没有合适的资源?快使用搜索试试~ 我知道了~
在数字散斑相关测量方法中, 可靠的变形初值估计是获得亚像素精度的关键。利用标志点匹配技术, 提出了一种新的变形参数初值估计法。该方法在散斑上粘贴反射系数极高的圆形标志点, 为消除散斑背景对标志点提取的影响, 提出一种改进的尺度不变特征转换算法, 将极值点检测约束在显著的边缘区域, 从而大大减少冗余特征点的提取, 最后通过单应性变换得到全场变形, 进而使得感兴趣区域中各像素点快速完成初值估计。制作散斑板子进行实验验证, 结果表明, 该方法得到的变形初值, 只需要3~4次迭代就能够使亚像素迭代收敛, 并获得准确、可靠的测量结果。
资源推荐
资源详情
资源评论
第
卷
第
期
光
学
学
报
年
月
ACTAOPTICASINICA
March
基于标志点匹配的散斑图像变形初值估计法
张 红 颖
,
于 之 靖
中国民航大学电子信息与自动化学院
天津
摘要
在数字散斑相关测量方法中
可靠的变形初 值估 计是 获 得亚 像素 精 度的 关键
利 用标 志点 匹 配技 术
提 出
了一种新的变形参数初值估计法
该方法在散斑上粘贴反射系数极高的圆形标志 点
为消 除散 斑背景 对标 志点提
取的影响
提出一种改进的尺度不变特征转换算法
将极值点检测约束在显著的边 缘区 域
从而 大大 减少冗 余特 征
点的提取
最后通过单应性变换得到全场变形
进而 使得 感兴 趣 区域 中各 像 素点 快速 完 成初 值估 计
制 作散 斑板
子进行实验验证
结果表明
该方法得到的变形初值
只 需要
次 迭代 就能 够 使亚 像素 迭 代收 敛
并 获得 准确
可靠的测量结果
关键词
相干光学
光学测量
亚像素精度
初值估计
标志点匹配
尺度不变特征转换算法
中图分类号
文献标识码
doi
:
.
/
AOS.
收稿日期
GG
收到修改稿日期
GG
基金项目
国家自然科学基金民航联合基金
U
中央高校基本科研业务费
C
作者简介
张红颖
女
博士
副教授
主要从事计算机视觉与图像处理方面的研究
EGmail
carole
zhan
g
.com
InitialDis
p
lacementEstimation MethodforS
p
eckleIma
g
e
Basedon MarkerMatchin
g
Zhan
g
Hon
gy
in
g
YuZhi
j
in
g
Colle
g
eo
f
ElectronicIn
f
ormationandAutomation
CivilAviationUniversit
y
o
f
China
Tian
j
in
China
Abstract
Ke
y
words
OCIScodes
引
言
在数字散斑相关匹配中
合理的初值估计对于亚像素迭代 尤其重要
在搜索过程 中
对于每一个 参
考子区
如能预先得到较好的迭代初值
那么就可以通过亚像素搜索算法
迭代求得最 佳匹配
相反
若初值
偏差过大会导致误匹配
因此
对变形参数初值估计法的研究尤其重要
传统的位移初值估计法为整像素搜索法
这种方法简单易行
但是需要对每一个子区进行相关搜索
在测量范围较大时匹配效率特别低
而且
由于整像素搜索的前提是假设变形图像子区变化不大
因此在双
摄像机夹角导致的子区变化较大的情况下
两幅图像的相关性较低
匹配时可能会搜索不到极值点进而得不
到变形初值
变形初值还可以通过另外一些方法来计算
潘兵等
提出一种人机交互的方法
先在参考子区
光
学
学
报
中手动选择三个或三个以上易识别的点
然后再手动在目标子区中找出相匹配的点
最后利用两个子区坐标
之间的关系解算得初值
该方法提高了匹配精度
但计算过程不能完全自动化
在大视场测量时由于处理的
系列变形图片过多导致计算较为繁琐
近来对变形初值估计的研究多根据一种假设 条件
即同一状态 下临
近点的变形是连续的
