基于特征点匹配的全景相机图像拼接方法研究

全景相机可获取农机周围360°范围内的图像信息,具有覆盖范围大等特点,但需要对多镜头获取的图像进行拼接与融合,才能生成全景图像,为农机避障提供支持。以雷沃欧豹拖拉机为试验平台,搭载全景相机,获取实验农场的农田图像数据。首先对多幅图像进行预处理,包括通过柱面投影变换统一坐标系,采用基于特征点的SIFT算法提取图像的特征点并进行匹配;针对传统SIFT算法存在错误匹配而影响图像拼接质量的问题,使用RANSAC算法进行多次优化迭代,达到剔除错误匹配点的效果;针对匹配后生成的图像变换矩阵,为防止其线性结果不稳定并进一步优化结果,采用非线性的LM算法进行优化,使用线性加权平滑算法对图像进行融合,实现全景图像的生成。试验采用计算图像重叠区域相关系数定量评价图像拼接效果,并对获取的30组共60幅图像采用RANSAC算法和LM算法进行处理。结果表明,经过RANSAC算法处理后,误匹配点得到明显剔除,匹配特征点之间的平均几何距离偏移量明显减小,其平均值由39. 401 3像素下降至0. 581 9像素,相关系数由0. 287 8上升至0. 724 9。与手动设置阈值的剔除误匹配点方法进行了比较,经过RANSAC算法处理后的平均相关系数为0. 724 9,大于阈值设为0. 4时的0. 593 3,以及阈值设为0. 6时的0. 200 7,证明该算法能够实现多种情况下的图像拼接,剔除误匹配点;经过LM算法处理后,平均几何距离偏移量由0. 581 9像素进一步下降至0. 569 3像素,平均相关系数由0. 724 9进一步上升至0. 726 1,证明图像变换矩阵得到进一步优化,全景图像的拼接质量得到进一步提高。     

温室环境下红掌图像拼接算法

研究了非结构环境复杂背景下图像拼接方法,实现了温室环境下红掌图像的拼接.以温室自然光照环境下随机垄地为研究对象,提出先采用2G-R-B算法提取红掌、再采用SIFT算法进行图像特征匹配的方式,并对使用SIFT算法的图像拼接算法进行了改进,大大降低了原拼接算法在高噪声环境下的运算量及处理时间,实现了高噪声环境下红掌图像快速有效的拼接.在智能对靶施药系统的基础上进行实验,结果表明,所提出的方法拼接速度为0.083 s,误判率为7.3％.     

基于小波变换的农田图像光照不变特征提取算法

提出了基于小波变换的农田图像光照不变特征的提取算法。采用Retinex光照模型,对原始农田图像进行剪裁和归一化等预处理,选用Haar小波基多级分解预处理后的图像,从而得到图像的高低频成分;通过阈值法更新小波分解后的高频系数,重构获得多尺度反射模型,以提取光照不变特征;进行了光照不变特征提取和农作物航线获取试验。结果表明,该算法提取的特征图受自然光照的影响很小,且能够极大程度保留场景中的物体特征。同时,农作物航线提取在不同光照条件下均具有较高精度,航线误差在±2°以内,能够满足农机导航的精度要求。在NVIDIA的Jetson TX2硬件平台上,该算法总耗时在300 ms以内,相机前视距离可达20 m,满足农机正常作业的实时性要求。     

一种改进的小波模极大值杂草图像边缘检测算法

提出了一种改进的、基于小波多尺度和多分辨率特征的数字图像边缘检测算法,分别利用不同尺度的、小波变换后的、水平方向和垂直方向的高频信息,根据李氏指数与小波变换关系,采用小波模极大值在不同尺度下传播的特性,检测出图像在两个方向的极大值,然后利用模糊算法构造相应的隶属函数,提取弱边缘信息,最后得到不同尺度下的边缘图像.通过该算法对杂草图像仿真实验和经典的两种算子对比,证明该算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,能有效地解决传统边缘检测方法中存在的精确及强去噪能力之间的矛盾.     

小波图像修补技术在小麦NIR图像处理中的应用

在利用小波变换对小麦近红外图像处理的过程中存在小波系数缺损的问题,小波图像修补技术可以有效地恢复丢失小波系数.为此,针对小麦的近红外图像,引入了基于全变差(TV)的小波图像修补技术,分别对随机丢失5%和50%的小波系数的小麦种子进行近红外图像修补后,峰值信噪比PSNR分别由23.83dB和9.96dB提高到36.81 dB和33.20dB.修补后的近红外图像中,小麦的轮廓及腹沟郎分基本修补到接近原始图像,在种子的果毛、胚等包含纹理细节的部分修补效果不够理想.实验表明,基于全变差的小波图像修补技术町以恢复小麦近红外图像在处理过程中丢失的大部分系数,从而使得图像保存的信息更加完整.     

