项目名称: 基于一维匹配的宽基线图像多维匹配方法研究

项目编号: No.61262043

项目类型: 地区科学基金项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 张云

作者单位: 昆明理工大学

项目金额: 47万元

中文摘要: 本项目针对图像匹配实际需要,重点研究宽基线图像匹配的三个方面的问题:一是研究一维匹配的高效算法。针对一维匹配可利用数据少和速度不够快的的问题,研究用冗余径向线来增加匹配可用信息量的最佳途径,以及用射影不变性质来查错与纠错的方法,以提高其可靠性;研究匹配所需径向数据最少的模式,以及由图像特征引导的匹配块快速定位方法,以提高其时效性。二是研究宽基线图像二维全图配准方法。针对实际图像重叠区形状及形貌的复杂性,研究以高效一维匹配引导局域图像园块或特征点匹配、向外扩张并最后覆盖整个不规则的、纹理相似和结构相似兼有的图像重叠区的匹配方法。三是研究宽基线图像密集三维匹配方法。根据密集三维匹配的技术要求,研究由高效一维匹配来执行图像线分段匹配的模式,分段起始点的检测方法,对匹配结果优化的方法,以及处理不能匹配的遮挡区方法。研究成果可为宽基线图像匹配提供科学方法与技术支撑,推进图像处理领域的技术进步。

中文关键词: 一维匹配;图像配准;立体匹配;宽基线图像;射影变换

英文摘要: To meet the practical needs of image matching, this project focuses to study the three main issues with wide-baseline image matching. First, the project will study an efficient algorithm for the one-dimensional (1D) mapping. One issue with the 1D mapping is that it can only make use of a small amount of data in mapping. As a result, the derived result from mapping can be unreliable sometime. To make the 1D mapping more reliable, the project will study the optimal way to employ redundant (> 2) radial lines to increase the amount of image information content available to mapping. At the same time, the project will study the method of using the projective invariance property of radial lines to detect and correct the false matches. Another issue with the 1D mapping is that it is still not computationally fast enough for practical use. To make the 1D mapping more time-efficient, the project will study the method used to derive the least number of radial data samples, which is, however, large enough to guarantee an accurate 1D mapping. Also the project will study the method of fast locating the target image position guided by the beneficial image features. Second, the project will study the method for the registration between wide-baseline images. Consider that in reality the overlap in input images is complicated in

英文关键词: one-dimensional mapping;image registration;stereo matching;wide-baseline image;projective transformation

成为VIP会员查看完整内容
0

相关内容

【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
39+阅读 · 2021年9月30日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
52+阅读 · 2021年3月22日
高效医疗图像分析的统一表示
专知会员服务
34+阅读 · 2020年6月23日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
基于深度学习的图像超分辨率最新进展与趋势【附PDF】
人工智能前沿讲习班
15+阅读 · 2019年2月27日
深度文本匹配在智能客服中的应用
AI100
18+阅读 · 2018年10月24日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年5月27日
Arxiv
0+阅读 · 2022年5月25日
Arxiv
0+阅读 · 2022年5月25日
小贴士
相关VIP内容
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
39+阅读 · 2021年9月30日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
52+阅读 · 2021年3月22日
高效医疗图像分析的统一表示
专知会员服务
34+阅读 · 2020年6月23日
相关资讯
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
基于深度学习的图像超分辨率最新进展与趋势【附PDF】
人工智能前沿讲习班
15+阅读 · 2019年2月27日
深度文本匹配在智能客服中的应用
AI100
18+阅读 · 2018年10月24日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员