CN104166977A - 一种图像匹配相似性测度方法及其图像匹配方法 - Google Patents
一种图像匹配相似性测度方法及其图像匹配方法 Download PDFInfo
- Publication number
- CN104166977A CN104166977A CN201310184556.6A CN201310184556A CN104166977A CN 104166977 A CN104166977 A CN 104166977A CN 201310184556 A CN201310184556 A CN 201310184556A CN 104166977 A CN104166977 A CN 104166977A
- Authority
- CN
- China
- Prior art keywords
- image
- gradient
- image matching
- matching
- images
- 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.)
- Granted
Links
Abstract
本发明涉及一种图像匹配相似性测度方法及其图像匹配方法,对尺寸相同的两幅图像A和B,分别计算它们在x和y方向上的梯度图,并提取相应的边缘图像,然后计算x方向上图像A和B的边缘图像之间的Hausdorff距离xMatch,以及y方向上图像A和B的边缘图像之间的Hausdorff距离yMatch,将作为最终的相似性测度结果。本发明在原有的Hausdorff距离匹配方法的基础上,进一步考虑了梯度矢量方向,利用了边缘的方向信息,丰富了参与匹配的信息维度,对图像匹配增加了有效的方向约束,有效提高了准确率和匹配精度,并对不同的图像具有更强的鲁棒性。
Description
技术领域
本发明属于计算机视觉技术领域,具体涉及一种图像匹配相似性测度方法及其图像匹配方法。
背景技术
图像匹配是指把不同的传感器或同一传感器在不同时间、不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准,或根据已知模式到另一幅图中寻找相应的模式。
图像匹配技术是计算机视觉中相当重要的一门技术。它的应用领域极其广阔,如图像分析、目标识别、立体视觉、图像导航、运动分析以及三维重建等。
图像匹配相似性测度是度量图像匹配的标准:即通过比较图像I与其它若干图像的匹配相似性测度,可以判定I的最佳匹配图像;通过比较图像I与图像K中不同图像区域的匹配相似性测度,可以得到图像I在图像K中的最佳匹配位置。
图像匹配方法主要可分为基于点特征的图像匹配方法、基于边缘轮廓特征的图像匹配方法和基于区域特征的图像匹配方法。其中,基于边缘轮廓特征的匹配方法,由于边缘特征具有在不同成像条件下相对稳定、易于提取等特点,应用广泛,尤其在异类传感器图像匹配中是目前最常见的手段。
Hausdorff距离是描述两组点集之间相似程度的一种量度,它是两个点集之间距离的一种定义形式,非常适用于边缘图像等二值特征图像匹配。基于Hausdorff距离的边缘匹配方法具有以下优点:1)Hausdorff距离本身具备部分匹配的性质,从而对边缘残缺等具有良好的鲁棒性;2)Hausdorff距离具有较强的抗干扰能力,从而对边缘噪声等图像中小的扰动不敏感;3)不需要对边缘构造额外的描述;4)计算简单,匹配速度快。然而,该方法的缺陷在于,它仅仅利用了边缘点的位置信息,信息的单薄,使图像匹配容易产生错误和偏差。
发明内容
本发明的目的是提出一种图像匹配相似性测度方法,使图像匹配能更加准确有效,同时提供一种利用该图像匹配相似性测度方法的图像匹配方法。
为实现上述目的,本发明提供的图像匹配相似性测度方法的步骤如下:
(1)选定尺寸相同的图像A和B;
(2)分别计算图像A和B x方向和y方向上的梯度,从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB,所述x方向和y方向是任意两个相互垂直的方向;
(3)分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB;
(4)计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch;计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch;
(5)计算[xMatch,yMatch]到[0,0]的距离nMatch,将其作为图像A和B最终的相似性测度,其计算公式如下:
所述步骤(2)中x、y方向梯度的计算是采用梯度算子计算得到。
所述步骤(2)中x方向和y方向分别为水平方向和竖直方向。
所述步骤(3)是采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化,得到各梯度图对应的二值边缘图。
本发明提供的图像匹配方法的步骤如下:
1)按照目标图像A的大小在待匹配图像C中滑窗截取与目标图像A尺寸相同的图像B;
2)分别计算图像A和B x方向和y方向上的梯度,从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB,所述x方向和y方向是任意两个相互垂直的方向;
3)分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB;
4)计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch;计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch;
5)计算[xMatch,yMatch]到[0,0]的距离nMatch,将其作为图像A和B最终的相似性测度,其计算公式如下: 并记录该相似性测度值;
6)重复步骤1)~5),直至滑窗遍历待匹配图像C中任意位置,得到一组各滑窗位置下的相似性测度值;
7)比较该组所有的相似性测度值,其中最小的相似性测度值对应的图像B即为匹配图像。
所述步骤2)中x、y方向梯度的计算是采用梯度算子计算得到。
所述步骤2)中x方向和y方向分别为水平方向和竖直方向。
