基于视觉注意的SVM彩色图像分割方法

提出一种基于视觉注意的自然场景彩色图像支持向量机（Support Vector Machine,SVM）分割方法。基于人类视觉注意机制将图像进行预分割,得到图像的显著区域和非显著区域,利用形态学操作对得到的图像进行处理,并自动选取和标注SVM的训练样本,用训练后的SVM分类器对整幅图像进行分割。该方法充分利用视觉注意机制方法的有效信息,解决了其边界不确定的缺陷,并且结合具有很好泛化性能的SVM学习方法,在无需先验知识以及任何人工干预的情况下,实现对自然场景图像的分割。为验证算法的有效性,分别从加州大学伯克利分校图像数据库及互联网选取多幅彩色图像进行实验,实验结果表明：该方法的分割结果不仅与人类视觉注意结果相一致,而且与伯克利图像数据库中人工标注结果相比,得到较好分割效果。     

基于交互式条件随机场的RGB-D图像语义分割

RGB-D图像语义分割是场景识别与分析的基础步骤,基于条件随机场(CRF)的图像分割方法不能有效应用于复杂多变的现实场景,因此提出一种交互式条件随机场的RGB-D图像语义分割方法。首先利用中值滤波和形态重构方法对Kinect相机拍摄的RGB-D图像进行预处理,降低图像噪声及数据缺失;其次,利用基于条件随机场的分割方法对经过预处理的图像进行自动分割,得到粗略的分割结果;最后,用户通过交互平台,将代表正确场景信息的标签反应到条件随机场模型中并进行模型更新,改善分割结果。通过多组实验验证了该算法不仅满足用户对于复杂场景分割与识别的需求,而且用户交互简单、方便、直观。相较于传统的基于条件随机场分割方法,该方法得到较高的分割精度和较好的识别效果。     

改进视觉背景提取模型的运动目标检测算法

针对视觉背景提取模型对动态场景适应性不强、运动目标检测精度低等问题,提出一种改进的视觉背景模型算法.在模型建立与初始化阶段,采用按序抽取的方法将像素点本身信息加入到背景模型中,形成邻域背景模型,降低复杂场景对模型的影响;在前景检测阶段,结合像素点的空间邻域信息自适应地获取分割阈值,减少各类复杂场景对检测结果的干扰,提高运动目标检测的精度;在背景更新阶段,根据场景复杂度动态地调整模型的更新周期与更新方式,使得模型能够有效地消除虚影与背景噪声的影响,增强模型对复杂场景的适应性与鲁棒性.与典型算法进行对比的实验结果表明,该算法具备较高的检测精度,适用于动态场景中的运动目标检测.     

结合目标色彩特征的基于注意力的图像分割

提出一种基于注意力的图像分割算法,在视觉场景选择机制基础上结合目标色彩特征的任务驱动机制,形成了自下而上和自上而下的注意力集成分割机理。该算法在图像的多尺度空间中,把视觉场景的亮度、颜色和方向特征与任务目标色彩特征同时进行提取,生成场景和目标相结合的显著图,然后在基于视觉注意力图像空间中对“场景-目标” 显著图进行归一化的跨尺度融合,最后通过双线性插值和显著图连通区域二值化分割出图像目标注意力焦点。应用该算法对自然场景与室内场景图像进行实验,结果表明该方法在各种环境中尤其是干扰物体较显著的情形下都能成功地分割提取出目标物体。     

分裂合并运动分割的多运动视觉里程计方法

目的 视觉里程计（visual odometry,VO）仅需要普通相机即可实现精度可观的自主定位,已经成为计算机视觉和机器人领域的研究热点,但是当前研究及应用大多基于场景为静态的假设,即场景中只有相机运动这一个运动模型,无法处理多个运动模型,因此本文提出一种基于分裂合并运动分割的多运动视觉里程计方法,获得场景中除相机运动外多个运动目标的运动状态。方法 基于传统的视觉里程计框架,引入多模型拟合的方法分割出动态场景中的多个运动模型,采用RANSAC（random sample consensus）方法估计出多个运动模型的运动参数实例;接着将相机运动信息以及各个运动目标的运动信息转换到统一的坐标系中,获得相机的视觉里程计结果,以及场景中各个运动目标对应各个时刻的位姿信息;最后采用局部窗口光束法平差直接对相机的姿态以及计算出来的相机相对于各个运动目标的姿态进行校正,利用相机运动模型的内点和各个时刻获得的相机相对于运动目标的运动参数,对多个运动模型的轨迹进行优化。结果 本文所构建的连续帧运动分割方法能够达到较好的分割结果,具有较好的鲁棒性,连续帧的分割精度均能达到近100%,充分保证后续估计各个运动模型参数的准确性。本文方法不仅能够有效估计出相机的位姿,还能估计出场景中存在的显著移动目标的位姿,在各个分段路径中相机自定位与移动目标的定位结果位置平均误差均小于6%。结论 本文方法能够同时分割出动态场景中的相机自身运动模型和不同运动的动态物体运动模型,进而同时估计出相机和各个动态物体的绝对运动轨迹,构建出多运动视觉里程计过程。     