基于提升小波包变换的滚动轴承包络分析诊断方法

提出了一种基于提升小波包变换提取滚动轴承损伤特征的方法.在提升模式的框架下,根据小波包变换的思想,对细节信号进一步采用提升模式进行分解,实现了提升小波包变换.为了有效地获取滚动轴承的损伤特征,选择合适的小波包基函数,把振动信号按给定的尺度分解,以该尺度信号能量最大的小波包信号分解频带作为最佳小波包,再用解调分析法提取特征频率.并采用仿真和实验信号对该方法进行了验证.采用该方法对无损伤和含有损伤的滚动轴承进行分析,取得了较好的诊断效果.     

基于Meyer窗函数剪切波变换的蝗虫切片图像去噪

蝗虫显微切片图像纹理边缘细节丰富,在图像获取、增强等预处理过程中经常会受到外部噪声的干扰,因此针对蝗虫切片图像去噪同时并保留纹理边缘细节的探索是研究不同蝗虫种类细胞构造的基础。基于张量的传统二维小波因其滤波器各向同性,只能表示水平和垂直两个方向,在去噪的同时会把图像中边缘纹理等细节模糊,而剪切波构造的滤波器各向异性,能够表示多个方向,这些优点使得剪切波可以有效地处理高维数据,在逼近奇异曲线时达到最优逼近。本文提出的基于Meyer窗函数的剪切波算法可以识别出图像边缘和纹理,并在去噪的同时保留纹理,以Meyer小波作为剪切波基函数,利用Meyer小波函数和尺度函数构造窗函数,然后采用Meyer窗函数来建立各向异性剪切波滤波器,再利用该剪切波滤波器对蝗虫切片图像进行多尺度分析,经过剪切波变换获得剪切波系数,最后应用硬阈值方法去除蝗虫切片图像噪声系数,经过逆变换得到蝗虫切片去噪图像。采用经典图像质量评价指标均方误差（MSE）、峰值性噪比（PSNR）、结构相似度（SSIM）对本文算法去噪性能进行评价,在噪声标准差等于30时,将本文算法与Meyer小波、偏微分方程等去噪方法进行比较,其中PSNR比Meyer小波提高2.5dB左右,比偏微分方程算法的PSNR提高2dB左右。仿真试验结果表明,本文算法去噪后的蝗虫切片图像去噪效果明显优于其他传统去噪算法,去噪结果在视觉效果上也优于其他传统去噪算法。     

近色背景果实识别的多源图像融合

为提高在近色背景下果实识别的准确性,减少非结构化因素对识别的影响,提出了基于近红外像机和可见光像机组合捕获多源图像进行融合的方法。首先对已配准的多源图像分别进行非下采样轮廓波变换(NSCT),得到高频系数与低频系数;对高频系数采用压缩融合,并通过CoSaMp恢复融合的高频系数;对低频系数进行小波分解,对分解的高频子带采用绝对值最大法进行融合;低频子带则采用基于几何距离和能量距离加权的融合方法,再通过小波逆变换得到融合的低频系数;最后对融合后的高、低频系数进行NSCT重构得到融合图像。试验结果表明,所设计方法有效地保留了图像的边缘轮廓,突出了图像的细节信息,在客观定量评价指标上均优于其他传统方法,其中与小波变换-非下采样轮廓波变换(DWT-NSCT)方法相比,最大提升达到15.59%。     

基于非线性尺度空间的图像局部特征的检测与匹配算法研究

本文以图像处理技术在军事中的应用为切入点,探讨了在图像中具有尺度不变性、抗遮挡、抗噪声干扰的SIFT图像特征、SURF图像特征提取算法,并对其进行特征提取试验仿真,通过对试验结果的分析,展示了非线性尺度空间局部特征算法的出色性能。这类从图像中提取出的特征点细节丰富、描述方式特别、消耗资源少。以一组图片特征提取的仿真试验结果数据比较两图像提取方法的优势与不足。试验表明两种方法均有优秀的适应性和鲁棒性,但SURF算法具有更优的实时性,更适宜应用于视频监控系统中的目标检测与跟踪。     

基于全景视觉的智能农业车辆运动障碍目标检测

为了满足智能农业车辆安全正常作业,提出了基于全景视觉的运动障碍目标检测。与传统的单目和双目视觉相比,全景视觉具有360°无盲区检测的优点。首先系统使用多线程技术采集多目视觉图像,并用改进RANSAC-SIFT算法进行特征点提取与匹配,进而拼接全景视觉图像;其次采用改进的CLG光流法处理全景图像,检测运动障碍目标。试验表明：基于多线程技术和改进RANSAC-SIFT的全景拼接算法,与传统SIFT算法相比,平均提高特征点匹配准确度25.6%,加快运算速度25.0%;采用改进CLG光流法进行运动障碍检测,平均检测时间为1.55 s,检测成功率为95.0%。