所述步骤3)是采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化,得到各梯度图对应的二值边缘图。
本发明的图像匹配相似性测度方法通过计算两图像x、y方向上的梯度,再分别提取其二值化边缘图像并计算Hausdorff距离,综合两个方向上的Hausdorff距离作为最终的相似性测度。本发明在基于Hausdorff距离边缘匹配的基础上,考虑并利用了边缘的方向信息,丰富了参与匹配的信息维度,为图像匹配增加了方向约束,可以获得更好的匹配准确率和匹配精度,并对不同的图像具有更强的鲁棒性。另外,本发明还可用于图像识别、图像跟踪、图像导航等领域。
附图说明
图1为本发明图像匹配相似性测度方法流程示意图;
图2-1为实施例1仿真图像A;
图2-2为实施例1仿真图像B;
图3-1为实施例1图像Ax方向上的梯度图xGradA;
图3-2为实施例1图像Bx方向上的梯度图xGradB;
图3-3为实施例1图像Ay方向上的梯度图yGradA;
图3-4为实施例1图像By方向上的梯度图yGradB;
图4-1为实施例1图像Ax方向上的边缘图像xEdgeA;
图4-2为实施例1图像Bx方向上的边缘图像xEdgeB;
图4-3为实施例1图像Ay方向上的边缘图像yEdgeA;
图4-4为实施例1图像By方向上的边缘图像yEdgeB;
图5-1为实施例2仿真图像A2;
图5-2为实施例2仿真图像B2;
图5-3为实施例2的匹配结果示意图;
图6-1为实施例3仿真图像A3;
图6-2为实施例3仿真图像B3;
图6-3为实施例3的匹配结果示意图;
图7-1为实施例4仿真图像A4;
图7-2为实施例4仿真图像B4;
图7-3为实施例4的匹配结果示意图。
具体实施方式
本发明图像匹配相似性测度方法的流程如图1所示,具体步骤如下:
(1)选定尺寸相同的图像(或图像块、图像区域)A和B;
(2)分别计算它们x方向上的梯度图xGradA、xGradB,以及y方向上的梯度图yGradA、yGradB;x和y是任意两个相互垂直的方向;通常采用水平和竖直两个方向;x和y方向梯度的计算是采用梯度算子计算得到,也可以采用小波变换等其它方法,无论是哪种方法只要能够得到相应的梯度,都不影响本发明整体效果的实现;
(3)分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB;这里可采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化,得到各梯度图对应的二值边缘图像;
(4)计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch;计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch;这里所说的Hausdorff距离,并不只限于原始的Hausdorff距离定义,还包括从原始的Hausdorff距离衍生出来的部分Hausdorff距离、平均Hausdorff距离、加权Hausdorff距离、LTS Hausdorff距离等所有的广义上的Hausdorff距离形式;
(5)计算[xMatch,yMatch]到[0,0]的距离nMatch,将其作为图像A和B最终的相似性测度,其计算公式如下:
下面以一个具体的实施案例1进行说明:
(1)选定尺寸相同的图像(或图像块、图像区域)A和B,如图2-1、2-2所示;
(2)使用Sobel梯度算子计算图像水平(x)和竖直(y)方向上的梯度。Sobel算子有两个3×3的卷积核,分别用于计算水平方向的和竖直方向的梯度分量:
分别得到两幅图像在x、y方向上的梯度幅值图,图像A在x和y方向上的梯度图分别为xGradA、yGradA,图像B在x和y方向上的梯度图分别为xGradB、yGradB;如图3-1、3-2、3-3、3-4所示;
(3)采用Canny算法(参见CANNY J.A computational approach to edge detection[J].IEEETransactions on Pattern Analysis and Machine Intelligence,1986,8(6):679-698.)对各梯度图进行非极大值抑制、双阈值分割和边缘细化,得到各梯度图xGradA、yGradA、xGradB、yGradB依次对应的二值边缘图xEdgeA、yEdgeA、xEdgeB和yEdgeB,如图4-1、4-2、4-3、4-4所示;
(4)计算xEdgeA和xEdgeB之间的Hausdorff距离xMatch,,本实施例xMatch=4.3549;以及yEdgeA和yEdgeB之间的Hausdorff距离yMatch,本实施例yMatch=3.3656;
这里Hausdorff距离采用LTS-HD的定义(参见Sim D G,Kwon O K,Park R H.Objectmatching algorithm using robust Hausdorff distance measures[J].IEEE Transactions on ImageProcessing,1999,8(3):425~429);
(5)计算[xMatch,yMatch]到[0,0]的距离nMatch,将其作为图像A和B最终的相似性测度,其计算公式如下:根据该公式计算最终得到本实施例图像A和图像B相似性测度结果nMatch=5.5038。
利用上述图像匹配相似性测度方法的图像匹配方法,该匹配方法是在图像匹配相似性测度方法的基础上,根据目标图像A的大小在待匹配图像C中滑窗截取与目标图像A尺寸相同的图像B;直至滑窗遍历待匹配图像C中任意位置,计算得到一组各滑窗位置下的相似性测度值;比较该组所有的相似性测度值,其中最小的相似性测度值对应的图像B即为匹配图像。如图5~图7为本发明图像匹配方法的三组实施例的仿真示例,直观展示了本发明图像匹配方法的过程。
最后所应说明的是:以上实施例仅用以说明而非限定本发明的技术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普通技术人员应当理解;依然可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种图像匹配相似性测度方法,其特征在于,该方法的步骤如下:
