软分割约束边缘保持插值的半自动2D转3D

半自动2D转3D将用户标注的稀疏深度转换成稠密深度,是解决3D片源不足的主要手段之一.针对现有方法利用硬分割增强深度边缘引入误差的问题,提出像素点与超像素深度一致性约束的边缘保持插值方法.首先,建立像素点深度和超像素深度传播的能量模型,通过像素点与所属超像素间深度差异的约束项将二者关联起来;其次,利用矩阵表示形式将两个能量模型的最优化转换成一个稀疏线性方程组的求解问题.通过超像素提供的约束项,可避免深度传播穿过低对比度边缘区域,从而能保持对象边缘.实验结果表明,本文方法对象边缘处深度恢复的准确性优于融合图割的随机游走方法,PSNR改善了1.5dB以上.     

加权SIFT流深度迁移的单幅图像2D转3D

2D视频转3D视频是解决3D片源不足的主要手段,而单幅图像的深度估计是其中的关键步骤.提出基于加权SIFT流深度迁移和能量模型优化的单幅图像深度提取方法.首先利用图像的全局描述符从深度图数据库中检索出近邻图像;其次通过SIFT流建立输入图像和近邻图像之间像素级稠密对应关系;再次由SIFT流误差计算迁移权重,将近邻图像对应像素点的深度乘以权重后迁移到输入图像上;然后利用均值滤波对迁移后的近邻图像深度进行融合;最后建立深度图优化能量模型,在尽量接近迁移后近邻图像深度的前提下,平滑梯度较小区域的深度.实验结果表明,该方法降低了估计深度图的平均相对误差,增强了深度图的均匀性.     

变形L1正则化的高光谱图像稀疏解混

如何准确地刻画易于求解的稀疏正则化函数是高光谱图像稀疏解混的难点。变形L₁正则化函数是一类由绝对值函数组成的双线性变换的单参数族,类似于L_pp∈0,1范数,通过调整参数a∈0,可以准确表征L₀和L₁之间的任意范数,并具有无偏、稀疏和Lipschitz连续性。论文首先研究变形L₁正则化函数,然后提出变形L₁正则化的高光谱稀疏解混变分模型,最后提出变形L₁正则化高光谱稀疏解混模型的凸函数差分求解算法。通过模拟和真实的高光谱数据实验,与经典的SUnSAL算法相比,表明提出的算法能够更准确地刻画丰度系数的稀疏性,并获得更高的解混精度。     

对象引导的单幅散焦图像深度提取方法

2D图像转3D图像是解决3D影视内容缺乏的主要手段之一,而深度提取是其中的关键步骤.考虑到影视作品中存在大量散焦图像,提出单幅散焦图像深度估计的方法:首先通过高斯卷积将散焦图像转换成两幅模糊程度不同的图像;其次计算这两幅图像在边缘处的梯度幅值比例,进而根据阶跃信号与镜头的卷积模型得到边缘处的模糊度;再次将边缘处的模糊度转换成图像的稀疏深度并利用拉普拉斯矩阵插值得到稠密深度图;最后通过图像的视觉显著度提取前景对象,建立对象引导的深度图优化能量模型,使前景的深度趋于一致并平滑梯度较小区域的深度.该方法利用对象引导的深度优化,剔除了拉普拉斯矩阵插值引入深度图的纹理信息.模拟图像的峰值信噪比和真实图像的视觉对比均表明该算法比现有方法有较大改善.     

具有双重稀疏机制的在线学习算法

针对大数据背景下数据分类问题,已有的在线学习算法通常引入L₁范数正则化增强预测模型的稀疏性,但单一的正则化约束不能高效的获取稀疏模型.基于此,提出了一种具有双重稀疏机制的在线学习算法（an online learning algorithm with dual sparse mechanisms,DSOL）.在DSOL算法中,一方面利用L_1/2正则化项约束目标函数以增强预测模型的稀疏性,提高算法的泛化性能.另一方面用改进的梯度截取法对数据特征进行选择,有效稀疏化预测模型.通过L_1/2正则化与改进的梯度截取策略的有机融合,有效利用了历史数据信息,提高了算法分类数据的性能.通过与另4种代表性稀疏在线学习算法在9个公开数据集的实验对比表明DSOL算法对数据分类的准确性更高.     

基于非局部随机游走和运动补偿的2D转3D优化方法

D转3D技术可以从2D资源中获取深度信息,以满足3D显示对3D内容的需求。针 对2D转 3D深度估计中的深度优化问题,提出一种基于非局部随机游走(NRW)和运动补偿的 深度优化算 法。本文方法在采用NRW和移动双边滤波(SBF)获得关键帧和非关键帧深度图的基础上,为 了锐化非关 键帧深度序列对象边界,结合纹理信息利用NRW算法优化深度图,同时又考虑相邻帧间的时 域信息,采 用运动补偿的方法对非关键帧深度序列进行优化,获得高质量的深度视频序列。实验结果表 明,本文方法可以得到对象边界更加准确的深度视频估计结果。     

基于子空间结构正则化的L21非负矩阵分解高光谱解混

标准的非负矩阵分解(NMF)应用于高光谱解混时,容易受到噪声和异常值的干扰,解混效果较差。为了提高分解性能,该文将L₂₁范数引入标准的NMF算法中,对模型进行了改进,从而提高算法的鲁棒性。其次,为了提高分解后丰度矩阵的稀疏性,将双重加权稀疏约束引入L₂₁NMF模型中,使其中一个权值提高每个像元对应的丰度向量上的稀疏性,另一个权值提高每个端元对应的丰度向量上的稀疏性。同时,为了利用像元的全局空间分布信息,观察地物在不同图像中的真实分布情况,引入子空间结构正则项,提出了基于子空间结构正则化的L₂₁非负矩阵分解(L₂₁NMF-SSR)算法。通过在模拟数据集和真实数据集与其他经典算法的比较,验证了该算法具有更好的性能,同时具有去噪能力。     

