匹配点分布密度约束下的基础矩阵估计

提出一种匹配点分布密度约束下的基础矩阵估计方法。该方法以传统RANSAC方法为基本框架,结合匹配点分布密度约束来选择内点集,并采用M-Estimators方法重新计算基础矩阵。通过模拟数据和真实图像实验表明,本文方法可有效提高基础矩阵的计算精度。     

一种渐进式的鲁棒特征匹配方法

针对影像特征匹配初始结果中存在大量粗差的问题,提出了一种渐进式的鲁棒特征匹配方法,分为种子特征匹配点提取与匹配点扩展两步。其核心思路是先利用特征点的局部几何一致性进行误匹配剔除,提取可靠的种子匹配点;然后,利用由种子匹配点估计出的全局几何模型,对非种子匹配点进行验证,完成匹配点的扩展,得到最终的鲁棒特征匹配结果。实验采用多种数据集对本文方法进行定性、定量分析,并与其他鲁棒特征匹配方法进行比较分析。结果表明,本文方法可以有效地保证特征匹配的精度,同时提高匹配点的数量。     

一种改进RANSAC的基础矩阵估计方法

针对随机抽样一致性算法估计基础矩阵存在效率低并且估计的精度依赖于抽样质量的问题,提出了一种改进RANSAC的基础矩阵估计算法。该算法采用预检验技术减少计算时间,在计算过程统计每对匹配点被标记为内点的次数,选择被判断为内点次数较多的集合构成候选集合来指导下一次抽样。下一次样本选择在候选集合中完成,并根据当前计算结果更新候选集合。最后选择包含内点数量最多的集合作为内点集。模拟数据和真实图像数据的实验结果表明,本文算法在误匹配和高斯噪声存在的情况下,算法精度和效率都体现出较好的品质。     

自适应阈值的基础矩阵估计算法

针对RANSAC算法在估计基础矩阵过程中需要人为设定阈值的问题,该文提出一种自适应阈值的基础矩阵估计算法。该算法首先引入ORSA算法,计算内点集以及基础矩阵,随后将得到的内点集与基础矩阵作为最小中值算法的初始值做进一步加权优化,在保证基础矩阵估计精度的前提下得到更好的内点集。其中,利用ORSA算法估计时通过计算误匹配警报数(NFA)值评判估计精度,舍去了RANSAC算法中人为设定阈值的步骤;利用最小中值算法加权优化的过程中采用最小化误差中值的方式,避免人为设定阈值。实验结果显示,该算法在保证基础矩阵估计精度的同时,能够获得最佳的内点集,且具有一定的抗噪声能力。     

基于小波高精度点匹配的基本矩阵估计

利用2视图进行景物的3维重构中,基本矩阵的估计是一个非常重要的问题.目前无论是线性算法还是非线性算法,在估计基本矩阵时都不太理想.这里采用图像的Harries角点作为端点,经过基于小波变换的子线段匹配方法获得高精度的匹配点对;在此基础上,进一步采用Hartley提出的改进八点算法获得了高精度的基本矩阵.通过真实图像的对比实验证明,该方法能有效地提高景物3维重构中基本矩阵估计精度.     

基于小波高精度点匹配的基本矩阵估计

利用2视图进行景物的3维重构中,基本矩阵的估计是一个非常重要的问题。目前无论是线性算法还是非线性算法,在估计基本矩阵时都不太理想。这里采用图像的Harries角点作为端点,经过基于小波变换的子线段匹配方法获得高精度的匹配点对;在此基础上,进一步采用Hartley提出的改进八点算法获得了高精度的基本矩阵。通过真实图像的对比实验证明,该方法能有效地提高景物3维重构中基本矩阵估计精度。     