(1)选定目标图像A和与其尺寸相同的图像B;
(2)分别计算图像A和B x方向和y方向上的梯度,从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB,所述x方向和y方向是任意两个相互垂直的方向;
(3)分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB;
(4)计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch;计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch;
(5)计算[xMatch,yMatch]到[0,0]的距离nMatch,将其作为图像A和B最终的相似性测度,其计算公式如下:
2.根据权利要求1所述的图像匹配相似性测度方法,其特征在于:所述步骤(2)中x、y方向梯度的计算是采用梯度算子计算得到。
3.根据权利要求1所述的图像匹配相似性测度方法,其特征在于:所述步骤(2)中x方向和y方向分别为水平方向和竖直方向。
4.根据权利要求1-3中任一项所述的图像匹配相似性测度方法,其特征在于:所述步骤(3)是采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化,得到各梯度图对应的二值边缘图。
5.一种利用权利要求1所述图像匹配相似性测度方法的图像匹配方法,其特征在于,该方法的步骤如下:
1)按照目标图像A的大小在待匹配图像C中滑窗截取与目标图像A尺寸相同的图像B;
2)分别计算图像A和B x方向和y方向上的梯度,从而分别得到两幅图像在x、y方向上的梯度图xGradA、xGradB、yGradA、yGradB,所述x方向和y方向是任意两个相互垂直的方向;
3)分别提取梯度图xGradA、xGradB、yGradA、yGradB依次对应的二值化边缘图像xEdgeA、xEdgeB、yEdgeA和yEdgeB;
4)计算二值化边缘图像xEdgeA和xEdgeB之间的Hausdorff距离xMatch;计算yEdgeA和yEdgeB之间的Hausdorff距离yMatch;
5)计算[xMatch,yMatch]到[0,0]的距离nMatch,将其作为图像A和B最终的相似性测度,其计算公式如下:并记录该相似性测度值;
6)重复步骤1)~5),直至滑窗遍历待匹配图像C中任意位置,得到一组各滑窗位置下的相似性测度值;
7)比较该组所有的相似性测度值,其中最小的相似性测度值对应的图像B即为匹配图像。
6.根据权利要求5所述的图像匹配方法,其特征在于:所述步骤2)中x、y方向梯度的计算是采用梯度算子计算得到。
7.根据权利要求5所述的图像匹配方法,其特征在于:所述步骤2)中x方向和y方向分别为水平方向和竖直方向。
8.根据权利要求5-7中任一项所述的图像匹配方法,其特征在于:所述步骤3)是采用Canny算法对各梯度图进行非极大值抑制、双阈值分割和边缘细化,得到各梯度图对应的二值边缘图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310184556.6A CN104166977B (zh) | 2013-05-17 | 2013-05-17 | 一种图像匹配相似性测度方法及其图像匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310184556.6A CN104166977B (zh) | 2013-05-17 | 2013-05-17 | 一种图像匹配相似性测度方法及其图像匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104166977A true CN104166977A (zh) | 2014-11-26 |
CN104166977B CN104166977B (zh) | 2017-10-10 |
Family
ID=51910768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310184556.6A Active CN104166977B (zh) | 2013-05-17 | 2013-05-17 | 一种图像匹配相似性测度方法及其图像匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104166977B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751459A (zh) * | 2015-03-27 | 2015-07-01 | 东南大学 | 多维特征的相似性度量优化方法及图像匹配方法 |
CN106815553A (zh) * | 2016-12-13 | 2017-06-09 | 华中科技大学 | 一种基于边缘匹配的红外前视图像舰船检测方法 |
CN111079565A (zh) * | 2019-11-27 | 2020-04-28 | 深圳市华汉伟业科技有限公司 | 视图二维姿态模板的构建方法及识别方法、定位抓取系统 |
CN113252045A (zh) * | 2021-06-25 | 2021-08-13 | 成都睿沿科技有限公司 | 设备定位方法、装置、电子设备及可读存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020044676A1 (en) * | 2000-09-07 | 2002-04-18 | Guo-Qing Wei | Method and system for automatic computed radiography (CR) image composition by white band detection and consistency rechecking |
US6701005B1 (en) * | 2000-04-29 | 2004-03-02 | Cognex Corporation | Method and apparatus for three-dimensional object segmentation |