在这个条件下首先任意选定种子点并用整像素 搜索法对其 完成匹配
然后根据所
得匹配坐标值
扩散开来完成所有点的匹配
这种利用种子点的优化初值进行参数扩散的方法
解决了人工
交互的问题
具有很高的匹配效率且应用广泛
但也有不足之处
因为在大变形或 双目摄像机 引起的图像 变
形情况下
很难保证初始化种子点的匹配准确性
进而影响到其他点的初值估计
综上所述
整像素初值估计法基于小变形假设且搜索效率较低
人机交互的方法
需要手动选择特征点
在多系列图像处理时会异常繁琐
自动初始化种子点的方法
很难保证初值估计的准确性
鉴于以上问题
本文将近景工业摄影 测量中的标 志点匹配技 术
引入到数字 散斑相关匹 配的变 形参
数初值估计中
提出了一种新型的变形参数初值估计方法
该方法中标志点的识别与 匹配过程能 够自动完
成
即不需要人为参与也不需要设定变形假设条件
而且
由于标志点的匹配具 有高稳健性
即使在摄像 机
视角不同造成的变形下
也能够实现精确匹配
进而得到可靠的初值
基于标志点匹配的全场初值估计法
21
算法原理
为实现对被测物的 精 确 匹 配
在 摄 影 测 量 学 中
一 般 会 在 被 测 物 表 面 粘 贴 具 有 鲜 明 特 点 的 人 工 标 志
点
通过对标志点的识别与匹配
实现对被测 物的测量或 重建
将标志点匹 配技术引入 到数字散斑 图像
的匹配中
实现对变形参数的可靠初值估计
算法原理如图
所示
图
算法原理图
首先
在待测散斑图像上选定感兴趣区域
如图
中方框所示
并在该区域 中随机粘贴 不完全共
线的
对标志点
然后
运用本文 改 进的尺度 不 变特征转 换
算法提取 特 征点并完成标志点匹配
最
后
根据
对标志点坐标求得两幅图像间的单应性矩阵
H
即整体相对变形
而后可得各点变形后的位移初
值
x
y
完成全场初值估计
该算法避免了对每个点都要进行耗时的相关搜索
提高了计算速度
在完成初值估计以后
以该初值作
为亚像素搜索的迭代初值
通过迭代优化即可 得到精确位 移值
x
y
由于特征点 识别度 高 且匹配具 有
很高的稳健性
因此在摄像机视角不同的情况下
也能够得到合理的匹配点对
以这些点对为基础
可以得到
可靠的全场初值
从而使亚像素迭代能够精确收敛
而不陷入局部极值
22
标志点选取
在工业摄影测量中
经常采用布设人工标志点的方式产生高对比度且足够 数量的特征 点
标志点多采
用回光反射材料制成
使得标志点与背景图像的灰度对比极其明显
具有良好的识别性
能够克服人 工选点
剩余6页未读,继续阅读
资源评论
weixin_38640794
- 粉丝: 4
- 资源: 942
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 分享:qt的Yolo图像处理模块(pri)
- 施工人员检测54-YOLO(v5至v9)、COCO、CreateML、Darknet、Paligemma数据集合集.rar
- 基于Java + Mysql 实现的在线考试系统课程设计
- java小游戏,飞机大战0.1版本.zip
- 深度学习 python 特征标记
- GSD-file-for-DME5000-PROFIBUS-DC0000868.ZIP Firmware V1.5, V1.7, V2.0 SICK069D
- google-chrome-stable-124.0.6367.118-1.x86-64.rpm
- 施工人员检测53-YOLO(v5至v9)、COCO、CreateML、Darknet、Paligemma、TFRecord、VOC数据集合集.rar
- scratch简单小游戏(贪吃蛇)
- freeplane笔记
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功