一种基于角点特征的场景锁定新方法

为了消除由飞机旋转、平移等运动造成的场景变化,使机载吊舱能对感兴趣场景连续侦察和跟踪,本文提出一种基于角点特征的场景锁定新方法。本文将参考图像等分成16块,选取每块中响应值最大的角点作为特征点,采用SAD(sum of absolute differences)算法进行特征点匹配,然后利用改进的RANSAC算法进行角点的一致性检测,利用最小二乘法解算全局运动参数,最后计算图像之间的累积运动。该算法便于在DSP+FPGA硬件平台上实现,能在20 ms内完成处理,实验结果表明,该算法匹配精度高,稳定性好,能较好地实现场景锁定。     

改进的亚像素级快速角点检测算法

针对采用手工选择特征点能够保证特征点的均匀分布,但是自动化程度低而且耗时的问题,提出一种自动获取亚像素角点的新算法.该方法采用一种由粗到精的多层次检测策略,先采用SUSAN算法对角点粗定位,在此基础上用Forstner算子对角点精确定位.实验证明：文中的算法不仅保证SUSAN算法的灵活性和Forstner算子的亚像素级精度,而且速度快,并且对噪声具有鲁棒性.特征点的选择过程无须人工干预,完全自动化.算法克服了手工选择特征点耗时及自动化程度低的问题,而且能提取某些特殊性质的角点,具有自动自适应检测性能和较强的实用性.     

基于ORB和改进RANSAC算法的图像拼接技术

图像拼接技术能够很好地解决单张拍摄照片的视野狭窄问题,是数字图像处理的一个重要分支.其一般步骤是先粗匹配,后提纯,然而在用随机抽样一致性算法(random sample consensus,RANSAC)提纯时,将粗匹配的所有特征点对都进行迭代运算,运算量较大,导致拼接速度慢.针对该问题,文中采用了ORB(oriented FAST and rotated BRIEF)算法,并结合空间一致性检测理论来改进RANSAC算法,以提高拼接速度.文中采用ORB算法提取特征点,并进行粗匹配;在RANSAC提纯之前,先进行一次空间一致性检测,从而缩小RANSAC抽样总量,减少迭代次数.分别用ORB+改进RANSAC算法和ORB+RANSAC算法对两组图片进行对比实验,实验表明,ORB和改进RANSAC算法的结合在保证匹配精度的基础上提高了匹配速度.     

基于亚像素级角点检测的双目视觉距离测量

要提高双目测距的精度,需要高精度的视差,为此引入亚像素检测方法。首先,采用Bouguet立体校正算法将左右图像进行极线校正,以减少匹配计算代价,提高匹配效率;然后,利用Harris角点探测器在一矩形领域内寻找一个最强特征点作为待匹配点,再采用最大互相关法对左图像进行匹配搜索确定匹配点。最后,对已匹配好的点对进行亚像素级检测,即可得到亚像素级视差。实验结果表明,该方法能将角点检测精度提高到0.001像素,测距精度也相应提高,距离越远效果越明显。     

基于UKF的水下地形匹配算法组合

为了克服断续地形辅助导航给UKF算法带来的不利影响,提出了改进TERCOM／ICCP＋UKF地形匹配组合算法.首先分析了基于UKF的水下地形匹配算法及其在实际水下地形辅助导航中的局限性.然后,针对UKF地形匹配效果易受大初始位置误差影响的不足,以“粗搜索”＋“精匹配”的算法组合模式为基础,给出了TERCOM、ICCP和UKF匹配算法的组合策略和算法克服相似地形影响的方法.仿真显示,较之单一UKF匹配算法,组合算法能够克服了大初始位置误差对算法匹配效果的影响,具有更好的工程适用性.     

极线约束条件下的双目视觉点匹配策略研究

为减小计算量,提高匹配效率,首先采用Bouguet算法对待匹配的左右图像进行极线校正,使其极线处于平行对准状态;采用Harris角点探测器提取左图像中的感兴趣角点作为待匹配的特征点;分析最大互相关匹配、最小向量夹角匹配2种准则的不足之处,并针对此问题设计一套逻辑判断程序从2种准则确定的若干候选匹配点中优选出最佳匹配点.实验结果表明,采用逻辑判断程序优选候选匹配点后,双目匹配成功率有了较大提高,达到97％,具有较强的鲁棒性.     

基于稀疏光流的道路航拍图像拼接算法

随着无人机技术的发展与成熟,无人机航拍图像在道路维护、交通事故勘察、城市路网地图构建等方面开始发挥重要的作用。当前主流的基于特征描述子匹配的图像拼接算法难以处理道路航拍图像中纹理稀疏、局部相似性高的问题,为此论文提出了基于稀疏光流的图像拼接算法。该方法能够有效地得到无人机航拍图像序列中的道路全景图像,并能保证中等规模的全景图像的一致性。最后通过与商用图像拼接软件PTGui比较,验证该方法的有效性。     

改进的KMP算法在舰船图像匹配中的应用

在研究KMP经典算法的基础上,针对KMP算法中存在的重复字符较多或极少、失配现象严重等缺陷,给出不同的改进方法,加快匹配速度,减少复杂度.针对目前图像区配技术的研究,结合改进后的算法,建立图像数据库,对原始图像进行增强和小波变换,并就匹配过程给出了具体的操作流程.实验表明该做法能有效地缩短匹配时间,识别率高,可适用于对时间要求较高的识别系统.     

基于灰度图像匹配方法的铁水罐车定位技术研究

利用灰度图像匹配方法分析了铁水罐车上十字标志物,从而对铁水罐车进行精确定位。在灰度图像匹配分析过程中,采用粒子群算法对图像的最优匹配点进行粗定位,再利用改进的Harris角点检测算法和亚像素方法精确定位。最后,利用试验案例证明本方法是合理可行的。这解决了铁水罐车在装载铁水过程中的精确定位问题。     

基于角点检测与特征点配准的图像拼接算法

为了解决当前图像拼接算法在背景复杂多变和重叠区域少的情况下,导致算法拼接不准确的问题,论文分别从角点检测与特征配准的角度出发,提出了基于角点检测与特征点配准的图像拼接算法。首先,根据图像Hessian矩阵,构建尺度空间,通过积分图像转换,设计基于surf的角点检测算子,精确定位角点,达到精准定位图像拼接参考点的目的。然后,根据角点匹配参数,推导计算出单应性矩阵,进行两幅图像间拼接转换处理,进一步精确并全自动化图像拼接结果。最后,基于软件开发环境VS2015实现算法,并系统集成。实验测试结果显示:与当前图像拼接技术相比,论文算法拥有更高的准确性与稳定性。