US20060268009A1 (en) * | 2003-07-01 | 2006-11-30 | Lionel Oisel | Automatic resetting method intended for a geometric model of a scene over a picture of the scene, implementing device and programming medium |
US20060285771A1 (en) * | 2003-03-18 | 2006-12-21 | Koninklijke Philips Electronics N.V. Groenewoudseweg 1 | Method and apparatus for optimally matching data sets |
CN1949246A (zh) * | 2006-11-08 | 2007-04-18 | 中山大学 | 基于活动形状模型的多表情整脸轮廓检测方法 |
CN1979528A (zh) * | 2005-12-02 | 2007-06-13 | 佳能株式会社 | 线检测方法及设备 |
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
US20070260137A1 (en) * | 2004-06-08 | 2007-11-08 | Canon Kabushiki Kaisha | Image Processing Device And Method Which Use Two Images |
US20100014780A1 (en) * | 2008-07-16 | 2010-01-21 | Kalayeh Hooshmand M | Image stitching and related method therefor |
US20110267430A1 (en) * | 2010-04-28 | 2011-11-03 | Hitachi, Ltd. | Detection Device of Planar Area and Stereo Camera System |
US20120121189A1 (en) * | 2010-05-24 | 2012-05-17 | Yasunori Ishii | Image processing device, image processing method, program, and integrated circuit |
CN102842134A (zh) * | 2012-07-16 | 2012-12-26 | 西安电子科技大学 | 基于sar图像的快速景象匹配方法 |
-
2013
- 2013-05-17 CN CN201310184556.6A patent/CN104166977B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6701005B1 (en) * | 2000-04-29 | 2004-03-02 | Cognex Corporation | Method and apparatus for three-dimensional object segmentation |
US20020044676A1 (en) * | 2000-09-07 | 2002-04-18 | Guo-Qing Wei | Method and system for automatic computed radiography (CR) image composition by white band detection and consistency rechecking |
US20060285771A1 (en) * | 2003-03-18 | 2006-12-21 | Koninklijke Philips Electronics N.V. Groenewoudseweg 1 | Method and apparatus for optimally matching data sets |
US20060268009A1 (en) * | 2003-07-01 | 2006-11-30 | Lionel Oisel | Automatic resetting method intended for a geometric model of a scene over a picture of the scene, implementing device and programming medium |
US20070260137A1 (en) * | 2004-06-08 | 2007-11-08 | Canon Kabushiki Kaisha | Image Processing Device And Method Which Use Two Images |
CN1979528A (zh) * | 2005-12-02 | 2007-06-13 | 佳能株式会社 | 线检测方法及设备 |
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
CN1949246A (zh) * | 2006-11-08 | 2007-04-18 | 中山大学 | 基于活动形状模型的多表情整脸轮廓检测方法 |
US20100014780A1 (en) * | 2008-07-16 | 2010-01-21 | Kalayeh Hooshmand M | Image stitching and related method therefor |
US20110267430A1 (en) * | 2010-04-28 | 2011-11-03 | Hitachi, Ltd. | Detection Device of Planar Area and Stereo Camera System |
US20120121189A1 (en) * | 2010-05-24 | 2012-05-17 | Yasunori Ishii | Image processing device, image processing method, program, and integrated circuit |
