一种改进的柱面全景视图生成方法

研究了相机存在绕光轴转动的情况下柱面全景图的生成，首先对柱面图像进行傅立叶变换，根据图像的傅立叶谱来估算出图像间的初始平移和旋转运动参数，再利用Levenberg-Marquardt非线性最小化方法逐步求精各运动参数，最后根据计算出的运动参数进行图像拼合获得柱面全景视图，实验结果表明该算法可以获得比较理想的拼接效果．     

全景图像镶嵌中累积误差的分析与减少方法研究

针对全景图像镶嵌中累积误差的问题,提出了一种基于多次柱面投影的变换基准图策略。首先,为了将累积误差有效地分散到各相邻图像之间,并减少柱面投影变换的计算量,算法利用相位相关和多分辨率分解法对柱面投影算法进行了改进;然后,利用改进变换基准图的分层匹配策略对图像序列进行镶嵌,避免了误差的单向累积;最后,运用拉普拉斯算子对镶嵌图像分级融合,消除了镶嵌缝隙。实验结果表明,该方法可以大大减弱镶嵌过程中累积误差的影响,提高图像的镶嵌精度。     

基于OpenCV的曲面全景投影算法研究

在实景展示问题的研究中,全景图是虚拟现实场景显示的重要方法.结合OpenCV开源计算机视觉库,设计了曲面全景投影中的一种特殊情况,即全景图像环状柱面投影并旋转算法,主要包括基于平面图像的柱面止投影算法、图像拼接方法、基于图像截取实现图像旋转效果算法、图像拆分方法和从柱面到外切平面投影算法五个部分.整个算法结合微机自带显卡中的图形处理器GPU,保证图像处理的实时性要求.同时由于OpenCV有较强的图像处理功能,使得算法描述非常简单.实验结果表明,整个算法实现效果较好,为后续的大型正交多幕特种电影集成技术及应用奠定了良好的基础.     

一种柱面全景图像自动拼接算法

提出了一种基于特征块匹配的柱面全景图像拼接算法.首先将360度环绕拍摄的序列图像投影到柱面坐标系下;然后以一幅图像为基准图像,选择基准图像中边缘信息丰富的块作为基准块,利用特征块匹配法在待配准图像中找出与基准块匹配的配准块,进而实现两幅图像的配准;再根据配准结果计算出图像间的变换参数;最后采用平滑因子对两幅图像的重叠区域进行图像无缝拼接.实验证明,算法可以快速自动地生成柱面全景图像,具有良好的鲁棒性.     

人脸全景纹理图像拼接算法

研究人脸部位真实图像问题,为了获得真实感人脸三维模型,提出一种柱面人脸全景纹理图像拼接算法.考虑到人头部接近于一个圆柱体以及因投影方向不同直接进行拼接会造成视觉的不一致性,采用了一种人脸特征的柱面投影方法;针对人脸纹理特征信息丰富的特点,利用特征块匹配法配准相邻的图像;再根据亮度直方图均衡法消除相邻图像的亮度差异;并使用改进的平滑因子实现图像的平滑过渡.实验表明算法能够有效地消除视觉不一致性,快速有效地生成真实感人脸全景图像,为人脸三维建模提供参考依据.     

局部特征及视觉一致性的柱面全景拼接算法

目的 传统的基于平面拼接算法生成的全景图像存在严重的失真问题,很难保证良好的视觉一致性;而普通柱面拼接算法无法较好地满足实时性要求。为此,提出一种基于改进SIFT（scale-invariant feature transform）特征描述子的柱面全景图像拼接算法。方法 首先将待拼接的图像序列进行柱面投影,利用改进的SIFT特征检测器获取图像中的特征点,生成64维SIFT特征描述子;然后根据特征描述子之间的欧氏距离提取初始特征点对,利用RANSAC（random sample consensus）方法进一步剔除伪匹配特征点对并建立待拼接图像之间的空间变换矩阵;最后根据图像之间的空间变换矩阵进行图像配准,采用加权平均融合的方法完成图像的无缝拼接。结果 本文全景图拼接算法,可以有效地克服平面拼接算法存在的失真问题,保证了全景图像的视觉一致性。同时,相比普通柱面拼接算法,本文算法的拼接速度提高了近一倍。结论 通过对不同尺寸和数量的图像序列构建全景图,相对于平面拼接算法和普通柱面拼接算法,本文算法可以有效实现图像之间的拼接,生成宽视野、高分辨率的全景图像,且能够应用于对实时性要求比较高的图像拼接场合。     

