刚性配准应用研究

随着肺癌发病率的增高和影像技术的进步,越来越多的微小肺癌(尤其是肺部磨玻璃结节)得以检出,对于此类病变首先考虑手术治疗。但肺是含气组织,在术中会发生萎陷。巨大的体积变化导致肺内结节也随之发生位移,术前CT确定的位置在术中无法定位。针对这一问题,在术中肺萎陷动物模型基础上,提出了一种融合3D-SIFT特征的B样条配准方法。该方法首先提取局部特征,筛选并匹配较好的特征点;然后依据浮动图像与参考图像匹配的特征点,得到浮动图像的初始位置;最后利用控制网格对浮动图像进行配准。经初步研究,对于不同萎陷状态的肺部图像,应用此方法得到了很好的配准结果。因此,融合3D-SIFT特征的B样条配准方法适合肺部图像配准,将来有望应用于微小肺癌的术中定位。

双目下点云的三维人脸重建

提出一种在双目视觉系统下进行人脸重建的方法。首先,通过双目系统拍摄人脸的左右图像;其次,用Grab-Cut的方法的把人脸图像分割出来从而降低立体匹配的搜索范围;然后,用区域匹配算法得到人脸的视差图,从而得到人脸的三维点云;最后对不同角度的人脸图像进行SIFT特征提取和匹配。将提取的SIFT特征点和匹配关系反射到三维点云数据,获取不同角度人脸的三维点云数据的特征点和匹配关系,完成对不同角度的人脸进行粗配准。

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ASIFT图像匹配算法的三维重建

提出了基于ASIFT图像匹配算法的三维重建算法。目前,基于图像序列的三维重建中,一般采用SIFT图像匹配算法。对于存在仿射变换的图像序列,ASIFT算法较SIFT算法能够获得更多精确的稀疏匹配点;基于ASIFT算法恢复的三维点云比基于SIFT算法恢复的三维点云更加稠密,从而能获得更好的三维重建结果。仿真实验表明,本文算法能获得较好的三维模型。

基于单目双焦及SIFT特征匹配的深度估计方法

提出一种基于单目双焦及SIFT特征匹配的深度估计方法。根据空间景物的深度在不同焦距下其成像的矢量位置和对应的焦距形成几何关系的原理,通过单相机获取两幅不同焦距下的图像后,运用SIFT算法对两幅图像进行特征提取和特征匹配,得出同一景物像素点距中心点的偏移位置比,从而通过几何关系公式计算出像素点的深度值,以此获取深度图。经实验验证了该方法的可行性,实验结果表明,使用该方法获取深度值仅需单台相机这一设备,方法简单易行,且成本低,具有广阔的应用范围。

基于时空兴趣点的人体动作识别

人体动作识别在计算机视觉研究和模式识别领域中逐渐成为一个研究热点。提出一种基于Harris-Laplace时空兴趣点结合3D-SIFT描述子,通过Bag-of-feature构建词袋的方法,并应于用人体动作识别。针对传统Harris算法提取出的兴趣点冗余,所以采用Harris-Laplace算法提取时空兴趣点。3D-SIFT描述子能更好地描述视频序列的本质特征,并且比传统的描述子更有效,Bag-of-feature词袋法表征特征,采用改进的K均值(K-Means)聚类算法进行聚类,最后采用多分类支持向量机(SVM)进行一对一、一对多的分类策略并进行比较。在KTH公开运动数据集上进行实验测试,实验结果证明提出的人体动作识别方法的有效性和鲁棒性。

基于SIFT算法图像重构立体匹配研究

以系统的图像三维重构的立体匹配为主要研究内容,给出图像多尺度表示的数学模型.分析描述两幅图像之间约束的对极几何关系基本原理;研究了两幅图像稠密匹配的对极几何关系的代数表示形式,并建立了相应的数学模型;通过应用某两幅灰度数字图像进行仿真验算,证明了基于SIFT算法图像重构立体匹配方法的可行性,为相机系统识别目标在不同方位的特征信息提出了一种新的研究思路.

匹配算法SIFT和SURF在岩体露头面点云获取中的比较研究

图像特征匹配是基于图像的岩体露头三维重建方法的基础,匹配算法的选择直接影响露头面点云模型重建效果。主要工作包括:采用两种不同的匹配算法SIFT和SURF对岩体露头面图像特征点匹配得到同名点对,并通过RANSAC算法剔除误匹配;利用直接线性变换法——DLT法进行相机标定,建立图像点与空间点的对应关系,得到点云空间坐标;将空间点云坐标导入三维建模软件完成三维点云重建。对比两种算法的结果,发现SIFT在旋转、尺度变化下点云获取效果更佳,更符合实际应用的要求。