特征融合的双目立体匹配算法加速研究与实现CSCD

随着图像分辨率和场景信息获取实时性需求的提高,业界对双目立体匹配算法的效率提出了更高的要求。针对该问题,提出了将SAD与Census变换特征融合的结果作为初始匹配代价,利用SGM算法进行代价聚合,采用赢家通吃策略计算视差,通过左右一致性检验检测出遮挡点并填充,使用中值滤波剔除异常值,最终获取优化后的视差图。采用统一计算设备架构(CUDA)对算法实现并行计算,针对立体匹配比较耗时的问题,该算法最大化地利用共享内存、寄存器内存以及CUDA流,实现了不同核函数之间的并行,大大提升了执行效率。结果表明,该算法在Middlebury立体匹配平台上,平均误匹配率下降了8.05%;在NVIDIA GeForce GTX 1650平台上运行450×375分辨率的图像,比原始SGM算法快687倍,运行高分辨率图像时依然能够实现实时显示性能。     

融合明度特征的V-SAD立体匹配算法

针对SAD算法难以对图像中纯色与弱纹理部分进行准确匹配的问题,提出了将HSV空间明度特征与SAD算法相融合的立体匹配算法,称为V-SAD算法.首先将图像从RGB空间转化至HSV空间,并根据H、S、V值将像素点按照颜色分为10类,同时得到明度特征图.然后结合SAD算法需要的灰度特征图计算匹配代价,得到初步的视差图.接着,根据HSV空间的颜色信息对图像进行分割,结合数学形态法求解分割区块中的独立连通域.再利用边缘生长法对每一个连通域的视差进行恢复.最后,使用左右一致性检测方法对视差图进行优化.实验结果表明,利用图像的明度信息衡量纯色与弱纹理区域的匹配点的相似度是有效的,该V-SAD算法有效改善了SAD算法在弱纹理和纯色区域的匹配效果,平均误匹配率下降了13.02％.     

基于对数极坐标变换的快速相关匹配算法

成像制导过程中,需要在导引头获得的图像中搜索目标所在位置。基于对数极坐标变换的相关匹配算法能够有效处理在尺度、旋转等情况下目标的匹配问题,但是计算量大、匹配效率低,因此提出一种基于对数极坐标变换的多分辨率快速相关匹配算法。首先,通过定义主梯度方向,并将该方向作为对数极坐标变换的角度变换基准,有效避免了模板与目标特征矩阵基准不同的问题;其次,在多分辨率金字塔搜索过程中,采用图像方差作为判断依据,跳过同质区域和杂乱区域等非目标区域,加快搜索效率。仿真结果表明,该算法相比传统多分辨率相关匹配算法能够保证匹配精度并提高算法对于非线性光照变化的鲁棒性,匹配效率显著提高,具有实时处理的潜力。     

一种地形轮廓特征的立体视觉三维重建方法

针对自然地形轮廓特征的三维数据测量问题,提出了一种基于区域分割的立体视觉三维重建方法。先通过分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘。轮廓边缘按所属区域分组进行立体匹配,根据分割区域相互邻接的全局特征和各区域的位置、尺寸、灰度值局部特征建立区域约束,并根据区域边缘像素点梯度分布特点建立梯度方向约束,以减小立体匹配的搜索空间、优化匹配顺序、提高匹配精度。进而根据双目立体视觉的成像模型计算匹配边缘点的三维坐标,实现地形轮廓边缘的三维重建。实验结果表明,该方法能够快速有效地重建出体现地形三维结构特征的轮廓边缘,并具有较高的立体匹配正确率和重建精度。     

恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题，提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比，首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言，将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分，利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明，该方法不仅能够提高晴朗天空下的定向精度，而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度，即使在偏振角图像对称∞模式被破坏的情况下，航向角精度仍可由9.4470°提高到1.6859°。     

