计算机视觉中立体匹配技术的研究

随着科技的发展,利用计算机能够实现人类视觉的功能,对三维世界,能够利用二维影像进行理解与感知。在计算机视觉研究当中,立体匹配技术是一个核心性的技术,同时也是最为重要的部分。通过研究计算机视觉中的立体匹配技术,能够通过像点对距离信息进行获取,从而对三维立体目标进行再现。基于此,本文对计算机视觉中的立体匹配技术原理、算法、技术难点、以及未来的发展趋势进行了研究。     

Census立体匹配算法的DSP实现

立体匹配是计算机立体视觉中最重要的步骤之一,由于计算量巨大,使得在各种实时应用中,都必须解决立体匹配的优化问题。立体匹配的实时性研究已经成为现代立体视觉的一个重要研究方向。本文从硬件和软件两个层次分析了立体匹配算法的基本加速方法和技巧,然后详细介绍了利用TiC64xDSP进行Census算法的优化。最后通过实验结果验证了本文提出算法的有效性。     

一种双目视觉的精准立体匹配算法

本文在双目立体视觉系统中提出一种精确的立体匹配算法。先用SIFT算法得到两幅图像的匹配点,并用RANSAC得到一些精确的匹配点。用这些匹配点算出两幅图像之间仿射变换关系,然后再将偏差小于阈值的初始匹配点都视为匹配点。再根据对应关系确定左图特征点在右图的潜在匹配点区域,从这一区域利用欧氏距离来查找SURF特征值之差小于设定阈值的点作为最终匹配点。     

基于前景检测的视差优化算法

目前立体匹配算法分两类,传统的匹配算法通过计算两幅图的像素点相似程度,采用的是一种局部优先的方法。而当前的策略主要将问题转化为求解能量方程,进而对全局空间进行优化,提高匹配精度,获得更好的视差图。但是在实际应用过程中,由于光学失真和噪声,平滑表面的镜面反射,投影缩减,透视失真,低纹理和重复纹理等影响,导致误匹配或者找不到匹配点,从而得不到有效视差。然而在特定的场合,可以利用有限的有效视差,基于前景检测以及最小二乘法,优化得到较为完整的前景视差图。     

Kalman滤波器在单运动目标自动跟踪中的应用

在系列帧图像中对运动目标以直方图为模型的模板方法进行匹配,由于模板匹配计算量非常大,要想在整幅图像中对目标进行搜索匹配,同时又要达到实时是不可能的。我们对目标状态进行可靠的估计,可以在相对较小的区域内完成对模板的搜索,Kalman滤波器就是一个对动态系统的状态序列进行线形最小方差估计的算法。通过以动态的状态方程和观测方程来描述系统,它可以将任意一点作为起点开始观测,采用递归滤波的方法计算。该算法具有计算量小、可实时计算的特点。     

可变增益控制的遥测影像激光扫描匹配算法

对遥测影像采用激光扫描匹配和配准,提高遥感对地探测的精度,传统的遥测影像匹配算法采用高分辨率SAR图像处理算法,实现对地遥测目标的特征融合检测,算法存在计算复杂,检测精度不高的问题。提出一种基于可变增益控制的遥测影像激光扫描匹配算法。构建遥测影响的三维影像数据提取模型,设计遥测影像对地探测的激光散射模型,采用激光扫描方法进行地理信息遥感标定,在尺度空间进行插值运算,进行遥测影像标定可变增益控制,准确实现对地理信息特征的激光扫描遥感标定。仿真结果表明,采用该算法进行遥测影像激光扫描匹配的准确率最高,提高对地遥感探测的目标识别能力。     

立体匹配算法的研究

立体匹配技术是立体视觉领域的关键技术之一,能否解决立体匹配问题直接影响着立体视觉的发展。本文主要介绍了立体匹配方法及其分类,并对每一种方法的内容、优缺点及适用范围进行了介绍。最后对本文进行了总结,并对以后立体匹配的发展提出了期望。     

RANSAC在影像匹配中的应用

影像匹配在模式识别、目标跟踪以及人工智能有着相当重要的作用。影像匹配的算法当前已经相当成熟,而消除误匹配,达到很高精度的匹配结果直接影响了算法的效果。本文正是从剔除误匹配方面着眼,引入了计算机视觉中经典的RANSAC算法,选用相对定向作为模型进行剔除误匹配。在航空影像上做了实验,剔除误匹配效果较为满意。     