一种采用基础矩阵描述的核线影像生成方法

设计了一种采用基础矩阵的立体像对核线影像制作方法,由基础矩阵来描述影像间的相对方位关系,避免了相对定向过程中复杂的迭代过程。通过稀疏匹配获取高精度的同名点,由基础矩阵确定每组同名点对应的同名核线,根据核线必相交于核点的原理,采用最小二乘法确定左右影像的核点坐标;然后根据核点坐标完成影像间核线的快速映射,沿核线方向采用双线性内插法进行核线重采样,完成核线影像制作。采用多组影像进行核线影像制作实验,对生成的核线影像进行同名特征点提取与匹配,结果表明采用该方法制作的核线影像上下视差较小,验证了方法的有效性。     

有理函数模型下基础矩阵研究

分析了线阵影像的核线关系,提出了有理函数模型下线阵扫描影像的基础矩阵求解方法,验证了线阵影像中精确共轭核线对是不存在的。     

基于椭球GPS/DR导航模型的鲁棒滤波研究

为了获得更精确的运动物体的数学模型,本文建立了GPS/DR组合导航系统的椭球模型,并将含参模型转化为不确定性参数滤波模型,并利用鲁棒卡尔曼滤波算法和鲁棒H∞滤波算法进行了仿真,从滤波的稳健性和效率两个方面进行了分析,得出在椭球GPS/DR导航模型下,鲁棒H∞滤波算法比鲁棒卡尔曼滤波更符合工程实际应用的滤波方法。     

噪声鲁棒的高光谱图像波段选择方法

目前大多数高光谱图像波段选择方法仅考虑波段信息冗余问题,忽略了所选波段的噪声水平,致使选取的代表性波段子集中可能含有噪声水平较高的波段。为解决这一问题,本文提出一种噪声鲁棒的高光谱图像波段自适应分区与子空间搜索方法。首先,基于皮尔逊相关系数构造高光谱图像波段相关性矩阵;然后,将高光谱图像光谱波段等分为若干子空间,通过构造与皮尔逊相关系数相适应的子空间划分最优目标函数,自适应地调整子空间的分割点;最后,综合考虑波段的信息熵和噪声水平,在子空间波段选择时将噪声水平以惩罚项的形式反映在优化问题的目标函数中。在Indian Pines、Washington DC和Salinas这3个数据集上进行了实验,采用波段平均相关性、分类精度两种指标对不同方法的波段选择结果进行评价,并分析各种波段选择方法的噪声鲁棒性。实验结果表明,本文方法能够挑选出信息量大且噪声水平低的代表性波段。与其它波段选择方法相比,本文方法所选择的代表性波段平均相关性弱,分类精度高,在包含噪声波段的高光谱图像中效果尤为显著。     

时滞区间大系统鲁棒稳定性分析的遗传算法实现

研究了时滞区间大系统的鲁棒稳定性分析问题,给出了相应的理论结果。并应用遗传算法,给出了相应的实现算法和数值仿真结果。     

子像素匹配策略的对极几何估计算法

基本矩阵在计算机视觉中扮演着十分重要的角色,对极几何(即核线几何)的估计过程就是求解基本矩阵的过程,所以如何提高对极几何的估计精度一直是计算机视觉中的一个研究热点。本文通过提取子像素特征点,并经高精度影像匹配,最终用子像素匹配点来实现对极几何的稳健估计。实验表明,该计算法在平均余差和平均对级距离上都明显小于基于整像素级的对极几何估计结果,有效改善了对级几何的估计精度和稳定性。     

基于SURF特征区域的鲁棒水印算法

针对遥感影像的安全保护,提出了一种基于SURF特征区域的鲁棒水印算法。首先在影像中检测SURF特征点,选取鲁棒性强的点构造互不重叠的特征区域并进行归一化处理,进而对归一化的区域实施整数小波变换,根据生成的模板选取相应位置的系数,最后通过量化的方式将水印信息重复嵌入到每个特征区域内。水印的检测可直接在攻击后的影像中进行,无需校正恢复,实现了盲提取。采用边缘像素替换的策略来保证影像的数据精度,不影响遥感影像的使用。实验表明,该算法具有良好的不可见性,且对常规攻击和几何攻击均具有较强的鲁棒性,可有效保护遥感影像的安全。     

基于重叠正交变换的鲁棒水印方法

提出一种基于重叠正交变换的奇异值分解图像水印方案,应用量化法嵌入信息,在提取中无需原始图像和水印信息.由于重叠正交变换能有效去除基于块数据变换所产生的块效应,而图像的奇异值具有稳定性,它体现图像的内蕴特性而非直接的视觉特性,因而本文方法具有良好的鲁棒性和不可见性.     

