基于特征点配准的真伪卷烟商标纸鉴别

为提高真伪卷烟商标纸鉴别的准确性和效率,降低鉴别的经验要求和主观性,提出一种基于特征点配准的真伪卷烟商标纸鉴别方法。使用一致的标准扫描采集卷烟样品图像,基于尺度不变特征转换算法提取图像特征点,通过特征匹配和基于单应性变换的图像配准获取判别预测变量。采用逻辑回归、梯度提升分类决策树算法构建二元分类模型对图像样本进行训练和评估。在64个卷烟规格、2 918个样本数据集上进行实验,该方法准确率高于95%。通过对比实验验证了该方法的稳定性和有效性。

一种快速点特征直方图及重叠区计算的点云配准方法

地面三维激光点云配准是点云分析、三维重建以及其他工程应用的基础和关键技术。针对现有配准算法精度和效率上的不足,提出了一种基于快速点特征直方图及相邻两站间重叠区计算的配准方法。粗配准阶段,在经典的点特征直方图采样一致性(SAC-IA)算法基础上,通过加入同名点点对距离约束、几何形状约束,以及快速点特征直方图误差评定的改进,以此提高粗配准精度;精配准阶段,提出一种基于相邻站间大致重叠区域快速估算的最近点迭代(ICP)方法,该方法迭代收敛快、配准精度高。实验结果分析表明,该方法提高了配准精度和配准效率。

基于线特征约束ICP算法的机载激光雷达点云与影像配准研究

传统ICP算法存在计算效率低、易陷入局部最优等缺点,故提出一种附有线特征约束的ICP算法。该方法采用由粗到精的配准策略,首先在点云和影像数据生成的DSM图像中使用SIFT算法进行特征点配对,经RSANC算法消除误匹配后,作为数据配准的初始参数;然后分别在原始点云数据和影像DSM数据中提取建筑物边界线作为线特征,并将线特征进行简化、拟合、正交化;而后用端点表示特征线,将同名特征线的端点加入到ICP算法中作为线特征约束,完成点云数据和影像密集点云数据的配准。相较于传统ICP算法,新方法不需要对全部的点云数据进行运算,只需抽样少量点(3%左右)参与配准计算,即可完成点云与影像3D-3D配准,算法效率大幅提高,同时在线特征约束下,可避免传统算法容易陷入局部最优的缺点。实验表明,改进算法将配准结果中平均点间距由0.462 m提高到0.342 m,精度提升显著。

基于特征影像的室内静态激光点云高效粗配准方法研究

点云配准是室内静态激光点云数据处理中必不可少的一步,其配准效率直接影响配准算法的可用性。在处理大量密集的室内点云数据时,需要自动、高效的粗配准方法。为此,提出了一种室内静态三维激光点云自动、高效的粗配准方法。该方法充分利用静态激光扫描仪在数据获取中使用内置倾斜传感器补偿倾斜角的先验知识,将粗配准的自由度从六自由度降至四自由度,并通过三步法实现高效四自由度粗配准。结果表明,所提方法不仅能达到厘米级的配准精度,满足精配准精度的需求,而且配准的效率要优于其他对比方法。

基于偏置交叉注意力的点云配准算法

点云配准对机器视觉、人工智能等领域的发展起到了重要作用。针对传统点云配准算法与现有深度学习点云配准算法精度低和鲁棒性差的问题,提出一种基于偏置交叉注意力的点云配准网络模型OCADGCNN。该模型在动态图卷积神经网络(DGCNN)中插入偏置注意力模块用于提取全局特征向量,充分利用点云的局部结构信息和空间语义信息以减少信息损失;在特征提取中加入残差连接以提高网络性能;使用交互注意力模块实现全局特征之间的信息交换,以增强相关信息,抑制非重叠区域信息的干扰。实验结果显示,OCADGCNN模型在无噪和少量噪声的ModleNet40数据集中配准效果均优于ICP、PointNetLK、PCRNet、OMNet和DOPNet等配准方法,配准精度较高。在未知类别的实验中,OCADGCNN模型泛化能力较高,通用性良好,在点云完整度降低的情况下能够较好地处理低重叠度点云。

面向机械零件三角网格模型自动配准中增强特征的分割方法

三角网格模型配准是工业自动化检测软件中的重要一环,其配准精度对检测机械零件的形位公差有重要影响。针对三角网格模型的自动配准精度低、鲁棒性差的问题,本文提出一种面向机械零件三角网格模型自动配准中增强特征的分割方法。首先,确定三角网格模型特征分割的K值,通过拉普拉斯矩阵确定种子点进行迭代初始化。其次,本文采用合适的区域形状代理和代价函数以加速该过程,并通过多源迭代聚类得到特征分割结果。最终,在三角网格模型特征分割结果的基础上进行基于奇异值分解法的粗配准,之后再根据EM-ICP进行精配准。与传统的特征描述子粗配准结合ICP精配准的方法进行对比,结果表明,本文方法的配准误差下降了25.2%,自动配准时间缩短了62.6%,有效地提高了三角网格模型自动配准的精度和效率。