相关系数与最小二乘影像匹配算法的研究

相关系数法和最小二乘算法是进行影像匹配的两种常用方法,文章以核线影像为影像匹配的数据源,采用以上两种算法进行影像匹配的实验,对两种影像匹配算法的计算速度、算法的优势、缺陷及改进方案、匹配结果的精度等方便进行了讨论。     

基于运动帧补偿的多媒体块匹配稳像仿真实现

在对高速运动目标的多媒体视频采集中,因为风力、高速抖动等原因导致视频和图像采集模糊,稳定性差,需要进行对视频和图像等多媒体素材进行电子稳像处理,提高对图像目标的识别和检测能力。传统方法中采用块匹配方法构建电子稳像算法,因为运动帧补偿效果不好,稳像效果较差。提出一种基于运动帧补偿的多媒体块匹配电子稳像算法,进行GSM随机场建模和进行像素点关联传递迭代优化,将图像的前一帧作为参考帧对当前帧进行参数补偿,求得的全部帧图像对应的运动参数,实现对电子稳像算法改进。仿真实验表明,算法能保留图像中的特征的同时去除图像中含有的抖动,稳像处理性能较传统方法优越。改进方法在电子侦察、远程目标识别等领域具有优越的应用前景。     

基于改进SIFT算子的影像匹配

影像匹配在人工智能和计算机视觉等领域有着极为广泛的应用,其决定了影像目标识别跟踪、图像配准的质量。其中的基于SIFT特征的影像匹配算法,针对场景不同、尺度缩放、分辨率差异、光照亮度变化、影像模糊以及压缩等有很强的适应性,故而应用在当前很多匹配算法中。当由于其算法的特性,在一些应用中其匹配速度对硬件要求较高。本文从这一点出发,对SIFT算子予以改进,以保障匹配精度为前提,实现了算法效率的提高,并实验验证。     

基于机器视觉的跟踪目标距离研究

研究目的在于完善机器视觉在目标物的检测、跟踪方面的技术,系统地研究应用图像处理各种方法,对物体进行检测、识别,用计算机视觉技术测量目标物的距离,并且应用于各种条件。主要任务包括摄像机标定、图像获取、图像预处理及目标物提取、测距算法研究几个步骤,详细分析了各个步骤的技术特点、存在的问题和解决方案。     

加速鲁棒特征匹配模糊动态场景混淆去除算法

动态场景曝光图像较为模糊,混淆复杂,对动态场景混淆去除是实现基于动态场景图像识别的运动目标检测的关键。针对传统方法中模糊混淆点配准不精,去混性能不好的问题,提出一种采用加速鲁棒特征匹配的模糊动态场景混淆去除算法,设计图像序列块曝光生成模型和边缘检测算法,抑制运动场景混淆图像边缘凹点灰度特征和混淆干扰,设计并行处理的分块检测方案提高处理速度,采用加速鲁棒特征匹配方法实现混淆去除。实验结果表明,采用该算法进行模糊动态场景图像的混淆去除处理,特征匹配精度高,去除混淆效果较好,在色彩自然效果保持和实时性方面优越传统方法,在基于图像处理的快速运动目标识别和动态场景恢复等领域具有很好的应用前景。     

一种基于无人机航拍图片特征点匹配的改进方案

在获取无人机航拍图像后,我们对图像进行初步去噪、平滑和特征提取处理,接下来需要进行特征匹配工作。我们针对无人机航拍图像所具有的相关缺陷,即视点过分离散、视角不稳定[1];提出了改进SIFT算法和Susan算法相结合的特征匹配方案。改进SIFT算法是基于图像Radon变换的改进[2],然后和Susan算话结合使用;最终的实验结果表明,新提出的匹配方案有着良好的快速性和较高的匹配精度,完全能够应用于无人机航拍场景下对实时性要求较高的目标识别和三维重建。     