融合边缘测度的自然场景彩色图像区域分割

针对传统分割方法基于单个视觉线索的不足,提出一种结合两种局部边缘测度的自然场景彩色图像区域分割方法.首先,采用logistic回归模型对200幅彩色图像进行训练,建立边缘测度与对象边界的回归模型;然后,采用该模型预测图像中每个像素的边界置信度;最后,将置信度的函数以自适应权重的形式整合到均值漂移分割算法中,实现图像区域分割.近20幅图像的定量和目视对比实验结果表明,本文方法能有效地控制过分割和欠分割的产生,且具有更好的区域边界定位效果.     

基于卷积神经网络的室内场景三维重建技术研究

三维场景重建技术是计算机视觉领域的十分重要的研究课题。传统三维场景重建大多是专业工程师通过手工制图实现,效率不高且成本较高。对此提出一种基于卷积神经网络的三维场景重建方法。该方法在对2D图像进行语义分割的基础上,提取分割后的室内场景元素图像块,训练一个基于卷积神经网络的三维模型匹配模型;再将匹配得到的三维模型结合深度图构造的残缺三维模型,进一步进行组合,从而完成室内场景的三维重建工作。实验验证了该方法的可行性和优异性。     

一种基于镜头聚类的视频场景分割方法

为了更好地进行视频信息检索和浏览,提出了一种利用视觉和运动特征来进行场景分割的方法,该方法在把镜头聚类到场景中时,不仅考虑同一场景内镜头的视觉特征相似性,而且还考虑了镜头的运动特征的一致性。此外,为避免过度分割,还提出了一种方法用来合并过度分割出的场景。实验结果表明,这种方法是有效的。     

基于计算机视觉的人脸检测

目前,人脸检测已成为计算机视觉领域中最活跃的研究主题之一。该文采用了YCrCb的颜色模型,引入了基于高斯模型的肤色分割,再用膨胀与腐蚀的操作检测出了人脸。实验表明该方法匹配速度快,精度较高。     

结合KSW和FCNN的道路场景分割

目的 随着自动驾驶技术不断引入生活,机器视觉中道路场景分割算法的研究已至关重要。传统方法中大多数研究者使用机器学习方法对阈值分割,而近年来深度学习的引入,使得卷积神经网络被广泛应用于该领域。方法 针对传统阈值分割方法难以有效提取多场景下道路图像阈值的问题和直接用深度神经网络来训练数据导致过分割严重的问题,本文提出了结合KSW（key seat wiper）和全卷积神经网络（FCNN）的道路场景分割方法,该方法结合了KSW熵法及遗传算法,利用深度学习在不同场景下的特征提取,并将其运用到无人驾驶技术的道路分割中。首先对道路场景测试集利用KSW熵法及遗传算法得到训练集,然后导入到全卷积神经网络中进行训练得到有效训练模型,最后通过训练模型实现对任意一幅道路场景图分割。结果 实验结果表明,在KITTI数据集中进行测试,天空和树木的分割精度分别达到91.3%和94.3%,道路、车辆、行人的分割精度提高了2%左右。从分割结果中明显看出,道路图像中的积水、泥潭、树木等信息存在的过分割现象有良好的改观。结论 相比传统机器学习道路场景分割方法,本文方法在一定程度上提高了分割精度。对比深度学习直接应用于道路场景分割的方法,本文方法在一定程度上避免了过分割现象,提高了模型的鲁棒性。综上所述,本文提出的结合KSW和FCNN的道路场景分割算法有广泛的研究前景,有望应用于医学图像和遥感图像的处理中。     

应急仿真中的碰撞检测算法研究

以应急仿真场景为背景,针对其中大量物体碰撞检测过程的需求,提出了层次包围盒与空间划分方法结合的实时碰撞检测算法,可以在完全不降低碰撞检测精度的同时,大大改进了仿真环境碰撞检测的效率,减轻了计算负担,提高了系统的实时性。     

道路网络在三维虚拟场景中的应用

计算道路网络在其所覆盖地理范围内带来的区域划分情况,针对道路网络在三维虚拟场景,特别是基于LOD地形模型的虚拟场景中的可视化出现的问题,该文提出一种基于模版阴影锥算法的道路绘制方法。仿真结果表明,该方法可在地形表面上精确绘制出道路 网络。     