惯性信息辅助的大视角目标快速精确定位

目标定位技术广泛应用于航空领域的侦察机、无人机等各类侦察打击任务中,目标定位精度的高低及效率对作战效果具有重要影响。针对仿射尺度不变的特征变换(ASIFT)算法对远距离大视角目标定位精度较低、速度较慢的问题,提出了一种基于惯性信息辅助的大视角目标快速精确定位方法。该方法首先对目标实测序列图像构造尺度空间,结合FAST特征检测与FREAK特征描述的方式进行匹配,实现对待定位目标的快速提取;然后利用机载惯性信息求解目标实测图与参考图之间的透视变换矩阵,利用该矩阵对实测图进行变换以减小图像间视角差异,克服了ASIFT算法盲目匹配计算的弊端,并通过FAST特征检测与FREAK特征描述相结合的方式提升了大视角图像的匹配速度;最后通过单应性矩阵映射关系实现对目标的精确定位。实验结果表明,大视角目标快速精确定位方法匹配耗时比ASIFT算法的减小了1个数量级,定位精度比目标平均值定位算法精度提高了1个数量级,有效提高了图像匹配定位在航空领域的应用效率。     

基于遗传算法和最小二乘法的曲面匹配

 针对基于最小二乘法的 ICP曲面匹配算法难以处理待比较曲面的局部大变形问题,提出一种改进算法。即采用遗传算法确定曲面初始相对位置以保证匹配优化结果为全局最优值,利用 ICP算法匹配结果构造偏差阈值,以此阈值过滤点群后再以最小二乘法进行匹配处理,消除局部大变形影响,获得合理的变换矩阵。以此变换矩阵变换初始点群再进行误差计算,从而获得理想的匹配结果。试验表明,该准则对局部大变形的处理效果优于常规的最小二乘 ICP曲面匹配算法。     

恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题,提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比,首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言,将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分,利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明,该方法不仅能够提高晴朗天空下的定向精度,而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度,即使在偏振角图像对称∞模式被破坏的情况下,航向角精度仍可由9.4470°提高到1.6859°。     

基于 SURF算法和 Kalman预测的运动目标跟踪

SURF(Speeded Up Robust Feature)特征提取方法是SIFT(Scale Invariant Feature Transform)算法的改进,具有速度快和精度高等特点,但其对于较大尺寸图像的匹配速度仍然有待提高。文章提出了一种将基于SURF特征匹配算法与卡尔曼滤波相融合的目标跟踪算法,该算法用特征点的中心近似目标最佳位置;通过卡尔曼滤波预测出当前的目标位置,建立自适应匹配窗口;最后,应用SURF算法提取窗口内的特征向量进行匹配。实验表明,该算法在目标发生大尺度旋转和缩放、部分遮挡时能够稳定跟踪,其跟踪速度比SURF算法有很大的提高。     

基于边缘相似性的异源图像匹配

异源图像匹配是视觉导航、多源图像融合分析的关键步骤之一。对于成像机理差别较大的异源图像,如SAR图像和可见光图像,采用传统的异源图像匹配算法难以得到满意结果。本文提出一种基于边缘相似性的异源图像匹配方法,首先分别提取待匹配图像的边缘特征点集;然后计算基准图的边缘距离场;最后基于边缘相似性模型,通过实时图边缘图和基准图边缘距离场计算边缘相似度,寻找相似度最大的变换参数即为最终匹配参数。采用SAR与可见光图对方法进行了测试,结果表明,这种方法能够快速可靠地实现异源图像匹配。     

基于自适应修正曼哈顿距离的室内定位方法

在室内WiFi环境下,针对常见指纹匹配算法所忽略的信号波动问题,提出了一种基于自适应修正曼哈顿距离和AP选择的指纹匹配算法,并结合加权K近邻方法实现定位。首先采用AP选择算法获取部分受干扰程度小和出现频率高的AP,在指纹匹配时仅使用该部分AP的接收信号强度进行计算;在分析WiFi信号传播衰减公式和信号波动的基础上,提出了将自适应修正曼哈顿距离作为指纹匹配的度量距离,使用该距离旨在平滑信号波动对指纹相似度计算的影响;最后采用加权K近邻方法估计测试点的坐标。实验结果表明,在加权K近邻方法的框架下,基于自适应修正曼哈顿距离的定位算法在定位精度上优于基于欧氏距离、曼哈顿距离、余弦距离和Sorensen距离的定位算法。     

