基于对极几何约束的景象匹配研究

提出了一种图像配准方法来解决实时图与基准图空间不对准问题。它是利用随机采样算法估计基本矩阵 ,恢复实时图与基准图之间对极几何 ,然后基于对极几何约束 ,剔除误匹配点 ,得到精确匹配控制点 ,计算出全局仿射变换 ,从而对实时图进行校正。该方法的特点是精确、稳定和全自动。采用真实图像实验结果表明 ,该方法是行之有效的。

一种高精度估计的基础矩阵的线性算法

通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法——加权平移算法.首先将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点算法求出基础矩阵F阵的8个参数,实现了F阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差和对极距离都小于其他线性算法,提高了基础矩阵的精度.

基于改进遗传算法的基础矩阵估计方法

基础矩阵估计是计算机视觉的基础。提出了一种新的基于改进遗传算法的基础矩阵估计方法,它以8个匹配点作为最小匹配点集组成染色体,并利用改进8点法估计出相应的基础矩阵,同时以对极距离为核心构造适应度函数,并对传统遗传算法进行了优化改进。实验证明,此方法在估计精度和鲁棒性等方面有很大提高,易于实际应用。

基本矩阵随机采样鲁棒估计

提出一种新的基本矩阵鲁棒估计算法:随机采样算法,对含有大量出格点的数据点集,利用7个对应匹配点的最小子集来估计参数;然后在不同的子集重复多次,确保任何一个子集都含有一个好的数据点的机率达到95%.最优估计值是残差低于门限值点数最多的子集,一旦从数据点集剔去出格点,利用没有出格点的数据就可以得到最终估计值.用真实图像测试表明该算法鲁棒性好,精度高.

基于遗传算法不同策略下的基础矩阵估计方法

在未定标系统中 ,对极几何约束给出了图像间的全部信息 ,成为解决许多视觉问题的关键环节 .提出了一种基于遗传算法不同策略下的基础矩阵估计方法 ,它利用每个基因代表一个匹配点 ,每条染色体作为基础矩阵计算时的最小子集 ,并根据染色体长度决定采用何种策略估计基础矩阵 .此方法在很大程度上减小了出格点对估计过程的影响 ,能够较好地汇聚到全局最优解 .模拟数据和真实图像的实验结果都表明 ,所给出的方法能够有效地检测和删除错定位和误匹配点 。

基于混合遗传算法的对极几何估计

在未定标系统中 ,对极几何约束给出了图像间的全部信息 ,成为解决许多视觉问题的关键环节 .本文提出了一种基于混合遗传算法的对极几何估计方法 ,它利用每个基因代表一个匹配点 ,每条染色体作为对极几何估计最小子集 .此方法在很大程度上减小了出格点对估计过程的影响 ,能够较好地汇聚到全局 (或近似全局 )最优解 .模拟数据和真实图像的实验结果都表明 ,本文所给出的方法能够有效地检测和删除错定位和误匹配点 。

改进的RANSAC基础矩阵估计算法

为了提高基础矩阵估计的精度,本文对随机抽样一致性算法(RANSAC)提出三点改进.首先使用分块采样和离散度约束机制改进样本采集策略,避免出现样本点集中的情况,其次,根据每组样本对应的基础矩阵计算所有匹配点到对极线距离的均值来自适应设定阈值,判别内外点,选择内点最多的匹配点集为初始内点集,最后使用M估计法,对内点设定权重因子,减小定位误差点对基础矩阵的影响.对模拟数据和真实图像做了大量实验,与现有算法相比较,本文算法对存在误匹配和高斯噪声的情况均具有良好的性能提升,有效的改善了基础矩阵估计的精度.

基于RANSAC算法的基本矩阵估计的匹配方法

基本矩阵包含了摄像机的所有内参数和外参数信息,求解基本矩阵是计算机视觉中的重要研究课题。在介绍极线几何和基本矩阵理论后,提出了一种基于Sampson距离的RANSAC(Ran-dom Sampling Consensus)算法用于解决求解基本矩阵中误匹配问题。通过从图像的特征提取、特征点匹配到求解基本矩阵的完整的仿真实验,验证了该算法的有效性。

基于实际物理距离的基本矩阵估计

基本矩阵估计是计算机视觉的关键问题,它是主动立体视觉系统的基础。提出了一种新的估计基本矩阵的线性迭代算法。该算法基于像点到极线的实际距离,利用两个不同视点处的图像先求得两个基本矩阵,再将这两个基本矩阵整合为一个最终的基本矩阵,该矩阵满足秩2约束。基于真实图像的实验表明该算法提高了基本矩阵的估计精度和鲁棒性。

基于改进最小平方中值算法的基本矩阵估计算法

针对基本矩阵的估计问题,为了消除误匹配点对和高斯噪声的影响,本文提出了一种估计基本矩阵的改进算法——基于遗传算法的最小平方中值算法,该算法是在最小平方中值算法中引入遗传算法,克服了传统鲁棒算法中对内点集的数据等同处理问题,利用遗传算法的全局优化特性,通过遗传算法对最小平方中值算法所得到的内点集合进行筛选,利用选取的8个匹配点对来估计基本矩阵。通过实例仿真表明,该算法在误匹配点对和高斯噪声存在的情况下具有更好的鲁棒性和精确性。

图像重构中估计基础矩阵的线性迭代算法

基础矩阵给出了图像间对极几何关系的代数描述,对其精确估计一直是未标定图像序列重构中的一个非常关键的问题.本文在8点算法的基础上,通过引入与对极距离有关的权因子,给出了一种高精度估计基础矩阵的线性迭代算法.实验结果表明,与归一化8点算法相比,此算法具有更强的抗噪声能力,更小的计算误差,从而提高了所估计基础矩阵的精度.