江西师范大学人文生态校园虚拟仿真系统

以江西师范大学人文生态校园虚拟仿真系统为例,提出了以虚拟现实技术和三维仿真技术为核心,基于虚拟仿真平台,综合利用360度全景技术、GIS、多媒体信息和Web网络技术,建立富有人文生态元素的三维虚拟场景的方法。结果表明,这种方法建立的大规模虚拟场景在虚拟逼真度、仿真效果、运行效率和人机交互方面具有很好的优势。这一研究将虚拟仿真技术与人文生态理念相结合,为建设数字校园提供新思路,同时可以推广到园林、山河、湿地景观等虚拟现实应用中。     

基于图象的室内虚拟漫游系统

基于图象的绘制（Image Based Rendering)作为一种全新的图形绘制方式,以其相对于传统几何绘制而言,具有高效实用的优点,近年来得到了研究人员越来越多的关注,但IBR技术仍存在一些主要难点,如图象的无缝拼接和实时漫游。针对此问题,开发了一个基于部分球面模型的室内虚拟漫游系统。该系统采用自动匹配和人机交互相结合的方法,可以无缝地将多幅照片拼接成一张全景图,同时采用一种改进的基于查找表的算法,实现了固定视点的实时漫游。     

足球比赛场景的三维再现和自动解说

特定领域的视频解说巳成为当前多媒体研究的热点问题，其中一个主要应用领域是体育运动的解说与分析，文中介绍一个实用的足球比赛场景的三维重建和视频解说系统；首先通过足球比赛的视频序列恢复场景的三维模型，包括球员的位置、速度等参数，以及足球的运动轨迹，并根据这些信息和特定的先验知识识别球员的动作行为；进而对比赛过程加以评论；最后构造一个OpenGL的虚拟环境，用户可以在球场上漫游，从任意视角观看比赛。     

一种基于NPR的虚拟环境生成方法

非真实感绘制(NPR)为传统虚拟现实技术的使用开辟了新的空间。针对传统基于图像的绘制无法满足艺术风格虚拟环境需要的问题,通过将非真实感绘制技术引入虚拟场景构建中,提出了一种基于非真实感绘制的虚拟环境生成方法。该方法首先通过计算结构张量刻画图像局部结构,并采用全变分偏微分方程自适应滤波处理来得到平滑张量场;然后在此基础上采用线积分卷积指导画笔走向来模拟生成线条波动感艺术图像;最后将其融入3维场景来生成可漫游的艺术感虚拟环境。实验结果表明,采用该新算法不仅可以较好地模拟线条波动感艺术图像,而且可实现艺术风格虚拟环境的构建。     

基于OpenGVS战场火焰烟雾的模拟

战场特效有助于虚拟战场环境气氛的烘托,其模拟质量直接影响着整个战场仿真的质量.对于战场上的烟雾、火焰等不规则物体,不能采用传统的几何方法建模,而只能采用粒子系统等复杂的数学模型进行模拟.但在战场环境模拟时,同一场景中常常会出现多处火焰、烟雾的情况,这时巨大的计算量势必大大影响场景仿真的实时性.文章对基于OpenGVS的特效实现方法进行了研究,提出一种基于OpenGVS开发平台,将粒子系统模型与二维纹理动画模拟相结合的实现方式,明显减少了模拟所需计算量.将此方法运用到某型高炮训练仿真器的场景模拟中,实际应用表明,保证实时性的同时使战场特效得到了高质量的模拟.     

复杂机电产品线缆虚实融合装配体系构建及其关键技术

针对传统的基于实物样机的线缆模拟装配实验方法造成的效率低、精确度低、装配 质量和可靠性难以得到保证等问题,提出一种面向复杂机电产品的线缆虚实融合装配方法。首先 在分析了增强现实技术应用于线缆装配的优势基础上,构建了基于增强现实的线缆虚实融合装配 体系;其次,对装配体系中涉及到的关键技术进行了介绍,重点对线缆三维注册技术、线缆虚实 遮挡技术、线缆虚实光照技术以及相机标定与跟踪技术等关键技术进行了阐述;最后介绍了线缆 虚实融合装配研究内容,给出了基于增强现实的线缆虚实融合装配系统运行流程。     

基于多视频的虚实融合系统

提出了一种基于多视频的虚实融合可视化系统的构建方法,旨在将真实世界中的图像和视频融合到虚拟场景中,用视频图像中的纹理和动态信息去丰富虚拟场景,提高虚拟环境的真实性,得到一种增强的虚拟环境.利用无人机采集图像来重建虚拟场景,并借助图像特征点的匹配来实现视频图像的注册.然后利用投影纹理映射技术,将图像投影到虚拟场景中.视频中的动态物体由于在虚拟环境中缺失对应的三维模型,直接投影,当视点发生变化时会产生畸变.首先检测和追踪这些物体,然后尝试使用多种显示方式来解决畸变问题.此外,系统还考虑有重叠区域的多视频之间的融合.实验结果表明,所构造的虚实融合环境是十分有益的.