CN102842134A (zh) * | 2012-07-16 | 2012-12-26 | 西安电子科技大学 | 基于sar图像的快速景象匹配方法 |
Non-Patent Citations (5)
Title |
---|
B TAKÁCS: "《Comparing face images using the modified Hausdorff distance》", 《PATTERN RECOGNITION》 * |
HU ZHU等: "《Robust and fast Hausdorff distance for image matching》", 《OPTICAL ENGINEERING》 * |
Y GAO等: "《Face Recognition Using Line Edge Map》", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
ZHI-QIANG ZHOU等: "《A Modified Hausdorff Distance Using Edge Gradient for Robust Object Matching》", 《2009 INTERNATIONAL CONFERENCE ON IMAGE ANALYSIS AND SIGNAL PROCESSING》 * |
牛照东等: "《基于形状结构和梯度方向加权的Hausdorff距离图像匹配方法》", 《第十四届全国信号处理学术年会(CCSP-2009)论文集》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751459A (zh) * | 2015-03-27 | 2015-07-01 | 东南大学 | 多维特征的相似性度量优化方法及图像匹配方法 |
CN104751459B (zh) * | 2015-03-27 | 2017-05-17 | 东南大学 | 多维特征的相似性度量优化方法及图像匹配方法 |
CN106815553A (zh) * | 2016-12-13 | 2017-06-09 | 华中科技大学 | 一种基于边缘匹配的红外前视图像舰船检测方法 |
CN106815553B (zh) * | 2016-12-13 | 2019-07-23 | 华中科技大学 | 一种基于边缘匹配的红外前视图像舰船检测方法 |
CN111079565A (zh) * | 2019-11-27 | 2020-04-28 | 深圳市华汉伟业科技有限公司 | 视图二维姿态模板的构建方法及识别方法、定位抓取系统 |
CN111079565B (zh) * | 2019-11-27 | 2023-07-07 | 深圳市华汉伟业科技有限公司 | 视图二维姿态模板的构建方法及识别方法、定位抓取系统 |
CN113252045A (zh) * | 2021-06-25 | 2021-08-13 | 成都睿沿科技有限公司 | 设备定位方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104166977B (zh) | 2017-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Novatnack et al. | Scale-dependent/invariant local 3D shape descriptors for fully automatic registration of multiple sets of range images | |
JP4985166B2 (ja) | 自己位置推定装置 | |
CN105427298A (zh) | 基于各向异性梯度尺度空间的遥感图像配准方法 | |
CN103337068B (zh) | 空间关系约束的多子区匹配方法 | |
CN103593849B (zh) | 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法 | |
CN102722887A (zh) | 一种图像配准方法及装置 | |
CN103400388A (zh) | 一种利用RANSAC消除Brisk关键点错误匹配点对的方法 | |
CN101826157B (zh) | 一种地面静止目标实时识别跟踪方法 | |
CN103679702A (zh) | 一种基于图像边缘矢量的匹配方法 | |
CN103593832A (zh) | 一种基于高斯二阶差分特征检测算子的图像拼接方法 | |
CN103065135A (zh) | 基于数字图像处理的车牌号码匹配算法 | |
CN101916445A (zh) | 一种基于仿射参数估计的图像配准方法 | |
CN103177444A (zh) | 一种sar图像自动配准方法 | |
CN103632142A (zh) | 基于局部坐标系特征描述的图像匹配方法 | |
CN104200463A (zh) | 基于傅立叶梅林变换和最大互信息理论的图像配准方法 | |
CN104121902A (zh) | 基于Xtion摄像机的室内机器人视觉里程计实现方法 | |
CN104637041A (zh) | 一种基于参照特征的宽幅织物图像获取与拼接方法 | |
CN104881029A (zh) | 基于一点ransac和fast算法的移动机器人导航方法 | |
CN104268880A (zh) | 基于特征和区域匹配相结合的深度信息获取方法 | |
CN103839262A (zh) | 一种基于直线和fft的sar图像配准方法 | |
CN106296587B (zh) | 轮胎模具图像的拼接方法 | |
CN104715491A (zh) | 一种基于一维灰度矩的亚像素边缘检测方法 | |
CN104166977A (zh) | 一种图像匹配相似性测度方法及其图像匹配方法 | |
CN103854290A (zh) | 一种结合骨架特征点和分布场描述子的扩展目标跟踪方法 | |
CN103700082A (zh) | 基于对偶四元数相对定向的图像拼接方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |