基于角点匹配图像拼接方法的改进

在图像拼接领域,同时提高图像拼接的质量和速度是比较困难的。为了解决这个问题,本研究对图像拼接中的特征匹配和图像融合这2个关键部分进行了改进。在特征匹配方面,传统的用于提纯出匹配特征点的方法是使用RANSAC算法。为了解决其在不匹配点比例较大时提纯效率较低的缺点,本研究提出了一种使用聚类法预提纯特征点再用RANSAC算法精确提纯的方法,在图像融合时,使用了最佳路径法与亮度权重函数相结合的方法,以达到消重影并使拼接结果图像自然的目的。试验证明,经过对图像拼接以上2部分的改进算法效率有极大的提高,并能有效地去除重影使拼接图像更加自然。     

基于SURF改进算法的高分辨率岩心图像拼接

由于相机自身视野的原因,在岩心图像扫描过程中,一幅岩心图像往往无法被完整扫描,使得对岩心图像分析增加了难度。为了解决这个问题,每行选择距离边界30个像素点来对左右2张图像进行局部特征点提取,提高了匹配速度。基于加速稳健特征(Speeded Up Robust Features,SURF)算法对岩心图像进行特征提取,利用随机抽样一致(Random Sample Consensus,RANSAC)算法对岩心图像特征点去噪。结合欧氏距离与特征向量筛选最优特征点,从而实现岩心图像高精度拼接,得到完整的岩心图像。该拼接方法减少了人为因素导致的错误,确保了地质资料的客观性和准确性,便于对岩心图像的专业分析与应用,具有良好的拼接效果和应用前景。     

图像拼接技术在茶树病虫害防治研究中的应用

为较好地实现茶树全景图像的拼接,针对图像拼接过程中存在同名点检测时间长、非同名点基数大的问题,提出一种顾及排列顺序的图像拼接算法。该算法以基准图像为起始,采用相关性原理,以矩形块为计算单位,提取图像间相关区域;后序图像区域提取基于前序图像区域位置计算;最后在目标区域中完成同名点检测,并实现特征匹配、图像配准与融合。试验结果表明,顾及排列顺序的图像拼接算法基于目标区域提取同名点能有效地减少非同名点数量,缩短同名点查找以及特征匹配时间,能够有效提高图像配准速度并实现茶树全景图像的无缝拼接。     

基于多尺度Fourier描述符的二维轮廓曲线匹配

根据破碎物体碎片拼接的需求,提出一种多尺度Fourier描述符的二维曲线匹配方法.利用不同尺度的Gaussian函数对轮廓曲线进行滤波后,以Fourier变换的系数作为曲线的特征矢量,通过比较2条轮廓曲线特征矢量来判断轮廓曲线的相似性,实现曲线匹配和碎片拼接.结果表明该算法具有准确性、鲁棒性和容错性.     

基于多视角图像的玉米三维重建及双面配准方法研究

提高植物三维点云模型重建时的准确性与完整性，是精准获取植物表型参数的关键所在。目前大多数三维重建方法只能从某一方向对目标物体进行重建，缺乏完整的三维重建过程。为了解决此问题，本研究提出了一种基于多视角图像序列的玉米双面配准的三维重建方法，通过安装在图像采集平台上下侧的RGB相机来获取玉米不同视角的图像序列，基于SfM算法获取玉米的三维点云模型后使用点云颜色滤波算法进行预处理。通过交互式选点测量方法得到玉米点云的空间坐标后基于欧式距离算法计算20组玉米的株高、叶长、叶宽等表型参数，与对应的手动测量结果相比，决定系数r²依次为0.973 6、0.969 1、0.915 0,结果表明两者间显著相关。之后对标记物使用4PCS和PCA算法进行粗配准，结果表明采用4PCS具有更好的粗配准效果。最后采用ICP算法进行标记物的精配准，得到变换矩阵后将其应用于玉米点云，即完成了玉米点云的双面配准。由玉米点云的配准精度均方根值(RMS)可知，当点云重叠度设置为90%时，RMS值较小，玉米点云配准的精度更高，可达到较好的配准效果。总之，本研究所提的配准方法可以拼接和重建出结构更加完整的...     