凸多面体快速碰撞检测的投影分离算法

为了有效地提高凸面体之间的碰撞检测效率,提出一种凸多面体快速碰撞检测的投影分离算法.该算法通过判断2个凸多面体在中心线上的正投影不相交,或者分别构造它们的准投影分离面集合,并从这2个集合中找到一个投影分离面,来判断2个凸多面体分离;否则,判断为相交.对于2个准投影分离面集合,依次交替地判断它们的每一个面是投影分离面还是相交面,以加快2个凸多面体相交检测.计算复杂度分析和数值实验表明:该算法平均检测效率高于其他检测算法.     

一种快速全景图像拼接技术

目前，全景图像的拼接是基于图像绘制技术(IBR)研究的主要内容。本文提出一种新的快速有效的全景图像的拼接算法。在图像对齐中，对基于快速傅立叶变换(FFT)的相位相关度法进行了改进，提出了2幂子图像的概念，采用了基于2幂子图像的FFT对齐方法，从而减小了FFT的计算量，使改进后的算法对图像对齐更加快速和减小图像间重叠率。在柱面坐标下，使用迭代方法计算照相机焦距参数。并采用融合前平滑过渡的算法。最后就实际的系统IMV进行实验证明。     

基于全景图像的VR建模研究及实现

在阐述了虚拟柱面全景模型及相关技术的基础上,设计了一种增强图像匹配效果、并能较好地消除“黑洞”现象的建模方法。该方法利用基于特征线段的匹配算法对图像进行匹配,然后用渐入渐出的方法进行平滑无缝拼接,再以反投影算法生成全景图像、正投影算法生成各视线方向的视图,最终在浏览器中实现了柱面全景图像的漫游。     

一种快速的柱面全景图像拼接算法

长久以来在计算机视觉、图像处理和计算机图形学的研究中,图像拼接技术一直都是主流方向。利用它能够构造大场景图像及全景图像,借此以产生大视角的高清晰度图像。目前,这种技术被广泛应用在虚拟现实领域、医学图像处理领域、遥感技术领域和军事领域中。提出了一种基于图像特征点匹配的柱面全景图像拼接算法,实验表明,该算法具有匹配精度高、鲁棒性强等特点,可以快速而高效地生成柱面全景图像,具有很高的实用价值。     

图像超分辨重建算法综述

图像超分辨重建是一种提升图像分辨率的图像处理技术,而超分辨问题是一个难解的欠定问题,近些年来研究人员主要采用基于学习的方法,从大量数据中学习图像先验信息,以实现对解空间的约束。本文介绍了近20年来主流的图像超分辨重建算法,主要分为基于传统特征的方法和基于深度学习的方法。对于传统的超分辨重建算法,阐述了基于邻域嵌入的方法、基于稀疏表示的方法以及基于局部线性回归的方法。对于基于深度学习的超分辨重建算法,详细总结了网络模型结构设计、上采样方式、损失函数形式以及复杂条件下的算法设计4个方面。此外,本文简要分析了超分辨重建技术在视频超分辨、遥感图像超分辨以及在视觉高层任务方面的应用。最后,本文展望了图像超分辨重建技术的未来发展方向。     

