CN103345642B - 一种基于点线对偶的图像匹配方法 - Google Patents
一种基于点线对偶的图像匹配方法 Download PDFInfo
- Publication number
- CN103345642B CN103345642B CN201310268597.3A CN201310268597A CN103345642B CN 103345642 B CN103345642 B CN 103345642B CN 201310268597 A CN201310268597 A CN 201310268597A CN 103345642 B CN103345642 B CN 103345642B
- Authority
- CN
- China
- Prior art keywords
- prime
- target
- antithesis
- point set
- theta
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于点线对偶的图像匹配方法,包括:从参考图像R和目标图像S中分别提取直线,以得到参考直线集合和目标直线集合,分别将参考直线集合和目标直线集合中所有的直线段从图像空间映射到对偶空间,以得到参考对偶点集共有m个对偶点,以及目标对偶点集共有n个对偶点,分别将参考对偶点集和目标对偶点集中邻近的对偶点进行融合,以得到新的参考对偶点集和新的目标对偶点集,估计新的参考对偶点集和新的目标对偶点集之间的旋转变换参数,估计新的参考对偶点集和新的目标对偶点集之间的平移变换参数。本发明等效地把图像空间中断裂破碎的多条直线段重新融合为一条直线段,提高了匹配效率和稳定性。
Description
技术领域
本发明属于计算机视觉和图像处理领域,更具体地,涉及一种基于点线对偶的图像匹配方法。
背景技术
图像匹配是计算机视觉中一个十分重要的问题,是实现图像分析和图像理解等高级视觉功能的一个基本步骤,在生产装配自动化、质量检测、目标识别定位、安防监控、超分辨率重建、全景拼接、医学图像融合等众多领域有着广泛应用。
在图像匹配中,一个关键的问题是选择何种特征,合适的特征可以使得匹配过程快速、匹配结果稳定且准确。数字图像最基本的特征是的灰度,基于灰度的图像匹配是最早提出、研究最多的图像匹配技术之一,然而存在对光照变化、噪声敏感等缺点。为了提高图像匹配的稳定性和速度,角点、边缘、直线、圆弧等几何基元被从图像中提取出来并被用作匹配特征,基于几何基元的图像匹配对图像进行了更高层次的分析,排除了许多无用信息,所使用的特征具有更加直观、明确的意义,是目前图像匹配技术研究的热点。
点是最常用的几何基元,如何选择点对图像匹配的结果有重要影响。点的数目多,则匹配精度较高,但速度较慢;反之,则精度降低,速度提高。直线可以通过对边缘进行各种处理之后得到,进一步除去了离群点和噪声点,是更加高级的几何基元。一般来说,从图像中提取的直线的数量要远远少于提取的点的数量,所以使用直线作为特征的图像匹配算法会具有更高的计算效率。有些直线匹配方法首先利用部分直线生成一些可能的匹配假设,然后利用其余的直线来进行验证。有些直线匹配方法使用直线之间的交点来完成匹配。有些直线匹配方法根据直线邻域内的像素信息构造高维特征向量,然后通过比较特征向量的相似性完成匹配。但是目前大多数的直线匹配方法都是在图像空间进行的,对由于噪声和污染导致的直线段断裂破碎,以及由于部分遮挡导致的直线段断开等情况难以进行直观而有效地处理,所以严重影响了匹配过程的高效性和匹配结果的稳定性。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于点线对偶的图像匹配方法,其目的在于通过首先将直线从图像空间转换到对偶空间变成点,从而将直线匹配问题转化为点集匹配问题,然后在对偶空间进行点融合,最后在对偶空间中匹配两个点集,从而实现图像匹配,以此等效地把图像空间中断裂破碎的多条直线段重新融合为一条直线段,提高了匹配效率和稳定性。
为实现上述目的,按照本发明的一个方面,提供了一种基于点线对偶的图像匹配方法,包括以下步骤:
(1)从参考图像R和目标图像S中分别提取直线,以得到参考直线集合和目标直线集合,其中从R中提取的参考直线集合记为共有m条直线段,从S中提取的目标直线集合记为共有n条直线段;
(2)分别将参考直线集合和目标直线集合中所有的直线段从图像空间映射到对偶空间,以得到参考对偶点集共有m个对偶点,以及目标对偶点集共有n个对偶点;