基于极线约束对称距离的特征点匹配算法的研究

立体匹配作为双目测量的关键技术之一,特征点的准确匹配将会影响双目视觉测量的准确性。所以,本文在提取图像区域特征和利用Zhang的标定算法实现摄像机标定的基础上,提出基于极线约束的对称距离的特征点匹配算法,然后采用最小二乘法计算特征点的三维坐标及两特征点的欧氏距离。实验结果分析表明,算法的匹配率高,测量的相对误差在1%以内,所以本文的匹配方法有效可行。     

特征点提取算法在作物病原镰刀菌图像识别中的应用

提出一种针对镰刀菌图像的特征点提取的算法。该算法利用Harris算子提取待匹配图像以及基准图像的特征点,利用Hausdorff距离方法进行度量优化,从而从基准图像找到待匹配图像。试验证明,该算法可以有效地对镰刀菌图像进行检索与匹配。     

低空林地航拍图像拼接的改进缝合线算法

目的图像拼接效果的优劣主要取决于图像配准和图像融合两个步骤。图像配准误差导致的错切以及图像序列间的视差导致的鬼影、重影问题可通过图像融合算法减小或消除。目前图像融合算法中最佳缝合线算法的综合效果较好, 但没有考虑到拼接图的正射效果, 并且无人机低空飞行时树高相对飞行高度比值较大, 这在获取正射影像时是不可忽略的干扰因素。传统的数字正射影像(DOM)是基于数字高程模型(DEM)对单张影像进行数字微分纠正进而拼接成整个区域的正射影像图。但是, 地形高程数据和植物的高度数据获取困难, 而恢复出来的地形和植物高度与实际数据存在误差, 造成DOM在局部边缘出现扭曲、模糊问题。本文提出一种不需要DEM数据, 仅用图像信息使拼接结果图保留正射投影的改进缝合线算法。方法首先对SURF特征检测、匹配与筛选, 用RANSAC算法求得的单应性矩阵确定相邻图像重叠区域; 然后基于重叠区中像素点位置与相邻两图像中心点位置的距离差可以反映正射效果的思想, 将距离差引入能量函数, 同时设计了动态权值参数用来平衡颜色、结构和距离三者的重要程度, 利用动态规划思想搜索得到最佳缝合线; 最后在缝合线两侧进行多频带融合生成类似正射影像的无缝拼接图。结果实验图像来源于不同样地、不同飞行高度, 在相邻两幅图像以及同一条带航线图像上将本文的改进缝合线算法与其他3种缝合线算法以及Pix4D生成的数字正射影像进行对比。实验结果表明, 本文提出的缝合线改进算法能保留正射投影, 视觉效果优于现有的缝合线算法, 在城镇建筑图像的实验中局部效果优于Pix4D。结论本文针对无人机低空林地航拍图像拼接重影问题和拼接结果由于视角不同而产生非正射影像区域的问题, 实现了一种不需要DEM数据进行数字微分纠正但能生成类似正射影像效果的改进缝合线算法。实验结果显示, 本文算法优于目前的最佳缝合线算法, 能够保留正射投影, 效果类似DOM, 并且在保证物体边缘清晰方面优于目前商用软件生成的DOM。这有利于更准确地计算林地的郁闭度, 估算林地植被覆盖面积, 对跟踪识别地表动植物也具有一定的帮助。除林地图像之外, 本方法也可以推广到其他需要保留正射投影的低空航拍拼接应用领域, 如城镇航拍图像等。      

基于ASIFT的低空遥感影像拼接技术

对ASIFT算法原理进行了深入的分析,并在此基础上提出了基于ASIFT的低空遥感影像拼接的新算法.新算法首先利用ASIFT提取图像对应的特征点,通过最小二乘法计算仿射变换矩阵,最后根据仿射矩阵实现图像的变换与拼接.实验结果表明,由于ASIFT算法具有仿射不变性,相比SIFT算法更加符合低空遥感影像的特点,能很好地解决平移、旋转、仿射变换情况下的图像拼接问题.     

基于间隙度的无人机林地航拍图像序列拼接方法

无人机林地航拍图像具有的分辨率高、数据量大、边缘丰富的特点,造成了特征点配准中误匹配率的增加,因此本文提出了一种新的无人机林地航拍图像序列拼接方法。分形中的间隙度可用于描述图像区域纹理的粗糙程度,本文首先利用间隙度特征选取图像中局部图像块作为候选区域查找特征点,减少了待配准的特征点数量,提高了特征点配准正确率;其次,采用全局拼接技术变换图像,减少传统拼接中矩阵连乘产生的误差的积累和传播。实验中选取了不同拍摄高度的两组图像序列,将本方法与传统的全局SURF特征方法和降采样图像拼接方法进行了对比,结果显示本方法可以有效拼接图像,同时不会损失原图像的精度信息,并从视觉效果和均方根误差两个角度证明了本文方法优于其他两种方法。      

基于FPFH特征和NDT算法的树木点云配准

为了提高海量林地三维点云数据配准的效率和精度,提出了一种基于快速点特征直方图(fast point feature histograms,FPFH)初始匹配与正态分布变换(normal distributions transform,NDT)精确配准相结合的配准算法。首先计算2个待配准点云的法向量,再使用k-d树结构对点云的FPFH特征进行加速计算。然后,根据2个点云相似的FPFH特征,使用采样一致性初始配准算法(sample consensus initial alignment,SAC-IA)求解初始变换矩阵、完成初始配准。最后,用DNT算法对点云体素化,并使用点云密度概率分布函数进行点云数据的精确配准。结果表明,FPFH-NDT算法的平均配准误差(相应点对的平均距离)为0.032 3 m,运行时间为256.376 s;在0.05~0.1 m的点云采样阈值范围内,FPFH-NDT算法的配准误差基本不受采样阈值变化的影响,其值稳定在0.03 m左右;当采样阈值>0.1 m时,配准误差随采样阈值的增大而增大;算法的配准时间整体上随点云采样阈值增大而减少。传统ICP算法的平均配准误差和时间分别为 0.526 3 m 和14.5 s;FPFH-ICP算法的平均配准误差和时间分别为0.042 5 m和289.346 s。FPFH-NDT算法与传统ICP算法相比在配准精度上有了很大的提高,与FPFH-ICP算法相比,在保证点云的配准精度的基础上,FPFH-NDT算法降低了算法的运行时间,提高了点云配准效率。     

基于特征匹配的羊体点云配准方法

针对点云配准算法易受噪声、体外孤点以及采样率影响的问题,采用形状指数关键点检测方法、最近邻距离比法和迭代最近点算法,基于三维点云对羊体点云配准方法进行研究。结果表明:1)使用协方差矩阵特征描述子能对形状指数方法检测的关键点进行描述;2)基于特征匹配的配准方法能对不同视角的羊体点云进行配准,最大均方根误差为0.024 1;3)对于含有噪声、体外孤点或较低采样率的不同类型的羊体点云模型,配准的最大均方根误差为0.023 8。试验证明基于特征匹配的配准方法能准确地对羊体点云进行配准,并且不受噪声、体外孤点以及采样率的影响。     

基于ISS-LCG组合特征点的油菜分枝点云配准方法

【目的】针对传统点云配准方法准确率低、速度慢等问题,以油菜Brassica napus L.分枝点云为研究对象,提出基于ISS-LCG组合特征点的配准方法。【方法】以成熟期油菜角果分枝点云为对象,去除背景噪声后,得到清晰完整的油菜分枝点云;然后通过内部形状描述子(Intrinsic shape signature,ISS)提取油菜分枝点云的特征点,再使用线性同余法(Linear congruential generator,LCG)伪随机选取油菜点云的部分点构成关键点,将特征点和关键点进行融合,构成ISS-LCG组合特征点;通过三维形状上下文特征(3D shape context,3DSC)对组合特征点进行特征描述,最后采用RANSAC+ICP两步点云配准法进行点云配准。【结果】基于ISS-LCG组合特征点的点云配准算法以30°为间隔对点云进行两两配准时,配准效果最佳,配准误差约0.066 mm,配准精度比未采用组合特征点的配准方法提升了50%～70%;配准时间均小于48 s,平均配准时间为8.706 s。【结论】该方法在可控环境内可以实现成熟期油菜植株高精度、高效率的自动配准。     

大豆冠层多源图像特征点配准方法研究

针对具有颜色信息的大豆冠层三维结构形态的重建问题,采用PMD摄像机与彩色摄像机相结合的多源图像采集系统获取大豆冠层多源图像,对大豆冠层多源图像特征点配准方法进行研究。以彩色图像和强度图像为研究对象,利用仿射变换实现彩色图像坐标系到PMD图像坐标系的转换;利用Harris算法检测图像特征点,采用基于归一化互相关系数法(NCC)实现特征点粗匹配。为克服传统RANSAC算法抽样次数较多及和数据检验时间较长的弊端,提出在特征点匹配阶段,按照可信度将特征点对排序,从可信度高的点对开始抽取的方法来优化经典RANSAC算法,进而实现特征点精匹配,最终完成多源图像特征点配准。为验证本研究提出的图像配准算法的有效性,将该算法与传统图像配准算法相对比,结果表明:室外和室内环境下,样本组的平准正确配准率分别为83%和87%,均优于传统图像配准算法,并满足快速配准大豆冠层多源图像特征点的要求。     

基于加速鲁棒特征的木材显微图像自动配准方法

针对显微镜观测视野狭小而难以采集到全局图像的问题,提出了一种基于加速鲁棒特征(SURF)的木材显微图像自动配准方法.首先使用SURF检测并描述兴趣点,通过最近邻匹配得到匹配点对后,用双向匹配和RANSAC算法剔除错误匹配.然后利用最小二乘法和匹配结果进行模型参数估计,最后通过插值获得配准图像.对阔叶材显微图像配准实验结果表明,该方法具有较好的鲁棒性,无论图像是否有旋转,都可以实现自动的配准.比起尺度不变特征转换(SWT),由于用SURF得到的兴趣点数量更少,运算速度更快,总的匹配速度提升了5倍左右,缩短了整个配准过程的时间,算法更具有实时性.     

基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

农用AGV视觉导航中基准线提取算法的研究

[目的]寻找用于农用AGV视觉导航曲线基准线的提取算法。[方法]针对农用AGV视觉导航基准线假定为直线而容易受作物残留物等因素的影响,引入了曲线导航基准线的提取算法。[结果]曲线导航基准线的提取算法为首先分割图像,将作物等植被和土壤等背景分离,然后在分割图像中以每行最大空隙的中点为标志点,逐行检查标志点,调整偏移较大的标志点,若与前一行标志点位移大于T,则缩小位移为t,最后连接标志点。曲线基准线提取算法更注重基准线的偏向与行进方向的一致性。[结论]在较多残留物和作物行缺乏规则的情况下,曲线基准线的大部分点都落在行进方向上,并总体向右倾斜,基本上反映了农用AGV的行进路线,提高了农用AGV导航精度。     

一种基于RANSAC的柱面图像配准算法

提出了一种基于RANSAC的柱面图像配准算法.首先采用NCC算法对检测出来的Harris角点进行粗匹配，然后采用两次改进的RANSAC算法删除误配，提高正确匹配角点的数量，最后对仿射变换模型参数进行Levenberg-Marquardt非线性优化以进一步降低图像的配准误差.实验结果表明：通过一次改进RANSAC去错配后角点有效匹配率达到约99.2%，通过二次改进RANSAC去错配后角点有效匹配率达到约99.6%，与现有算法相比，在同等条件下获得了更高的匹配有效率.     

基于轮廓曲率和距离分析的重叠柑橘分割与重建

自然环境下重叠果实的精准识别是智能采摘面临的难题之一。针对自然环境中成熟的重叠柑橘,提出了一种基于轮廓曲率和距离分析的果实分割方法。首先,提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;在此基础上,采用最小二乘椭圆拟合方法,对获取的柑橘目标进行轮廓重建。结果表明：利用该方法所得到的重叠柑橘重建轮廓的平均误差、不重合度和时间分别为4.903%、5.593%、0.408 s,优于Hough变换算法和RANSAC算法,能够满足自然环境下成熟重叠柑橘果实的智能识别需求。