基于多尺度特征融合的自主巡检视频识别摄像头图像配准方法

针对自主巡检视频识别摄像头图像受结构相似性影响导致配准精度低的问题,本文提出基于多尺度特征融合的自主巡检视频识别摄像头图像配准方法。在图像增强的基础上,采用Harris角点检测方法获取自主巡检视频识别摄像头图像结构特征,并基于特征向量构建结果,对图像特征进行多尺度融合。设计图像配准变换估计模型实现自主巡检视频识别摄像头图像配准。结果表明:在特征匹配时,本文所提方法可以有效缩短匹配时间使得融合结果更为精确,具有良好配准效果。

特征点匹配和互信息融合下连续形变图像配准

图像配准中易受到外界干扰发生变形或者部分特征缺失,为此提出融合特征点匹配和互信息的连续形变图像配准方法。提取连续形变图像特征,对提取到的特征实施匹配处理,结合互信息算法统计两图像之间的相似程度,得出最佳配准指标,即像素灰度值为最大值,结合特征点匹配结果以及互信息算法生成图像配准刚性指标,实现连续形变图像配准。实验结果表明,所提方法配准后图像信息完整,配准效果较好,且匹配耗时较短,说明其能够降低图像配准中干扰因素的影响,有效提升图像配准质量。

结合形态描述和直方图特征改进的点云配准

针对点云配准过程中配准效率和精度无法兼得的问题,提出一种将内部形态描述(ISS)特征点和二进制方向直方图(BSHOT)特征描述符相结合的改进的点云配准算法。该算法先采用体素格网下采样和ISS算法提取特征点;然后通过二进制的方向直方图(BSHOT)特征描述符结合汉明距离和随机采样一致性算法(RANSAC)进行粗配准;最终利用改进的ICP算法进行精确配准。利用多组点云数据对该方法进行验证。结果表明,在相同条件下,改进后的算法在配准时间和配准精度上均优于其他算法。说明所提出的方法具有较高的配准效率与精度,且随着点云数量的增多,配准精度的提高效果会增强。

利用曲率过滤特征点改进FPFH+ICP点云配准

针对传统的点特征直方图(FPFH)+迭代最近点(ICP),在粗配准阶段耗时过大的问题,本文提出一种利用局部曲率来筛选掉部分局部区域较为平坦的特征点,来减少使用采样一致性初始配准(SAC-IA)方法时需要计算的特征点。首先使用体素网格化对原始的点云进行下采样,在对下采样后的点云计算出法线之后,利用法线计算出点云的局部曲率,对经过曲率过滤之后的点计算FPFH特征,随后经过SAC-IA粗配准和KD-tree加速ICP精配准得到最终的变换矩阵,完成整个配准过程。经过实验表明,该方法能够在保证最终配准效果几乎不变的情况下,大大缩短配准所耗时间。

改进人工蜂群算法的点云数据配准优化研究

传统的迭代最近点(Iterative Closest Point,ICP)算法对点云配准产生初始位置敏感,易陷入局部最优,采用群智能优化算法可以有效解决这一问题,但同时会带来计算量较大、搜索效率不高的问题。为此,该文提出了一种二阶振荡的人工蜂群算法点云配准方法,通过对输入点云的均匀采样,并基于邻域半径约束的固有形状特征点(Intrinsic Shape Signature,ISS)提取简化点云,通过改进的二阶振荡人工蜂群算法完成对点云较好的初始配准,得到空间变换矩阵参数。最后通过近邻搜索法(k-Dimension tree,k-d tree)加速对应点查找,以提高点云ICP精细配准的效率。通过对不同初始位置的点云库模型和场景数据进行的配准实验表明,相比传统的配准方法和改进的群智能优化策略,该算法抗噪性好,配准精度高,鲁棒性强。

基于WHI及ICP的点云配准算法

针对两步点云配准中精度差、计算效率低、易受噪声干扰的问题,提出一种基于WHI特征描述符结合改进的ICP点云配准算法。首先,对大数据量的点云通过ISS算法提取特征点集作为配准点云;然后,计算特征点云的WHI特征描述符,利用随机采样一致性算法完成粗配准;最后,基于安德森加速迭代ICP算法对粗配准点云进行精确配准。通过多组点云数据集对所提算法进行验证,实验表明,该算法配准精度高、速度快,在含有噪声数据集的优势更明显。在不同的点云模型下,所提算法的配准效率提高2倍以上,在噪声环境下具有一定的鲁棒性。

