为解决大型构件表面弱纹理特征的捕捉和多次测量的精度配准问题,采用集成结构光与光度立体视觉的复合测量系统,利用结构光测量获取工件表面整体形状的点云数据,利用光度立体视觉获取表面精细弱纹理的法向量信息。在此基础上,提出了一种融合邻域点云坐标与法向量信息的新型局部特征描述子,可对弱纹理工件表面特征进行有效且鲁棒地描述。大量仿真和真实实验验证了所提方法的有效性,其性能大幅超越了基于传统特征描述子的迭代最近点算法。所提方法可有效捕捉并描述弱纹理表面的丰富细节特征,构建鲁棒显著的特征描述子,进而大幅提升了测量结果的匹配精度,减小了大型复杂构件的整体重建误差。

针对Receptive Fields Network(RF-Net)中存在网络较浅、缺乏深层语义信息的问题, 提出了一种基于Residual Network(ResNet)和RF-Net的改进网络用于遥感影像匹配。首先, 通过对真实遥感影像进行裁剪、光照变换和仿射变换处理, 得到图像对并计算同一序列中不同图像间的单应性矩阵, 构建了一个遥感影像数据集。然后, 提出了一种双通道的网络结构用于关键点检测, 该双通道网络由Receptive Fields Detection(RF-Det)和ResNet构成, 前者提取含有细节信息的浅层特征图, 后者提取含有语义信息的深层特征图。此外, 采用特征描述子提取网络L2-Net, 得到128维特征向量用以描述关键点。最后, 分别采用最近邻、带阈值的最近邻和最近邻距离比的策略对特征描述子进行匹配。实验结果表明, 该网络在仅含光照变换、仅含仿射变换和同时包含这两种变换的遥感影像数据集上的匹配得分, 比RF-Net分别提高了0.002, 0.117, 0104, 在关键点检测和匹配精度方面具有更优的性能。

针对文物碎片拼接过程中存在因局部碎片缺失和纹饰几何特征受损导致断裂面特征提取不准确的问题, 本文提出了一种基于SURF特征描述符和杰卡德距离(Jaccard Distance)的文物碎片拼接方法。首先用Canny算子提取碎片边沿轮廓线以及模型表面纹饰线条, 再通过构造多尺度空间来提取断裂面特征点。其次, 针对以往构建特征描述符存在的高冗余和欧氏距离计算存在的高延时问题, 本文提出构造低冗余的SURF特征描述符, 再借助Jaccard距离来进行特征点的相似性比较, 确定碎片最优邻接关系。最后采用ICP方法计算得到刚体变化参数, 实现碎片较准确拼合。实验结果表明: 本文算法运行时间提高了12%~16%,拼接误差不超过0.750 mm。与传统方法相比, 本文方法能有效地减少因碎片模型受损而造成的拼接缝隙过大、渗透等现象, 拼合误差较小, 高效地实现碎片拼接。

点云的边缘是将点云模型转换为高质量曲面或实体模型的重要中间特征。为了有效地提取点云边缘,针对现有点云边缘检测算法设置统一邻域值或邻域半径造成的边缘检测不准确的问题,提出一种基于局部边缘特征描述子的自适应边缘检测算法。首先定义法向量特征模型,引入法向量变化率,基于法向量变化率提出邻域自适应方法;然后结合点云局部区域的曲率密度,定义局部边缘特征描述子;最后根据特征描述子取值符合高斯分布的特点自动调整阈值,解决了对于不同的点云模型需要人工调参的问题。通过在多种不同的点云数据集上进行实验,证明了该算法可以在保持模型原始信息的前提下,准确地提取模型的边缘信息,具有可重复性和一定的鲁棒性。

传统三维模型分类方法因依赖文物碎片的整体形状特征,用于对破损严重、细节缺失、形状不规则的文物碎片分类时,时效差、成本高、准确率低。而文物碎片特征点周围的局部曲面深度信息与表面的规律性几何纹理可作为分类的判别特征。据此,提出了一种局部点云信息与显著性多特征描述子,通过提取文物碎片表面的规律性几何特征,并结合旋转投影特征,作为文物碎片的分类判别特征;然后提出相似度度量准则,根据每类特征的度量结果,自适应地计算两种特征的权重,实现分类。使用兵马俑碎片数据集进行实验,结果表明,该方法占用内存小、计算速度快。利用多倍交叉法对结果进行校验,准确率达到74.78%,相较于传统三维模型匹配方法提高了15.64%。

