一种改进的SAD目标跟踪算法

针对SAD算法在目标跟踪的过程中目标易受遮挡、形变等干扰而造成跟踪失败的问题,提出了一种改进的SAD算法。该算法在原SAD算法的基础上,以SAD遍历得到的矩阵为模板,通过SAD矩阵中的最小值及其邻域矩阵的相关值来构造模块矩阵,使之包括SAD遍历过程中的所有与目标图像有交集的数值。通过对SAD矩阵进行分块处理并对每块模板设置不同的权重系数,极大程度地削弱了背景图像对目标图像的干扰。利用SSD算法对构造的SAD矩阵进行匹配跟踪,再通过MCD算法对跟踪效果进行判定,采用多帧融合的方法,当MCD值小于设定值时对目标模板进行更新。通过对初始模板、前一帧模板和当前帧模板分别设置不同权值的系数,融合生成一个新的目标模板。实验结果表明,与传统SAD算法相比,本算法在抗遮挡、抗形变的能力上有显著的优势。

融合明度特征的V-SAD立体匹配算法

针对SAD算法难以对图像中纯色与弱纹理部分进行准确匹配的问题,提出了将HSV空间明度特征与SAD算法相融合的立体匹配算法,称为V-SAD算法。首先将图像从RGB空间转化至HSV空间,并根据H、S、V值将像素点按照颜色分为10类,同时得到明度特征图。然后结合SAD算法需要的灰度特征图计算匹配代价,得到初步的视差图。接着,根据HSV空间的颜色信息对图像进行分割,结合数学形态法求解分割区块中的独立连通域。再利用边缘生长法对每一个连通域的视差进行恢复。最后,使用左右一致性检测方法对视差图进行优化。实验结果表明,利用图像的明度信息衡量纯色与弱纹理区域的匹配点的相似度是有效的,该V-SAD算法有效改善了SAD算法在弱纹理和纯色区域的匹配效果,平均误匹配率下降了13.02%。

超像素分割约束的自适应SAD与Census融合立体匹配算法

为提高立体匹配精度,提出一种超像素分割约束的自适应SAD与Census融合的立体匹配算法。针对SAD在匹配过程中无差别使用窗口内像素点灰度值引入的误差,首先用简单线性迭代聚类(SLIC)超像素分割方法对待匹配图进行处理,将分割结果结合窗口内邻域像素点和中心像素点的距离给SAD立体匹配过程中窗口内像素点灰度值赋予适当的权重;进行Census立体匹配过程,并对两种算法的匹配结果进行自适应融合;对初始视差图进行左右一致性检测和遮挡点填充等后处理过程。实验表明,提出算法与传统算法相比,匹配效果显著提高,可以很好地适应细节丰富的图像并且对于有垂直位移的图组也有较好的适应性,对于图像对比度及光照变化具有鲁棒性。

融合边缘特征的SAD立体匹配算法

为保证SAD算法的立体匹配效率,提高匹配精度,提出一种融合边缘特征的立体匹配算法Edge-Gray.通过边缘计算得到边缘特征图,在进行匹配的过程中,根据当前点与领域点的差值确定匹配窗口大小和匹配源图,在此基础上进行视差优化得到视差图.实验结果表明,与传统的SAD算法相比,Edge-Gray算法的平均误匹配率较低,对于边缘较多的Cones图像立体匹配效果较好,其误匹配率可降低10.52%.

基于SAD的立体匹配算法研究

基于对双目摄像机获取的图像对进行立体匹配的目的,采用SAD算法,针对在匹配过程中模板图像易受待匹配图像中区域相似性较高的点干扰而造成错误匹配的问题,通过对不同的窗口大小进行实验,得到更适合本文的视差图。SAD算法作为匹配代价函数来进行评估两个图像块的相似度,得到的视差图具有较好深度感,为下一阶段的三维重建工作打下了基础。

基于SAD的直方图匹配算法在超声弹性成像上的应用

超声弹性成像自提出以来成为一个研究热点,但由于弹性成像的成像原理,弹性图像上一般都有弹性噪声,为了降低噪声,提高弹性图像质量,研究基于SAD的直方图匹配算法在超声弹性成像上的应用,通过改进相似度的计算方法,提高弹性图像的去噪质量。

立体匹配算法改进与优化

本文分析了当前主流的几类立体匹配算法,并通过对综合实时性与重构效果两方面内容的比较,得出半全局立体匹配算法的应用性更强。本文针对半全局匹配算法改进与优化,在代价计算部分将CIELAB色彩空间下的绝对灰度差与Census算法再结合梯度匹配计算方法作为代价计算函数,在代价聚合方面采用了引导滤波算法,并引入了多尺度聚合法,在不同尺度下分别进行代价计算,有效提高算法鲁棒性,使低纹理区域的块效应消除,图像边缘的匹配效果改善,误匹配率下降。

