基于改进形状上下文的双焦图像深度估计

针对深度估计时两幅双焦图像特征点的误匹配问题,提出了一种基于改进形状上下文特征点的校正方法。首先引入了对尺度、视角、光照等具有不变性的SSURF特征向量,利用SSURF特征向量匹配算法在双焦单目视觉系统采集的焦距不同的两幅图像之间进行目标SSURF特征点的匹配。提出一种改进的形状上下文描述符,对局部特征匹配点对进行误匹配的校正。然后根据空间物点与所成像点距图像中心矢量大小及摄像机的焦距值之间的几何关系,利用校正后的特征点完成相关的计算从而获取目标物的深度信息。实验表明,校正后的方法进行深度估计具有较小的误差和较好的估计效果。该深度估计方法有较大的实用价值。

基于局部特征匹配的双焦单目立体视觉深度估计

针对基于双焦单目立体视觉的图像焦距变化和相似图像误匹配率高的问题,提出利用局部特征描述子结合"两步匹配法"进行图像匹配。将局部特征描述子引入基于双焦单目立体视觉系统中进行图像匹配。提出"两步匹配法"获取特征点集合,即交换小焦距与大焦距图像匹配顺序获取两个特征点集合,求交运算得到新的集合,并计算深度值。实验结果表明,SSURF(Simplified Speed-Up Robust Feature)匹配速度最快,获取的深度值与理想的深度值误差较小,从而验证了将局部特征用于双焦单目立体视觉进行图像匹配从而完成深度估计是可行的。

基于改进SURF特征与模糊推理的复杂图片中的文字识别

鉴于现有文字匹配算法在位置、方向和亮度变化上缺乏足够的鲁棒性,根据汉字结构的特殊性,本文采用改进的SURF算法——SSURF来提取文字特征。首先,计算所有训练样本的SSURF描述符,并将同一类别样本的描述符互相匹配,然后计算匹配次数超过1/2的关键点的匹配率,最后用训练样本SSURF描述符的均值和SSURF描述符与均值的最大欧氏距离来建立类数据库。在识别过程中,计算待识别文字的所有关键点,并将关键点的最大模糊匹配度作为该点的模糊匹配度,最后基于模糊推理实现文字识别。实验结果表明,本文算法识别性能更好。