红外与激光工程
2021, 50(11): 20210075
天津大学电气自动化与信息工程学院, 天津 300073
提出一种基于马尔科夫链蒙特卡罗(MCMC)框架的子图学习方法,该方法通过构建马尔科夫链实现子图在状态空间中的迭代,最终得到用于匹配的最优子图,以有效提高图匹配的精度,减少离散值的影响。在此过程中,所提方法可以在一对一的匹配约束下有效保存成对的匹配点,同时避免了离散值和畸变值的影响。实验分别在合成图像数据集、真实图像数据集、3D模型数据集上展开,实验结果证明了所提方法在图匹配过程中的优越性。
图像处理 图匹配 机器学习 马尔科夫链蒙特卡罗 离散值 激光与光电子学进展
2020, 57(6): 061003
1 中国科学院半导体研究所, 北京 100089
2 中国科学院大学 材料科学与光电技术学院, 北京 100049
针对传统的基于单线激光雷达的匹配方法在多障碍物环境下匹配精度低的问题, 提出了一种基于图论的匹配方法。该方法从数据点集中提取出具有凹凸性质的特征点, 提取对应的线段并构建属性图模型, 将点集配准问题转化为属性图匹配问题。与传统的基于线段的匹配算法相比, 所提方法基于图模型引入了更多的线段之间的几何关系, 使算法可以适用于多障碍物环境以及动态多障碍物环境; 与传统的基于点的匹配方法相比, 该方法依据特征点组成的线段进行几何意义上的匹配, 通过属性图模型快速找到局部观测数据与全局数据的最佳匹配, 提升了运算效率, 同时也避免了传统方法易陷入局部最优解的缺点。
扫描匹配 属性图匹配 位姿估计 单线激光雷达 地图创建 scan matching attributed graph matching pose estimation single line lidar mapping 红外与激光工程
2018, 47(12): 1226001
1 上海海事大学,上海200135
2 中国科学院上海技术物理研究所,上海200083
针对遥感图像由于较大仿射变换关系、相似图案和多源性等导致图形匹配时出现伪同构现象,提出了一种基于双向邻域过滤策略的图形匹配方法.本方法采用双向邻域的图形特征描述子来表示特征点的邻域关系.当误配点的双向邻域任意顶点在后期迭代中被视为误配点时,将与匹配点集具有稳定双向邻域结构的点恢复至匹配点集,同时剔除伪同构中残留的误配点.通过与Random Sample Consensus (RANSAC)、Graphing Transformation Matching(GTM)算法以及提出的双向邻域匹配方式比较得出,基于双向邻域过滤策略的匹配方式能够处理空间顺序匹配时存在的伪同构问题,同时获得更高的召回率和匹配率.
图像配准 图形匹配 遥感图像 伪同构 image registration graph matching remote sensing images pseudo isomorphic
1 西北工业大学应用数学系, 西安 710072
2 西北工业大学自动化学院, 西安 710072
本文提出一种新的利用图的谱对应绝对值特征向量的非负矩阵分解图像配准方法。首先利用图像特征构造了无向权图的非负权矩阵, 通过非负矩阵分解得到了包含原始图像全部特征的特征基图像; 然后将非负权矩阵谱对应绝对值特征向量作为非负矩阵分解的初始值进行迭代, 既能反映图的结构特征信息, 又能提高图像的匹配率; 最后在特征基向量空间找到了两图的正确特征对应关系。合成图像和真实图像实验结果表明了本文图像配准方法的可行性。
图像配准 谱图 图匹配 谱的绝对值特征向量 非负矩阵分解 image registration spectral graph graph matching absolute feature vectors of the spectra non-negative matrix factorization(NMF)