基于区域生长的稠密三维点云重建方法

目前存在的稀疏方法重建出的三维点云不够充足,导致无法重建出有效三维模型,为此提出一种基于区域生长的方法实现稠密三维点云的重建。以图像特征点匹配作为初始种子,以零均值归一化互相关系数和双视几何约束作为生长过程中图像对应点的匹配标准,在整幅图像上进行匹配生长,采取视差梯度约束和置信度约束进行匹配优化,获得稠密的图像对应点匹配;采用一种基于平面的相机标定方法计算相机的内部参数;利用稠密匹配和相机的内部参数计算图像间的相机运动参数,以投票策略确定相机运动参数;建立双视几何模型重建点云。实验结果表明,该方法能重建出准确的稠密三维点云。

基于种子生长的半稠密视差图算法

立体匹配是3D重建过程中的重要问题,而图像本身存在的噪声和相似结构降低了匹配算法的精确度。提出了一种基于种子生长的半稠密视差图算法,将图像匹配得到的特征点作为初始种子点,生长为整个图像上的半稠密匹配图,使用最大相似性子集,依照唯一性约束的原则,修正得到最终的视差图。实验结果证明:本文提出的方法优于以往方法,能够适用于结构相似以及深度变化很大的图像。使用图片为标准模板库图片,开发平台为Visual C++ 6.0。

基于机器视觉的微孔板液位检测研究

在使用人工检测微孔板的多孔液位时耗时费力、准确率低下,针对此问题提出一种基于机器视觉的微孔板液位检测方法。通过设计相机采集角度、打光方式等搭建视觉检测系统并采集到清晰的单排液位图像;基于零均值归一化互相关的匹配原理,设计算法对中值滤波后的图像进行位姿校正,结合液位图像重心定位8个单孔液位位置;设定相似度双阈值实现对液位的检测,并对不规则液位图像加入掩码进行二次匹配检测。通过实验验证,该方法对溶液容积变化范围为-10~10μL及以上的液位检测准确率达100%,满足检测微孔板液位的准确性需求。

使用自适应阈值的图像篡改检测与定位算法

针对利用相机传感器模式噪声的篡改检测在待测图像纹理复杂区域存在较高的虚警,提出了一种考虑纹理复杂度的自适应阈值检测算法。根据Nyman-Pierson(N-P)准则,确定不同纹理复杂度对应的相关性匹配判定阈值,而得到相关性阈值与纹理复杂度的关系拟合函数。在不重叠分块计算待测图像噪声残差和其来源相机传感器模式噪声对应块相关性的基础之上,根据待测图像块不同的纹理复杂度进行相关性匹配,确定大致篡改位置;再用快速零均值归一化互相关(ZNCC)算法计算两噪声图像中大致篡改区域对应点的相关性,实现精确定位。在手机图像库上的实验表明,与现有的固定阈值方法相比,本文算法的检测率达到了98.8%,而虚警率仅为1.897%,有效地降低纹理复杂区域的虚警率,并实现对篡改区域的精确定位;同时,与传统的滑动窗口方法相比,本文算法检测效率平均提高了26倍。