(3)分别将参考对偶点集和目标对偶点集中邻近的对偶点进行融合,以得到新的参考对偶点集和新的目标对偶点集;
(3-1)设置计数器i=1,计数器cnt=1,状态数组[St1,St2,…,Stm]=1;
(3-2)判断i是否小于等于m,若是则转入步骤(3-3),否则获得新的参考对偶点集共有u个对偶点,并转入步骤(3-13);
(3-3)判断Sti是否等于1,若是则转入步骤(3-4),否则转入步骤(3-12);
(3-4)设置待融合对偶点集G为空集,从参考对偶点集中取出第i个参考对偶点其坐标是(θi,ρi),将其加入G,并设置Sti=0;
(3-5)设置计数器j=1;
(3-6)判断j是否小于等于m,若是则转入步骤(3-7),否则转入步骤(3-11);
(3-7)判断j是否等于i,或者Stj是否等于0,若是则进入步骤(3-10),否则直接进入步骤(3-8);
(3-8)判断|θj-θi|<Tθ且|ρj-ρi|<Tρ是否成立,若成立则进入步骤(3-9),否则进入步骤(3-10),其中Tθ和Tρ为预设的阈值;
(3-9)将第j个参考对偶点加入待融合对偶点集G,并设置Stj=0;
(3-10)设置j=j+1,然后返回步骤(3-6);
(3-11)将待融合对偶点集G中的所有参考对偶点进行融合,以得到新的参考对偶点其坐标为(θ′,ρ′),设置cnt=cnt+1;
(3-12)设置i=i+1,然后返回步骤(3-2);
(3-13)对于目标对偶点集中的所有目标对偶点,采用与上述步骤(3-1)到(3-12)相同的步骤,以获得新的目标对偶点集共有v个对偶点;
(4)估计新的参考对偶点集和新的目标对偶点集之间的旋转变换参数;
(5)估计新的参考对偶点集和新的目标对偶点集之间的平移变换参数。
优选地,步骤(3-11)中参考对偶点的坐标(θ′,ρ′)具体是采用以下公式:
其中,k是待融合对偶点集G中参考对偶点的数量;wz是加权系数,其值等于与参考对偶点对应的直线段的长度,其中z是1到k之间的任意整数。
优选地,步骤(4)包括以下子步骤:
(4-1)设置计数器cti=1,初始化累加数组[A1,A2,…A180]=0;
(4-2)判断cti是否小于等于u,若是则转入步骤(4-3),否则进入步骤(4-9);
(4-3)设置计数器ctj=1;
(4-4)判断ctj是否小于等于v,若是则转入步骤(4-5),否则进入步骤(4-8);
(4-5)判断ctj是否等于cti,若是则进入步骤(4-7),否则直接进入步骤(4-6);
(4-6)根据下式计算其相应的φ,并且令Aφ=Aφ+1;
其中,[·]表示取整。
(4-7)设置ctj=ctj+1,然后返回步骤(4-4);
(4-8)设置cti=cti+1,然后返回步骤(4-2);
(4-9)找出[A1,A2,…A180]中数值最大的元素,记为Aφ,其对应的φmax=φ就是旋转参数。
优选地,步骤(5)包括以下子步骤:
(5-1)设置计数器a=1,累加矩阵其中height是目标图像S的高度,width是目标图像S的宽度,最大值max=0,平移参数txmax=0,tymax=0;
(5-2)判断a是否小于等于u,若是则转入步骤(5-3),否则过程结束;
(5-3)设置计数器b=1;
(5-4)判断b是否小于等于v,若是则转入步骤(5-5),否则进入步骤(5-18);
(5-5)设置计数器c=1;
(5-6)判断c是否小于等于u,若是则转入步骤(5-7),否则进入步骤(5-17);
(5-7)判断c是否等于a,若是则进入步骤(5-13),否则直接进入步骤(5-8);
(5-8)设置计数器d=1;
(5-9)判断d是否小于等于v,若是则转入步骤(5-10),否则进入步骤(5-13);
(5-10)判断d是否等于b,若是则进入步骤(5-12),否则直接进入步骤(5-11);
(5-11)根据下式计算其相应的(tx,ty),并且令Btx,ty=Btx,ty+1;
其中,[·]表示取整。
(5-12)设置d=d+1,然后返回步骤(5-9);
(5-13)设置c=c+1,然后返回步骤(5-6);
(5-14)找出中数值最大的元素,记为Btxab,tyab,并记录可能的平移参数txab,tyab;
(5-15)判断max是否大于Btxab,tyab,若是则进入步骤(5-17),否则直接进入步骤(5-16);
(5-16)设置max=Btxab,tyab,txmax=txab,tymax=tyab;