一种狭长图斑分块融解方法

融解是图斑综合过程中的一种常见操作,涉及大量计算。面对传统方法受机器计算能力所限,难以对大范围海量图斑进行处理的问题,引入分块策略开展图斑融解,并就块与块之间边界处狭长图斑分裂线拓扑变化问题,提出了一种狭长图斑分块融解方法。首先归纳了狭长图斑分块时在格网边界处出现的4种拓扑变化模式,并针对每种模式提出了相应的分裂线拓扑变化恢复方法;然后利用中国贵州省赤水市地理国情普查实际数据进行了验证。试验结果表明,该方法不仅可以处理海量图斑数据,可以极大地提高融解效率,而且融解结果与整体处理结果保持高度一致,具有良好的可行性。     

一种空间权重矩阵的优化方法

在地理学空间自相关的分析中,权重矩阵对整个分析结果有着较大影响。常见的权重矩阵,例如车矩阵、皇后矩阵、距离权重矩阵和k-邻近矩阵,都有各自的优势和缺点。提出了一种基于长度面积比例的空间权重矩阵（ratio of length and area,RLA）,并以近年来危害最大的几种传染病之一——病毒性肝炎在中国大陆各省份的发病率为例进行了实验分析。实验结果表明,RLA矩阵能够很好地实现空间权重矩阵的基本功能,是常见的车矩阵的一种更为广义的定义,并且可以更加自由地实现空间自相关的分析。利用本空间权重矩阵能够更好地模拟不同地理单元之间的邻接关系,为流行病的预防提供支持。     

影像畸变对基本矩阵估计精度的影响分析

由于镜头制造工艺的限制和拍摄条件及环境的影响,影像本身都存在或多或少的畸变误差,这种误差通过传播和累积给影像的后期处理及各种应用造成了不稳定因素.针对计算机立体视觉中基本矩阵的估计精度问题进行了深入研究,通过对相机非线性畸变的自动纠正,分别获取了校正前和校正后的基本矩阵.实验数据表明,在对影像进行畸变校正后估计出来的基本矩阵在平均核线距离和平均余差上都明显小于畸变校正前的.     

基于自适应Ransac算法的基础矩阵估算

基础矩阵估算是计算机视觉中恢复两张影像相对运动不可缺少的步骤,通常使用Ransac算法从包含大量外点的数据集中估计基础矩阵。经典Ransac判断样本是否为内点的阈值是经验值,不能满足所有样本,且在两个矩阵含有相同内点数时无法确定最优基础矩阵。本文介绍了自适应Ransac算法及流程,将其应用与基础矩阵的解算中。通过利用无人机影像与手机拍摄照片进行实验。实验结果表明,自适应Ransac算法可得到比经典Ransac更精确的基础矩阵。     

一种基于Hough变换的对极几何稳健估计算法

从基本矩阵的性质和作用出发,首先从理论上证明了如果在一条2维直线上有多于给定的3个以上的匹配点,多余的点将被视为冗余点不能用作匹配点;然后针对该问题引入了Hough变换算法,在建立匹配点对应关系的同时剔除冗余的共线点。实验表明,用改进后的算法估计出的基本矩阵在平均余差和对极距离上都小于改进前的算法,提高了基本矩阵的估计精度和稳定性。     

一种改进的立体摄像机标定方法

克服了传统的立体摄像机标定要求在摄像机前精确地配置标定物,过程繁复,户外实现较困难的弱点,提出一种改进标定方法,通过双目匹配点,线性地求解本质矩阵,快速找出摄像机的相对位置关系。实验表明,其精度与传统的方法相当,且优于其他的快速标定方法,可广泛应用于各种户外场合。