基于反色均值化的非参数Census立体匹配算法

针对传统非参数Census变换过分依赖于变换窗口的中心像素灰度值的问题,提出了一种新颖的非参数Census变换的立体匹配算法。首先,该文研究了非参数Census变换并分析了其局限性;其次,考虑到像素空间位置,对于变换窗口进行反色处理后,求取邻域均值的反色来替代中心像素灰度值进行Census变换,提高了算法的抗干扰能力;最后,采用绝对误差和(SAD)方法和汉明距离作为相似性测度进行立体匹配,减少误匹配率,并通过左右一致性检测和亚像素插值来增大匹配的准确度。实验结果表明,此算法能够提高光照变换下匹配的鲁棒性,尤其对于深度不连续区域,适用于实时的立体匹配。

基于块匹配的全景图像拼接算法研究

针对超宽视角的全景图像拍摄,采用普通相机获取的全景图像分辨率较低,本文采用基于SAD的块匹配算法实现两幅图像的拼接和融合。实验结果表明采用块匹配的全景图像拼接方法拼接精度较高、两幅图像的融合效果较好,能够得到满意的拼接图像。

边缘面积值绝对差数累积运动检测算法

运动目标检测是一种基于图像处理技术发展起来的新技术,它是计算机视觉、视频信息处理等应用领域的重要研究课题。针对摄像头固定,只对视场内的目标进行检测这种情况,提出利用两帧图像之间运动目标边缘面积值的差数累积来检测是否运动的算法。该算法主要作用是能减低因背景亮度变化而引起的误判。

基于IMM Kalman滤波算法的实时追踪监控系统

将SAD匹配算法和IMM Kalman滤波算法相结合,构建了一个实时追踪监控系统的雏形。该系统通过SAD匹配算法对目标进行检测,结合IMM Kalman滤波算法使追踪更加精确,从而优化现有的监控系统。选用MATLAB对SAD匹配算法和IMM Kalman滤波算法分别进行仿真,仿真结果表明SAD匹配算法与IMM Kalman滤波算法相结合,可以实现检测和追踪功能,具有现实意义。

关于噪声环境中语音信号盲分离的研究

研究了在噪声环境中进行语音信号盲分离的问题.为了解决由于噪声导致解混合系统性能发生严重恶化的问题,在不增加传感器数目的前提下,利用语音源信号的短时平稳特性和噪声信号的长时间平稳特性,给出差分方法可以抵消噪声信号的影响,使得解混合系统的权仍能够收敛.输入真实语音,通过计算机仿真验证了该算法的有效性.

一种码垛视觉系统中物料袋的识别与定位方法

提出了一种基于双目视觉的码垛机器人从码垛中识别与定位单个物料袋的解决方法。首先通过对双目CCD摄像机采集到的原始码垛图像进行双目校正、SAD算法立体匹配、匹配校验、亚像素插值,得到致密的视差图;之后,对校正了的一个视图进行otsu方法自动阈值、Canny算子求边缘、Hough直线检测、Sobel边缘检测并结合形态学图像处理的膨胀、开操作,得到属于单个物料袋的连通域并求出其中心,结合视差图,进而求出每个物料袋相对于摄像机的三维坐标。最后,利用o PENCV与VS结合的开发平台编程与测试,实践表明该解决方法可以迅速准确的对码垛中单个物料袋识别与空间定位。

基于MATLAB和Opencv的双目视觉系统研究

使用两台ccd相机采集目标二维图像,并使用MATLAB进行相机参数标定,通过Opencv对目标二维图像进行立体匹配、深度信息提取,对双目视觉系统结构进行建模,应用多种立体匹配算法,计算并分析了标定过程以及深度信息提取过程中产生的误差。

网络视频监控系统高效编码技术的研究

近年来，随着视频监控系统的快速发展，网络视频监控系统已成为人们研究视频监控的主流：由于视频数据量的庞大所导致的视频传输延时是当今研究视频监控的难关所在。为了高效清晰地传输视频数据，人们纷纷把研究重点放在高效视频编码技术上。该文从视频编码块匹配运动估计的角度，对当前普遍使用的SAD算法进行了改进。

根据灰度值信息自适应窗口的半全局匹配

目的立体匹配算法是立体视觉研究的关键点,算法的匹配精度和速度直接影响3维重建的效果。对于传统立体匹配算法来说,弱纹理区域、视差深度不连续区域和被遮挡区域的匹配精度依旧不理想,为此选择具有全局匹配算法和局部匹配算法部分优点、性能介于两种算法之间、且鲁棒性强的半全局立体匹配算法作为研究内容,提出自适应窗口与半全局立体匹配算法相结合的改进方向。方法以通过AD(absolute difference)算法求匹配代价的半全局立体匹配算法为基础,首先改变算法匹配代价的计算方式,研究窗口大小对算法性能的影响,然后加入自适应窗口算法,研究自适应窗口对算法性能的影响,最后对改进算法进行算法性能评价与比较。结果实验结果表明,匹配窗口的选择能够影响匹配算法性能、提高算法的适用范围,自适应窗口的加入能够提高算法匹配精度特别是深度不连续区域的匹配精度,并有效降低算法运行时间,对Cones测试图像集,改进的算法较改进前误匹配率在3个测试区域平均减少2. 29%;对于所有测试图像集,算法运行时间较加入自适应窗口前平均减少28. 5%。结论加入自适应窗口的半全局立体匹配算法具有更优的算法性能,能够根据应用场景调节算法匹配精度和匹配速度。