车辆监控系统设计中地图匹配算法的研究

本文介绍了系统实现中的关键问题——地图匹配算法。怎么使车辆在地图上准确的显示,这是车辆监控系统中最关键的问题之一,即地图匹配的问题,介绍了常见的几种地图匹配算法和地图匹配算法的原理,并对地图匹配算法进行了分析,最后对地图匹配算法进行了改进。     

私有云计算平台上资源搜索路径匹配算法优化

对私有云计算平台上资源最优路径匹配,实现对资源的有效调度和检测,提高资源共享能力。传统算法采用云平台的资源置换算法实现云资源目标匹配,受限于机器学习技术自身的复杂性,性能不好。提出一种基于委托管理节点角色量化合成的私有云计算平台上资源最优搜索路径匹配算法。构建私有云计算平台终端数据访问和资源调度模型,根据贪心算法的收缩原则,在资源访问管理中引入互斥锁机制以保证资源共享操作的完整性,路径匹配有向图模型,提高资源路径匹配搜索能力。以全局度量为中心节点,计算逆向追踪搜索频度,实现算法优化。仿真实验结果表明,采用该算法进行私有云计算平台上资源最优路径匹配优化,能有效提高私有云平台上的资源路径匹配准确度,从而提高资源搜索成功率,实现资源优化共享,展示优越的适用价值。     

一种去光照干扰的运动目标图像分割算法

对模糊图像的多尺度分割,是解决许多计算机视觉处理问题的基础。传统的图像分割算法采用基于小波变换的局部特征匹配方法,无法有效去除光照的干扰,对运动目标图像的分割效果不好。提出一种基于模糊图像边缘能量特征提取的运动目标图像的去光照干扰分割方法。计算去光照干扰后的运动目标图像振幅分量和频率分量,采用混合函数控制曲线方法生成运动目标图像时间序列,计算每个尺度下计算运动目标图像的边缘能量特征,进行图像区域特征的非同态块匹配分割,最终生成灰度直方图二进制均衡系数,实现了运动目标图像的准确分割,去除了光照干扰。仿真结果表明,该算法具有分割结果准确,抗干扰能力较好,图像分割质量较优。     

一种稀松运动特征匹配的跟踪滞后消除算法

针对在运动目标结构较为复杂,运动速度较快的情况下,采集图像与被跟踪的目标存在较大的速度差异,算法运算较为复杂,运算耗时与跟踪速度不匹配,形成跟踪滞后的问题,提出一种基于稀松运动特征匹配的跟踪滞后消除算法.在运动目标跟踪的进程中,运用稀松特征迭代计算的方法,减少特征数量.在保证跟踪精度的同时,最大程度缩短计算时间.实验表明,提出的算法很好地解决了被跟踪运动目标的滞后性问题,跟踪效果明显改善.     

基于视觉的仿人机器人运动规划研究

仿人机器人的视觉系统和运动规划是仿人机器人研究的两大研究领域,对机器人在现实生活中的应用有很大作用。在图像的预处理过程中,进行图像去噪采用的是基于分数阶积分的去噪方法来进行的,与传统方法相比,这种方法更能提高图像的信噪比,保留原始图像中的关于边缘和纹理的信息。针对传统的SIFT点匹配算法效率较低,匹配速度慢等问题,提出并实现了基于区域增长的SIFT点匹配算法。这种算法可以在匹配可靠性基本保持不变的前提下,显著的提高匹配速度。在仿人机器人的运动规划方面,针对仿人机器人传感器对障碍物感知局限性的问题,采用信息窗口的算法。这种算法改进仿人机器人对障碍物的感知算法,使仿人机器人在运动过程中,最大程度的做到无碰运动。     

一种基于多传感器信息融合的盲区检测与目标跟踪方法

随着经济和社会的发展，大型商用车保有量逐年增加，因其车辆构造产生视野盲区导致的交通事故也随之增加。传统单一类型传感器检测精度低，已无法满足如今复杂交通场景的应用。基于此，文章提出了一种基于多传感器信息融合的盲区检测与目标跟踪方法，采用多种传感器感知盲区环境，基于YOLOv3算法与DeepSORT算法，改进提出自适应的快速DBSCAN聚类算法，利用CIOU匹配替换传统IOU匹配，提升目标聚类精度与算法匹配性能，实现更高精度的盲区目标检测与跟踪。