微型实时多目立体视觉机设计与实现

本文给出一种实时计算场景稠密深度图的多目立体视觉机设计与实现方法.立体视觉机使用多个微型摄像机同步获取场景图像,采用图像修正、LoG滤波、多立体图像对匹配和稠密深度图等并行算法,利用FPGA的大规模并行处理能力和各算法间的多级流水线关系,在一片FPGA芯片上实现了立体视觉信息的实时处理.设计的立体视觉机体积小,运行速度快.当图像分辨率为320×240像素,深度搜索范围为64级,深度图精度为8位,时钟频率为60MHz时,恢复稠密深度图的速度大于30帧/秒.     

基于Kinect的景深提取算法研究

景深提取算法的研究是近年来兴起的热点,其在三维重建的流程中发挥着最重要的作用。本文将要探讨利用微软产品Kinect for windows进行景深提取,我们利用Kinect SDK进行接口编程,提取出相同时间相同场景下所对应的深度图和RGB图像,并对图像作伸缩和剪切处理使得两幅图像对应像素对齐,对于无法检测的区域利用改进的中值插值算法来重建深度信息。最后将处理后的深度图和RGB图像制作成符合条件的2D+Z格式,在柱状透镜裸眼显示器终端上显示。     

基于聚类的图像稀疏去噪方法

在图像去噪方法的研究中,非局部均值算法与稀疏去噪算法是近几年受到广为关注的方法.非局部均值算法将具有邻域相似性的像素点作加权平均;而稀疏去噪算法是将图像的非噪声部分用过完备字典进行稀疏表示.基于上述两种方法的思想,本文提出了基于聚类的稀疏去噪方法,该方法结合了非局部均值算法与稀疏去噪算法的优点,对相似的图像块进行聚类,并通过施加l1/l2范数的正则化约束,对同一类中的图像块在过完备字典上进行相同结构的稀疏表示,从而达到去噪目的.在字典的选择上,本文使用DCT字典和双正交小波字典,能够同时保留原图像中的平滑分量与细节分量.实验结果表明,本文方法比传统的稀疏去噪方法有更好的去噪效果.     

一种基于L_1范数的非局部变分图像复原模型

针对L_2范数的非局部变分模型在迭代过程中未考虑图像局部梯度信息,模糊图像细节信息的缺点,提出了一种基于L_1范数的非局部变分模型。首先,对基于L_1范数的非局部变分模型的扩散性能进行了详细的分析。接着,将该模型应用于退化图像的复原中,并推导出该模型的Bregman交替迭代求解过程。最后,通过对比实验,证明本文提出的L_1范数的非局部变分复原模型能更好地重构图像的细节信息,相对于L_2范数的非局部变分模型峰值信噪比提高大于1dB,图像复原性能更优。     

Pattern synthesis for arbitrary arrays using an adaptive arraymethod

This paper presents a new pattern synthesis algorithm for arbitrary arrays based on adaptive array theory. With this algorithm, the designer can efficiently control both mainlobe shaping and sidelobe levels. The element weights optimize a weighted L₂ norm between desired and achieved patterns. The values of the weighting function in the L₂ norm, interpreted as imaginary jammers as in Olen and Compton's (1990) method, are iterated to minimize exceedance of the desired sidelobe levels and minimize the absolute difference between desired and achieved mainlobe patterns. The sidelobe control can be achieved by iteration only on sidelobe peaks. In comparison to Olen and Compton's method, the new algorithm provides a great improvement in mainlobe shaping control. Example simulations, including both nonuniform linear and planar arrays, are shown to illustrate the effectiveness of this algorithm     

Fast nearest neighbour searching algorithm using L1 norm

Simple but effective fast codebook searching algorithms for vector quantisation are presented. The Euclidean distance (L₂ norm) calculation requires a number of multiplications. The proposed algorithms use the L₁ norm between the input vector and codeword to discard many unlikely codewords. Since the proposed algorithms significantly reduce the number of multiplications, a considerable reduction in encoding time is achieved. Simulation results confirm the effectiveness of the proposed algorithms     

Recovery of a sparse spike time series by L1 normdeconvolution

An L₁ norm minimization scheme is applied to the determination of the impulse response vector h of flaws detected in practical examples of ultrasonic nondestructive evaluation in CANDU nuclear reactors. For each problem, parametric programming is applied to find the optimum value of the damping parameter that will yield the best estimate of h according to a quantified performance factor. This performance factor is based on a quantified analysis of the transitions in estimates of h as the damping parameter is varied over a wide range of possible values. It is shown that for the examined cases in which the true impulse response is a sparsely filled spike strain, the L₁ norm provides significantly better results than the more commonly used L₂ norm minimization schemes. These results are shown to be consistent with theoretical predictions     

Robust linear prediction of speech signals based on orthogonalframework

A linear prediction is formulated via the orthogonal principle to facilitate the incorporation of various error minimisation criteria. A weighting function, which downplays extreme errors, is used to provide a robust estimate lying between the L₁ and L₂ criteria. Experiments based on synthetic vowels reveal that the proposed method outperforms the L₁ and L₂ estimates