(5-17)设置b=b+1,然后返回步骤(5-4);
(5-18)设置a=a+1,然后返回步骤(5-2)。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1、本发明通过将直线从图像空间映射到对偶空间变成点,并且在对偶空间进行点融合,解决了断裂破碎的直线段造成的匹配效率低下和稳定性差的问题;
2、本发明利用点集匹配的方法解决了直线匹配的问题,实现了具有旋转、平移、光照变化和部分遮挡的图像之间的高效稳定匹配。
附图说明
图1是本发明基于点线对偶的图像匹配方法的流程图。
图2是将直线段从图像空间映射到对偶空间获得对偶点的示意图。
图3是对偶点融合方法的流程图。
图4是对偶点融合在对偶空间和图像空间效果的示意图。
图5是估计模板图像和目标图像之间的旋转变换参数方法的流程图。
图6是估计模板图像和目标图像之间的平移变换参数方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提出了一种新的直线匹配方法来完成图像匹配,利用点线对偶将图像空间中的直线段映射为对偶点,利用对偶点融合等效地将断裂破碎的直线段重新融合为同一条直线段,利用对偶点集进行图像匹配。
本发明基于点线对偶的图像匹配方法如图1所示,其使用了两幅图像(但本发明并不限于两幅图像),即参考图像和目标图像,对每个图像的处理流程是相同的,本方法包括以下步骤:
(1)从参考图像和目标图像中分别提取直线,以得到参考直线集合和目标直线集合;具体而言,在进行直线提取时,首先从图像中提取边缘,然后对边缘进行分割和拟合,从而得到直线;例如,把参考图像记为R,把目标图像记为S,从R中提取的参考直线集合记为共有m条直线段,从S中提取的目标直线集合记为共有n条直线段。
(2)分别将参考直线集合和目标直线集合中所有的直线段从图像空间映射到对偶空间,可以得到参考对偶点集共有m个对偶点,以及目标对偶点集共有n个对偶点;具体而言,参照图2,把图像空间中的任意一条直线记为L,在L上任取两个点(x1,y1)和(x2,y2),将L映射到对偶空间,根据式(1)可以求出其对偶点p的坐标(θ,ρ):
(3)分别将参考对偶点集和目标对偶点集中邻近的对偶点进行融合,以得到新的参考对偶点集和新的目标对偶点集;如图3所示,本步骤包括以下子步骤:
(3-1)设置计数器i=1,计数器cnt=1,状态数组[St1,St2,…,Stm]=1;每个参考对偶点都与状态数组中的一个元素对应;
(3-2)判断i是否小于等于m,若是则转入步骤(3-3),否则获得新的参考对偶点集共有u个对偶点,并转入步骤(3-13);
(3-3)判断Sti是否等于1,若是则转入步骤(3-4),否则转入步骤(3-12);
(3-4)设置待融合对偶点集G为空集,从参考对偶点集中取出第i个参考对偶点其坐标是(θi,ρi),将其加入G,并设置Sti=0;
(3-5)设置计数器j=1;
(3-6)判断j是否小于等于m,若是则转入步骤(3-7),否则转入步骤(3-11);
(3-7)判断j是否等于i,或者Stj是否等于0,若是则进入步骤(3-10),否则直接进入步骤(3-8);
(3-8)判断|θj-θi|<Tθ且|ρj-ρi|<Tρ是否成立,若成立则进入步骤(3-9),否则进入步骤(3-10),其中Tθ和Tρ为预设的阈值,Tθ的取值范围是0到20度,Tρ的取值范围是0到50像素点;
(3-9)将第j个参考对偶点加入待融合对偶点集G,并设置Stj=0;
(3-10)设置j=j+1,然后返回步骤(3-6);
(3-11)将待融合对偶点集G中的所有参考对偶点进行融合,以得到新的参考对偶点其坐标为(θ′,ρ′),设置cnt=cnt+1;具体采用以下公式:
其中,k是待融合对偶点集G中参考对偶点的数量;wz是加权系数,其值等于与参考对偶点对应的直线段的长度,其中z是1到k之间的任意整数;
(3-12)设置i=i+1,然后返回步骤(3-2);
(3-13)对于目标对偶点集中的所有目标对偶点,采用与上述步骤(3-1)到(3-12)相同的步骤,以获得新的目标对偶点集共有v个对偶点;
具体地,参照图4,在对偶空间中,以对偶点p1为中心,在虚线框所示的其邻域内有两个对偶点p2和p3,对偶点p1,p2和p3彼此之间的距离非常接近,因此这三个对偶点被融合为一个新的对偶点p',相应地,在图像空间中,与对偶点p1,p2和p3对应的直线段L1,L2和L3被融合为一条新的直线段L'。
本步骤的优点在于,通过通过点融合解决了断裂破碎的直线段造成的匹配效率低下和稳定性差的问题。