基于单目视觉的机器人同步定位与地图创建 (SLAM)方法是实现机器人自主行走的重要研究方向之一, 而图像特征匹配技术是该方法中的关键技术。基于尺度不变特征变换(SIFT)算法的SLAM匹配方法具有提取特征点数量丰富、稳定等优点, 然而在速度以及正确率方面仍存在一些不足。因此针对SIFT算法描述子维数高、匹配时间长等问题, 提出了一种改进的SIFT算法, 将原128维的特征描述子降至内部矩形外部圆形的24维特征描述子, 匹配过程中应用了三线性插值、RANSAC算法等对匹配结果去除误匹配。实验结果最终表明, 改进后的SIFT算法不仅对角度变化、光照变化等情况均具有良好的鲁棒性, 匹配速度和正确率也有显著提升, 可满足实时SLAM同步地图构建的需要。

为了准确地描述人体骨骼的运动细节以及3D骨骼间的几何关系,提出一种基于四元数3D骨骼表示的人体行为识别方法。首先,在已捕获的关键帧集合的基础上,对普通关键帧和变速关键帧分别采用线性插值和二次多项式插值,获得相同帧数的骨骼序列;然后,针对所得的骨骼序列,采用四元数对每帧中3D骨骼间的几何关系进行描述,获得四元数骨骼特征描述子;最后,采用支持向量机分类器对这一系列特征描述子进行训练和测试,得到最终的识别结果。在3个标准数据库上的实验结果均显示,四元数骨骼特征描述子对噪声、运动速度变化、视角变化和时域不对齐都具有很好的稳健性,可以显著提高人体行为识别的准确率。

提出一种新的多尺度改进加速鲁棒特征(SURF)分块特征匹配算法，定义为Modified-SURF(M-SURF)。此方法在运用图像积分技术的SURF基础上进行分块特征匹配，使计算速度进一步加快；同时使用了基于二阶多尺度模板生成的特征描述子，提高了特征点匹配的鲁棒性。文中首先推导了M-SURF算法二阶多尺度模板公式；然后，介绍了分块匹配的方法，解决了匹配计算速度与精度不能兼得的矛盾，通过实验获得了分块模板的最佳参数；最后，采用欧氏空间最近距离比次近距离的方法衡量匹配的优劣度，利用LMedS方法剔除误匹配点，使匹配精度有较大的提高。对多组图像进行了匹配实验，结果表明：与SURF和尺度不变特征变换(SIFT)算法比较，M-SURF的计算速度提高了28％，匹配精度提高了3％。该算法能够很好地实现特征点的正确匹配，具有很高的使用价值。

非局部均值算法将传统的图像去噪算法由局部计算模型推广到非局部计算模型，取得了良好的效果.但对于合成孔径雷达图像，使用观测值和各向同性邻域窗来度量相似性，缺乏鲁棒性和方向性，不利于捕获图像边缘结构信息.提出了基于非下采样Shearlet特征描述子和方向权值邻域窗的非局部均值算法.实验表明,该算法不但有效地去除了相干斑，而且很好地保持了图像的几何结构信息，为后期SAR图像的理解与解译奠定了良好的基础.

提出了一种基于灰度差分不变量区域统计直方图的快速局部特征描述算法来解决传统灰度差分不变量特征描述子计算复杂、稳定性较差且包含的信息量较少的问题。采用低阶且具有微分几何意义的灰度差分不变量描述特征点以降低特征描述子的计算复杂度，提高特征描述子的稳定性; 利用特征点邻域的灰度信息和区域信息提高特征描述子的信息含量，增强特征描述子的鲁棒性。将该算法应用于图像匹配。实验结果表明，在图像尺度缩放、旋转、模糊、亮度变化、较小视角变化和JPEG压缩等多种变换条件下，该描述子不仅能够取得较好的匹配效果，而且处理速度比尺度不换特征变换(SIFT)提高约2倍。