【摘 要】
：
针对非量测相机像对的定向参数精度差、不稳定等问题,本文以恢复影像的定向参数作为出发点,提出了多重约束条件下SIFT匹配的影像定向方法,首先在尺度不变SIFT算法中提取影像间同名点,为进一步剔除误匹配点,提高同名点的精度,在此基础上引入左右对称一致性、随机抽样算法、仿射变换进行逐级约束匹配,为相对定向提供了高精度、稳定、可靠的同名点,利用直接解加严密解法结合高精度同名点计算影像间的定向参数。实验证明
论文部分内容阅读
针对非量测相机像对的定向参数精度差、不稳定等问题,本文以恢复影像的定向参数作为出发点,提出了多重约束条件下SIFT匹配的影像定向方法,首先在尺度不变SIFT算法中提取影像间同名点,为进一步剔除误匹配点,提高同名点的精度,在此基础上引入左右对称一致性、随机抽样算法、仿射变换进行逐级约束匹配,为相对定向提供了高精度、稳定、可靠的同名点,利用直接解加严密解法结合高精度同名点计算影像间的定向参数。实验证明本文提出的多重约束匹配算法可提高像对间定向的精度及稳定性。
其他文献
电力物联网是智能电网向能源互联网发展的关键环节,承载电力物联网新业务的电力通信网是沟通整个能源互联网生态圈的桥梁。为了适应电力物联网新业务的发展,对电力通信网的需求及发展趋势进行研究。先综述了电力物联网的研究现状,接下来结合电力通信网的实际情况,提出了适应电力物联网的电力通信网新架构。然后以典型业务为例,分析了电力物联网的通信需求,从面向电力物联网新业务的电力通信网关键技术应用和电力通信网发展趋势
近年来基于RGB视频的双人交互行为识别取得了重大进展,但RGB视频数据的问题严重影响双人交互行为识别率。随着深度传感器(如微软Kinect)的快速发展,为准确获取人体运动的关节点数据提供了可能,可以大大的弥补RGB视频数据的不足。提出一种基于关节点数据的双人交互行为识别方法。首先对关节点数据计算出HOJ3D特征和关节距离特征,并将特征按照时间顺序进行图形化后分别送入的卷积神经网络中,分别提取两种深
泛在电力物联网面向开放的市场和激烈的竞争,其商业模式亟须建立系统的方法论,为泛在电力物联网建设提供一套现实可行的商业逻辑参考。结合泛在电力物联网建设需求与特征,构建了相应的理论体系与设计架构。设计架构主要围绕业务层与项目层商业模式设计,分析提炼六大要素,并形成了"三大环节、一个循环"的逻辑框架与"要素层–分析层–结果层–方案层"的设计原理,构建了e-IoTMAPPER商业模式引领者模型。
为了避免图像在亮度增强时导致其颜色失真,且在局部易出现过增强等问题,设计了统计特征分类耦合自适应Gamma校正(adaptive Gamma correction,AGC)的图像增强算法,以更好提高图像细节与视觉效果。首先,将输入图像转换为HSV空间,使颜色与亮度分离,使其在增强亮度通道时不改变像素的原始颜色,有效降低颜色失真。然后,考虑不同图像的性质,利用统计信息将图像分类为高、低两种对比度,每
提出一种基于场景划分的海天线检测方法,兼顾显著目标较小、海天线相对完整的简单场景和显著目标较大、海天线缺失严重的复杂场景,提高准确率的同时避免了不必要的时间消耗.采用卷积运算,将预处理图像划分为简单场景或复杂场景,根据划分结果,分别选择合适的方法进行检测.对于简单图像,先用基于图像分块的局部Otsu算法做图像分割,提取突变像素作为边缘,然后采用Hough变换检测海天线;对于复杂图像,在分割后,消除
为解决夜间场景下苹果采摘机器人分割果实与背景的问题,在分析果实自身颜色特性的基础上设计了一种基于遗传算法和阈值分割的苹果识别方法。所提出的方法分为图像采集及图像分割两个阶段。图像采集阶段,选用白炽灯照明以获取夜间图像。在图像分割阶段,利用幂次变换改进R-G色差阈值分割法,引入遗传算法对最大类间方差求解进行优化,从而提高色差分割阈值法的算法效率。为验证算法性能,定义F值作为衡量果实颜色特征的指标。实
针对使用深度传感器采集的深度图像序列,在3D运动历史图像的基础上提出一种基于Gabor特征提取和多任务学习的人体动作识别方法。为了解决基于轮廓特征对运动历史图像不能充分表达的问题,引入Gabor滤波器组对3D运动历史图像进行特征提取;为了刻画在不同时间维度上人体动作的变化过程,引入时域金字塔对动作视频进行划分;最后,为了挖掘动作识别任务间的相关性,采用多任务学习训练动作分类模型。实验结果表明,该方
受到复杂成像环境影响,光学视觉系统获取到的水下图像普遍存在对比度低、模糊和颜色失真等问题.为此,本文提出一种基于修正散射模型的水下图像复原算法.首先,深入分析光在水下的吸收衰减特性,在简化大气散射模型的基础上,将水体背景光融入到模型的直接衰减项;其次,考虑到水下红光迅速衰减,采用红通道的逆通道对其进行补偿;然后,使用基于四叉树的分级搜索算法估计水体背景光值;最后,在修正的成像模型基础上,结合水下暗
针对当前广泛应用的BOVW模型存在精度不足问题,提出一种基于有序视觉词袋模型的相似性衡量方法.首先,对经过K-mean聚类得到的高维视觉单词,采用LLE(locally linear embedding)流形学习算法降至一维,对一维数据进行排序,并以此顺序对高维单词排序获得有序词袋库;其次,对样本图像的所有局部特征,以该特征在词袋中对应的有序单词索引号构建图像局部特征谱;最后,对训练样本和测试样本
针对不均匀光照图像存在过曝和欠曝区域导致对比度低、视觉效果差的问题,提出一种基于虚拟多曝光融合的图像增强方法.首先,将原图像从RGB(红-绿-蓝)颜色空间转换到HSV(色调-饱和度-亮度)颜色空间;然后,对转换后的V通道图像,利用相机响应模型,估计最佳曝光率并生成减弱曝光图像和增强曝光图像;接着,使用带细节提升的多曝光融合方法对该V通道图像和生成的虚拟曝光图像进行融合,重构出新的V通道图像;最后,