(4)估计新的参考对偶点集和新的目标对偶点集之间的旋转变换参数;如图5所示,本步骤包括以下子步骤:
(4-1)设置计数器cti=1,初始化累加数组[A1,A2,…A180]=0;
(4-2)判断cti是否小于等于u,若是则转入步骤(4-3),否则进入步骤(4-9);
(4-3)设置计数器ctj=1;
(4-4)判断ctj是否小于等于v,若是则转入步骤(4-5),否则进入步骤(4-8);
(4-5)判断ctj是否等于cti,若是则进入步骤(4-7),否则直接进入步骤(4-6);
(4-6)根据式(3)计算其相应的φ,并且令Aφ=Aφ+1;
其中,[·]表示取整。
(4-7)设置ctj=ctj+1,然后返回步骤(4-4);
(4-8)设置cti=cti+1,然后返回步骤(4-2);
(4-9)找出[A1,A2,…A180]中数值最大的元素,记为Aφ,其对应的φmax=φ就是旋转参数;
具体地,为了求出旋转变换参数,需要建立一个累加数组[A1,A2,…A180],然后对新的参考对偶点集中的每一个点即cti=1,2,…,u,和新的目标对偶点集中的每一个点即ctj=1,2,…,v,根据式(3)计算其相应的φ并对Aφ进行更新,遍历所有点对之后,累加数组中数值最大的元素Aφ对应的φ就是最终求出的旋转变换参数φmax。
(5)估计新的参考对偶点集和新的目标对偶点集之间的平移变换参数;如图6所示,本步骤包括以下子步骤:
(5-1)设置计数器a=1,累加矩阵其中height是目标图像S的高度,width是目标图像S的宽度,最大值max=0,平移参数txmax=0,tymax=0;
(5-2)判断a是否小于等于u,若是则转入步骤(5-3),否则过程结束;
(5-3)设置计数器b=1;
(5-4)判断b是否小于等于v,若是则转入步骤(5-5),否则进入步骤(5-18);
(5-5)设置计数器c=1;
(5-6)判断c是否小于等于u,若是则转入步骤(5-7),否则进入步骤(5-17);
(5-7)判断c是否等于a,若是则进入步骤(5-13),否则直接进入步骤(5-8);
(5-8)设置计数器d=1;
(5-9)判断d是否小于等于v,若是则转入步骤(5-10),否则进入步骤(5-13);
(5-10)判断d是否等于b,若是则进入步骤(5-12),否则直接进入步骤(5-11);
(5-11)根据式(4)计算其相应的(tx,ty),并且令Btx,ty=Btx,ty+1;
其中,[·]表示取整。
(5-12)设置d=d+1,然后返回步骤(5-9);
(5-13)设置c=c+1,然后返回步骤(5-6);
(5-14)找出中数值最大的元素,记为Btxab,tyab,并记录可能的平移参数txab,tyab;
(5-15)判断max是否大于Btxab,tyab,若是则进入步骤(5-17),否则直接进入步骤(5-16);
(5-16)设置max=Btxab,tyab,txmax=txab,tymax=tyab;
(5-17)设置b=b+1,然后返回步骤(5-4);
(5-18)设置a=a+1,然后返回步骤(5-2);
具体地,为了求出平移变换参数tx和ty,需要建立一个累加矩阵然后从新的参考对偶点集中任选一个点再从新的参考对偶点集中任选一个点并假设它们是对应的。
选定对应的对偶点对和之后,对新的参考对偶点集中除之外的每一个点即c=1,2,…,u并且c≠a,和新的目标对偶点集中除之外的每一个点即d=1,2,…,v并且d≠b,根据式(4)计算其相应的tx和ty并对Btx,ty进行更新,遍历所有点对之后,累加矩阵中数值最大的元素Btxab,tyab对应的(txab,tyab)就是平移变换参数的一个可能的估计值。
对每一对可能对应的对偶点对和都进行一轮计算,都会得到一个数值最大的元素Btxab,tyab和一个可能的平移变换参数估计值(txab,tyab)。然后,从所有的数值最大的元素中选择数值最大的那个,其对应的(txmax,tymax)就是最终求出的平移变换参数。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于点线对偶的图像匹配方法,其特征在于,包括以下步骤:
(1)从参考图像R和目标图像S中分别提取直线,以得到参考直线集合和目标直线集合,其中从R中提取的参考直线集合记为共有m条直线段,从S中提取的目标直线集合记为共有n条直线段;
