一种基于Laplacian矩阵的图像匹配算法

文章提出了一种基于Laplacian矩阵的图像特征匹配算法。首先分别构造两幅图像特征点集的Laplacian矩阵,并对这两个矩阵进行奇异值分解(SVD),然后利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵,最后根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明,该文所提出的算法具有较高的匹配精度。

视觉基础矩阵估计方法的性能比较与分析

基础矩阵描述了单个场景的2幅视图之间的对应关系,在计算机视觉领域中扮演着极其重要的角色。首先讨论了三维视觉系统中的极线几何理论,随后论述了几类基础矩阵的估计方法,并对这些方法作了详细的比较和评价,最后实现了各种算法且使用仿真数据以及真实图像数据对各自的性能作了分析和总结。比较结果说明:1)如果图像特征点定位精确并且匹配无误,则线性方法的结果相当好;2)迭代算法可以解决定位的高斯噪声,但是当数据存在错误匹配时,性能很差;3)鲁棒算法能够同时解决定位误差和误匹配两类问题。此外,模拟实验和真实图像实验的结果表明,基于特征分析的正交回归最小二乘法的计算结果优于经典的线性最小二乘法。

基于影像序列的目标三维重构技术研究

从三维重构的概念和应用出发,给出了近年来国际上出现的一些较为成功的三维重构系统,但由于其较强的专业性和局限性并没有得到推广。因此,在分析和熟悉三维重构流程的基础上,对其中涉及的关键技术进行了深入的研究和探讨。在对上述关键技术的改进和创新的基础上,通过编程工具,设计并实现一个初步的基于影像序列的三维重构原型系统,从而实现对基于任意相机获取的影像(序列)实现场景的三维重构。

面向图像匹配的基础矩阵估计改进算法

为实现智能制造中机器人搬运时的目标物体快速准确识别,提出了一种面向图像匹配的基础矩阵估计改进算法。为获取准确的匹配点,精选并集成了多种方法,并应用亚像素级Harris角点检测方法进行匹配点提取,基于差分求和定理改进的归一化互相关算法进行粗匹配,并采用快速聚类法进行匹配点提纯。在此基础上,通过引入统计学中的分块随机抽样法对匹配点进行优选,实现对常用的基础矩阵估计算法——Hartley8点法的改进。并以标准图像为实验对象,平均对极距离为评价指标对所提算法与其他常用方法进行了比较。最后,进行了实际目标的图像匹配和定位实验,验证了所提算法在匹配速度与匹配精度方面的有效性。

基于球面透视投影旋转矩阵的鱼眼图像匹配

针对视场范围大、变形严重的鱼眼图像,提出了一种基于球面透视投影模型的鱼眼图像匹配算法。在仅估计鱼眼图像焦距和主点的情况下,该方法先将鱼眼图像上的特征点投影到球面透视图像上,通过估计球面透视图像之间的旋转矩阵和平移向量来建立鱼眼图像特征点的对应区域,并利用球面图像上反投影点误差和的最小化优化旋转矩阵和平移向量,根据优化的参数确定鱼眼图像之间正确的匹配点。实验结果表明,在畸变较大的鱼眼图像上,提出的方法能得到比较满意的匹配结果。

基于单应性矩阵的变焦双目视觉标定方法

针对现有变焦镜头标定方法难度大、动态精度低等问题,提出一种基于单应性矩阵的动态变焦双目内外参数估计方法和平面快速重建方法。利用双目图像匹配点及变焦前后的匹配点进行两类单应性矩阵估计;基于变焦数学模型和单应性矩阵,求解变焦后双目内外参数,实现畸变后双目参数动态估计与优化;通过双目图像单应性进行平面快速匹配和重建。实验结果表明,计算的内外参数与标定结果吻合较好;变焦后,推导的单应性矩阵归一化误差小于0.01,图像重投影误差小于1pixel;重建精度小于0.1mm。

局部特征点对称约束的图像拼接增强方法

提出了一种局部特征点对称约束的图像拼接增强方法,首先根据相机内外参数矩阵,计算出特征点的正向局部约束区域,得到正向匹配点对集合。然后再进行逆向局部约束区域的计算,得到逆向匹配点对集合。找出正向与逆向匹配点对集合中的交集,得到满足对称约束条件的最终正确匹配点对集合。将此增强方法结合到现有先进拼接模型学习算法上,求解得到最优图像变换,最终根据图像变换模型得到拼接图像。本文方法有效克服了现有算法学习不同模型时需要手动调整RANSAC算法阈值的问题,从而降低了算法的参数敏感性。实验结果表明,该方法从定性与定量上均优于现有拼接算法的性能。

基于高斯拉普拉斯算子的加权引导图滤波立体匹配算法

提出了一种基于高斯拉普拉斯(LoG)算子的加权引导图滤波立体匹配算法。采用加权绝对差与梯度相融合的方式计算匹配代价。利用基于LoG算子的引导图滤波进行代价聚合,使惩戒参数能够随图像中的不同纹理区域进行自适应调整。使用赢者通吃(WTA)策略计算视差,并采用二次插值法得到最终的视差图。对Middlebury平台中的图像进行测试,结果表明,所提算法的平均误匹配率为4.32%。该算法可以有效地兼顾图像的高纹理区域和低纹理区域,并降低了视差图的误匹配率。