基于先验信息与特征匹配的无人机图像快速拼接技术研究

本文针对无人机航拍大区域图像拼接时间长、拼接失败,以及拼接后图像存在错位鬼影等问题,设计了一种基于先验信息与特征匹配的无人机图像快速拼接技术。该技术利用图像条带序列关联等信息,进行图像自动排序、重叠区域特征提取、特征筛选匹配及融合拼接等快速处理,有效提高无人机图像拼接效率和拼接质量。实现大区域全景图像的快速高效生产。

结合图像信息熵和特征点的图像配准方法

在分析当前主要的图像配准技术之后,针对图像特征点的分布和同名点的匹配问题,提出了结合图像信息熵和特征点的图像配准方法。首先对图像进行一定程度的分块,根据信息论的方法,计算每一块的信息熵,信息熵的大小基本反映了各个模块的纹理变换情况。然后根据各个模块的信息熵大小,进行图像的粗匹配。之后在各个模块提取出一定数目的特征点,信息熵大,纹理信息丰富,选取的特征点就相应较多,反之则纹理信息变化不大,选取的特征点数目较少。最后根据这些具有代表性的同名点进行精确匹配。为验证该方法的有效性,对两幅图像进行传统方法和改进的图像配准方法的比较。

基于特征点和改进ICP的三维点云数据配准算法

在光学非接触三维测量中,复杂对象的重构需要多组测量数据的配准。最近点迭代(ICP)算法是三维激光扫描数据处理中点云数据配准的一种经典的数学方法,为了获得更好的配准结果,在ICP算法的基础之上,提出了结合基于特征点的等曲率预配准方法和邻近搜索ICP改进算法的精细配准,自动进行点云数据配准的算法,经对牙齿点云模型实验发现,点云数据量越大,算法的配准速度优势越明显,采用ICP算法的运行时间(194.58 s)远大于本算法的运行时间(89.13 s)。应用实例表明:该算法具有速度快、精度高的特点,算法效果良好。

基于几何特征约束的建筑物点云配准算法

针对人工建筑物表面存在的几何特征关系提出了基于几何特征约束的建筑物点云配准算法,根据点云数据中平面与平面重合关系,推导点在平面上和平面法线平行的2种线性不等约束条件。在6独立参数模型中增加几何特征约束的不等约束条件组成了附有约束条件的配准模型。通过对建筑物3维激光扫描点云数据的采集和处理,详细分析了几何特征约束配准算法的处理结果。试验结果分析表明几何特征约束条件可以合理地改善3维空间转换参数解算结果,提出的配准模型较适合于人工建筑物点云数据的配准。

基于空间点特征和改进Hausdorff距离的图像配准方法

在基于特征的图像配准中,针对基于边缘的Hausdorff距离计算效率低的问题,提出用能表示图像空间结构的特征点来进行Hausdorff距离计算的方法。该方法是通过检测图像中的特征点来减少匹配点集中点的数量,实验证明了该方法的有效性,以及在计算和匹配时间上要优于基于边缘特征的Hausdorff距离计算方法。针对稀疏特征点集的特点,提出了改进Hausdorff距离,该距离通过改进部分Hausdorff距离使其更加适用于稀疏点集的距离计算,实验表明该距离在抗噪等方面优于其他Hausdorff距离。

基于广义特征点匹配的全自动图像配准

该文针对图像配准中用到的特征点提出了狭义特征点和广义特征点两个范畴。广义特征点是针对区域特征定义的, 可以有各种不同的定义方法。该文建议了一种广义特征点的定义和自动提取算法。该算法以多尺度小波变换来定位图像中的强棱边点,以局部区域的复杂性和非周期性约束最终检测广义特征点。该文采用两个步骤建立广义特征点之间的对应关系。正确匹配的特征点对作为控制点,以最小化控制点处的均方根误差方法求得用于配准图像的仿射变换参数。用一个迭代机制进一步修正控制点的位置,从而达到最佳的配准精度。多种实验结果展示了该文方法的配准效果。

基于特征点的图像配准技术探讨

图像配准是图像融合、运动目标检测中的关键技术之一。近年来国内外出现了各种新颖的配准算法,但均有各自的应用局限,只能适用于特定的场合。该文章从图像配准的一般原理出发,对目前主流的配准方法进行综合的分析和讨论,归纳其优缺点及其应用场合,并展望了图像配准算法的未来发展趋势,对相关领域的研究具有一定的指导意义。

基于特征点Rényi互信息的医学图像配准

针对医学图像配准有鲁棒性强、准确性高和速度快的要求,文中提出一种基于特征点Rényi互信息的医学图像配准算法.起初从模板图像与待配准图像中依次提取出多尺度特征点,其次使用其空间坐标计算特征点Rényi互信息目标函数,实现图像配准.该算法有效地避免了多模噪声图像间的灰度差异影响,减少了待处理的数据量,同时使用Rényi互信息来消除目标函数所受的局部极值的影响,进一步提高了配准精度.实验证明该算法适于单模和多模医学图像配准,速度较快、精度高、鲁棒性强,是一种有效的自动配准方法,并且具有较好的临床应用价值.