(2)分别将参考直线集合和目标直线集合中所有的直线段从图像空间映射到对偶空间,以得到参考对偶点集共有m个对偶点,以及目标对偶点集共有n个对偶点;
(3)分别将参考对偶点集和目标对偶点集中邻近的对偶点进行融合,以得到新的参考对偶点集和新的目标对偶点集;
(3-1)设置计数器i=1,计数器cnt=1,状态数组[St1,St2,…,Stm]=1;
(3-2)判断i是否小于等于m,若是则转入步骤(3-3),否则获得新的参考对偶点集共有u个对偶点,并转入步骤(3-13);
(3-3)判断Sti是否等于1,若是则转入步骤(3-4),否则转入步骤(3-12);
(3-4)设置待融合对偶点集G为空集,从参考对偶点集中取出第i个参考对偶点其坐标是(θi,ρi),将其加入G,并设置Sti=0;
(3-5)设置计数器j=1;
(3-6)判断j是否小于等于m,若是则转入步骤(3-7),否则转入步骤(3-11);
(3-7)判断j是否等于i,或者Stj是否等于0,若是则进入步骤(3-10),否则直接进入步骤(3-8);
(3-8)判断|θj-θi|<Tθ且|ρj-ρi|<Tρ是否成立,若成立则进入步骤(3-9),否则进入步骤(3-10),其中Tθ和Tρ为预设的阈值;
(3-9)将第j个参考对偶点加入待融合对偶点集G,并设置Stj=0;
(3-10)设置j=j+1,然后返回步骤(3-6);
(3-11)将待融合对偶点集G中的所有参考对偶点进行融合,以得到新的参考对偶点其坐标为(θ′,ρ′),设置cnt=cnt+1;
(3-12)设置i=i+1,然后返回步骤(3-2);
(3-13)对于目标对偶点集中的所有目标对偶点,采用与上述步骤(3-1)到(3-12)相同的步骤,以获得新的目标对偶点集共有v个对偶点;
(4)估计新的参考对偶点集和新的目标对偶点集之间的旋转变换参数;
(5)估计新的参考对偶点集和新的目标对偶点集之间的平移变换参数。
2.根据权利要求1所述的图像匹配方法,其特征在于,步骤(3-11)中参考对偶点的坐标(θ′,ρ′)具体是采用以下公式:
其中,k是待融合对偶点集G中参考对偶点的数量;wz是加权系数,其值等于与参考对偶点对应的直线段的长度,其中z是1到k之间的任意整数。
3.根据权利要求1所述的图像匹配方法,其特征在于,步骤(4)包括以下子步骤:
(4-1)设置计数器cti=1,初始化累加数组[A1,A2,…A180]=0;
(4-2)判断cti是否小于等于u,若是则转入步骤(4-3),否则进入步骤(4-9);
(4-3)设置计数器ctj=1;
(4-4)判断ctj是否小于等于v,若是则转入步骤(4-5),否则进入步骤(4-8);
(4-5)判断ctj是否等于cti,若是则进入步骤(4-7),否则直接进入步骤(4-6);
(4-6)根据下式计算其相应的φ,并且令Aφ=Aφ+1;
其中,[·]表示取整;
(4-7)设置ctj=ctj+1,然后返回步骤(4-4);
(4-8)设置cti=cti+1,然后返回步骤(4-2);
(4-9)找出[A1,A2,…A180]中数值最大的元素,记为Aφ,其对应的φmax=φ就是旋转参数。
4.根据权利要求1所述的图像匹配方法,其特征在于,步骤(5)包括以下子步骤:
(5-1)设置计数器a=1,累加矩阵其中height是目标图像S的高度,width是目标图像S的宽度,最大值max=0,平移参数txmax=0,tymax=0;
(5-2)判断a是否小于等于u,若是则转入步骤(5-3),否则过程结束;
(5-3)设置计数器b=1;
(5-4)判断b是否小于等于v,若是则转入步骤(5-5),否则进入步骤(5-18);
(5-5)设置计数器c=1;
(5-6)判断c是否小于等于u,若是则转入步骤(5-7),否则进入步骤(5-17);
(5-7)判断c是否等于a,若是则进入步骤(5-13),否则直接进入步骤(5-8);
(5-8)设置计数器d=1;
(5-9)判断d是否小于等于v,若是则转入步骤(5-10),否则进入步骤(5-13);
(5-10)判断d是否等于b,若是则进入步骤(5-12),否则直接进入步骤(5-11);
(5-11)根据下式计算其相应的(tx,ty),并且令Btx,ty=Btx,ty+1;
其中,[·]表示取整;
(5-12)设置d=d+1,然后返回步骤(5-9);
(5-13)设置c=c+1,然后返回步骤(5-6);
(5-14)找出中数值最大的元素,记为Btxab,tyab,并记录可能的平移参数txab,tyab;