基于酉变换的约束优化均衡算法

基于李道本等人提出的代价函数，在特定的约束条件下，利用酉变换方法，提出了两个约束化均衡算法。这两种均衡算法是传统的直接梯度算法和共轭梯度算法的改进方法。这两种约束算法是在Householder变换下或GiVen平面旋转变换下获得的，它们完全不同于前人的各种线性约来自适应算法，这两种算法的计算复杂度是可以接受的。计算机仿真结果验证了这两种变换域算法的性能。     

利用TERCOM与ICCP进行联合重力匹配导航

重力匹配导航算法对提高匹配效率和精度具有重要意义,是水下匹配导航技术的热点问题。对已有的重力辅助惯性匹配导航算法开展了研究,在此基础上提出了一种新的基于ICCP与TERCOM相结合的重力匹配导航算法。该算法在已有改进算法的基础上,对惯性导航提供的采样间隔航距以及ICCP匹配航距,和改进TERCOM匹配航距进行了联合对比分析。通过设置限差,搜索出TERCOM匹配误差较大点,并用ICCP对应匹配点进行替换,反复搜索和替换,最终生成由两种算法结合的新匹配轨迹。在TERCOM匹配初始误差较小的情况下,该方法对TERCOM算法匹配精度的提升依赖于ICCP匹配结果。仿真结果表明:对于TERCOM出现明显误匹配且ICCP匹配结果较好时,该算法可大大提高重力匹配精度,距离误差由2000m降至870m,X轴方向由TERCOM匹配平均误差的1370m降至530m,Y轴方向由TERCOM匹配平均误差的1900m降至640m,从而更好地满足了水下导航的需求。     

一种多点定位的目标位置精确解算方法

多点定位是民航飞机导航系统的新技术,精确的目标位置解算方法是多点定位的关键.通过设定参考站和变换,将非线性到达时间(TOA)方程组转化为线性到在时间差(TDOA)方程组,提出了一种两步求解目标位置的闭式算法.首先忽略TDOA测量误差,获得了目标位置的粗解,在粗解的基础上做泰勒级数展开,克服了未知量不独立对精度的影响,再...     

基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题，提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间，将高斯尺度空间划分为多个网格，在每个网格内借助FAST算法提取尺度空间特征点，使用BRIEF算法提取描述符并匹配，得到更加均匀分布的特征点；然后使用运动网格统计算法筛选匹配点；最后采用SPHP算法融合图像重叠区域，从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价，验证了该方法特征点匹配速度快、精度高，并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价，验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2 736像素×3 648像素图像中,特征点匹配时间降低至6.463 s，图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。     

基于改进SURF算法的无人机遥感图像拼接方法

针对传统SIFT算法在无人机遥感图像拼接中存在的运算缓慢、误匹配较多且计算过于复杂,无法满足遥感图像处理的实时性要求等缺陷,以及由于采集到的图像之间存在曝光差异等情况,直接进行叠加拼接后极大可能会在边界处产生重影错位的情况,文章提出了一种改进的SURF算法与融合算法用于无人机的遥感图像拼接。首先,在特征检测阶段,将SURF算法与Harris角点检测算法2种算法相结合,快速得到图像的特征点与特征描述子;在特征匹配阶段分为粗匹配与精匹配2个步骤:通过KNN算法对待拼接图像间特征点的粗匹配,以及应用RANSAC算法去除误匹配点的精匹配;在图像融合阶段,采用了基于距离的加权平均算法进行图像融合;最后,实验表明:文章所提出的算法处理速度相比于传统SUFT算法提升了近5倍,相比于其他改进算法,匹配精度也有所提高,并且该算法能够有效提高图像拼接后的质量与效果,解决了拼接痕印明显、重影、错位等现象可能发生的问题。     

基于BP神经网络的软件项目成本估测方法

为进一步提高软件项目成本估测的准确度,减少在使用传统估测方法时产生的较大误差,提出了一种基于BP神经网络算法的软件项目成本估测模型。利用BP神经网络对软件项目成本进行估计,采用梯度下降自适应Ir的BP算法训练,仿真结果表明,基于算法的软件项目成本估测值与实际成本的偏差较小。