(5-15)判断max是否大于Btxab,tyab,若是则进入步骤(5-17),否则直接进入步骤(5-16);
(5-16)设置max=Btxab,tyab,txmax=txab,tymax=tyab;
(5-17)设置b=b+1,然后返回步骤(5-4);
(5-18)设置a=a+1,然后返回步骤(5-2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310268597.3A CN103345642B (zh) | 2013-06-28 | 2013-06-28 | 一种基于点线对偶的图像匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310268597.3A CN103345642B (zh) | 2013-06-28 | 2013-06-28 | 一种基于点线对偶的图像匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103345642A CN103345642A (zh) | 2013-10-09 |
CN103345642B true CN103345642B (zh) | 2016-05-25 |
Family
ID=49280437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310268597.3A Expired - Fee Related CN103345642B (zh) | 2013-06-28 | 2013-06-28 | 一种基于点线对偶的图像匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103345642B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537663B (zh) * | 2014-12-26 | 2018-01-02 | 广东中科遥感技术有限公司 | 一种图像抖动的快速校正方法 |
CN105957074B (zh) * | 2016-04-27 | 2018-12-14 | 深圳积木易搭科技技术有限公司 | 基于v型交点描述和局部单应矩阵的线段匹配方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4205760B1 (ja) * | 2007-12-27 | 2009-01-07 | 株式会社ファースト | 画像マッチング方法、プログラムおよび応用装置 |
CN100590658C (zh) * | 2008-07-11 | 2010-02-17 | 北京航空航天大学 | 双向约束的二维物点与像点匹配方法 |
CN102385750A (zh) * | 2011-06-22 | 2012-03-21 | 清华大学 | 基于几何关系的直线匹配方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003067739A (ja) * | 2001-08-28 | 2003-03-07 | Monolith Co Ltd | 画像変換方法および装置 |
-
2013
- 2013-06-28 CN CN201310268597.3A patent/CN103345642B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4205760B1 (ja) * | 2007-12-27 | 2009-01-07 | 株式会社ファースト | 画像マッチング方法、プログラムおよび応用装置 |
CN100590658C (zh) * | 2008-07-11 | 2010-02-17 | 北京航空航天大学 | 双向约束的二维物点与像点匹配方法 |
CN102385750A (zh) * | 2011-06-22 | 2012-03-21 | 清华大学 | 基于几何关系的直线匹配方法及*** |
Non-Patent Citations (2)
Title |
---|
MSLD: a robust descriptor for line matching;J. Matas et al.;《Pattern Recognition》;20090531;第42卷(第3期);941-953 * |
Robust wide-baseline stereo from maximally stable extremal regions;J. Matas et al.;《Image and Vision Computing》;20041031;第22卷(第10期);761-767 * |
Also Published As
Publication number | Publication date |
---|---|
CN103345642A (zh) | 2013-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104169965B (zh) | 用于多拍摄装置***中图像变形参数的运行时调整的***、方法和计算机程序产品 | |
Deserno | Fluid lipid membranes: From differential geometry to curvature stresses | |
US8743119B2 (en) | Model-based face image super-resolution | |
CN101877143B (zh) | 一种二维图像组的三维场景重建方法 | |
CN110427877A (zh) | 一种基于结构信息的人体三维姿态估算的方法 | |
US20180137611A1 (en) | Novel View Synthesis Using Deep Convolutional Neural Networks | |
CN103226822B (zh) | 医疗影像拼接方法 | |
EP3131060A1 (en) | Method and apparatus for constructing three dimensional model of object | |
CN110246147A (zh) | 视觉惯性里程计方法、视觉惯性里程计装置及移动设备 | |
CN107665479A (zh) | 一种特征提取方法、全景拼接方法及其装置、设备及计算机可读存储介质 | |
CN103460705B (zh) | 利用立体对应性的实时深度提取 | |
CN104156957B (zh) | 一种稳定高效的高分辨率立体匹配方法 | |
CN103106688A (zh) | 基于双层配准方法的室内三维场景重建方法 | |
CN102750697A (zh) | 一种参数标定方法及装置 | |
CN105528785A (zh) | 一种双目视觉图像立体匹配方法 | |
CN104599317B (zh) | 一种实现3d扫描建模功能的移动终端及方法 | |
CN103761721A (zh) | 一种适用于空间绳系机器人的立体视觉快速图像拼接方法 | |
CN108470324A (zh) | 一种鲁棒的双目立体图像拼接方法 | |
EP2423870B1 (en) | Image correcting device, method for creating corrected image, correction table creating device, method for creating correction table, program for creating correction table, and program for creating corrected image | |
CN106296825A (zh) | 一种仿生三维信息生成***及方法 | |
CN103955954A (zh) | 一种结合同场景立体图对的高分辨率深度图像重建方法 | |
CN107895377A (zh) | 一种前景目标提取方法、装置、设备及存储介质 | |
CN104616247A (zh) | 一种用于基于超像素sift航拍地图拼接的方法 | |
CN103345642B (zh) | 一种基于点线对偶的图像匹配方法 | |
Xue et al. | Fisheye distortion rectification from deep straight lines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160525 Termination date: 20170628 |
|
CF01 | Termination of patent right due to non-payment of annual fee |