基于VTK人体肺部的三维重建

医学图像三维重建技术是利用二维医学图像序列重建出三维模型,为医生提供直观、全面、准确的病灶和正常组织信息,是当今医学影像领域研究的热点之一。利用一个包含了多种面绘制技术的基于面向对象方法设计的、功能强大的可视化类库Visuali zation ToolKit（VTK）进行人体肺部断层图像的三维重建,讨论了面绘制算法中最常用的移动立方体法（MC）。重建效果表明基于VTK的面绘制技术具有应用灵活、重建效果逼真、重建速度较快等优点。为进一步研究人体肺部的动态建模打下基础。     

空间自适应正则化超分辨率图像重建

超分辨率图像重建是一个病态问题,在重建过程中需要正则化处理,而正则化重建会引入正则化误差及重建过程中由于病态性而引入的噪声放大误差,且这两类误差均和图像的空间局部特性有关.提出根据图像的局部空间统计特性自适应控制超分辨率图像正则化重建算法,采用图像局部统计方差来区分图像棱边区域及平滑区域,在图像的棱边区域加强图像的约束重建,而在图像的平滑区域加强正则化.实验表明该算法能有效地减小重建误差,算法的信噪比得益优于传统的正则化重建算法及总变分模型重建算法,并且对正则化参数的选择具有一定的鲁棒性.     

基于图像二分法的封闭轮廓提取方法

论文研究了封闭目标轮廓提取问题。改进了基于最小作用曲面与鞍点的封闭轮廓曲线提取方法,提出了一种基于最小作用曲面及图像二分法的封闭轮廓提取方法,用一条直线将图像分成两幅小图像,以一种简单的方式解决了封闭轮廓曲线检测问题,避免了复杂的鞍点检测过程,从理论上分析了基于最小作用曲面及图像二分法的封闭轮廓曲线提取方法的算法复杂性,证明了该方法的运行时间比基于最小作用曲面与鞍点的封闭轮廓曲线提取方法短。     

基于马鞍地形的无线传感器网络节点定位算法

无线传感器网络三维DV-Hop定位算法直接应用于山区地形会存在较大的节点定位误差。对此本文提出了基于山区马鞍地形的节点定位算法NLA-ST。该算法首先利用双曲抛物面函数拟合山区马鞍地形,然后应用三维DV-Hop定位算法计算节点初始位置,并将该初始位置垂直投影到马鞍地形表面。对投影节点坐标的非线性方程组进行了推导,并采用数值解法实现对节点最终坐标的计算。仿真实验表明,NLA-ST定位算法受马鞍地形参数影响较小且具有较高定位精度,能够有效满足实际应用需求。     

用于两相流电容层析成像系统中的图像重建算法

图像重建算法研究和增加投影数据是改善图像重建质量的两个重要方面。由于目前在ECT系统中存在着一种基于奇异值分解（SVD）的图像重建算法,此算法中的奇异值将对应图像重建矩阵中很大的对角线元素,从而导致伪逆很不稳定。因而讨论了改进的基于奇异值分解（MSVD）的图像重建算法,该算法是用改进奇异值分解方法求出图像重建矩阵。仿真及实验结果均表明该算法是一种实时的、重建图像质量优于SVD。     

Vector-entropy optimization-based neural-network approach to imagereconstruction from projections

In this paper we propose a multiobjective decision making based neural-network model and algorithm for image reconstruction from projections. This model combines the Hopfield's model and multiobjective decision making approach. We develop a weighted sum optimization based neural-network algorithm. The dynamical process of the net is based on minimization of a weighted sum energy function and Euler's iteration, and apply this algorithm to image reconstruction from computer-generated noisy projections and Siemens Somatson DR scanner data, respectively. Reconstructions based on this method is shown to be superior to conventional iterative reconstruction algorithms such as the multiplicate algebraic reconstruction technique (MART) and convolution from the point of view of accuracy of reconstruction. Computer simulation using the multiobjective method shows a significant improvement in image quality and convergence behavior over the conventional algorithms     

基于局部回归模型的图像超分辨率重建

针对基于稀疏重建的图像超分辨率(SR)算法一般需要外部训练样本,重建质量取决于待重建图像与训练样本的相似度的问题,提出一种基于局部回归模型的图像超分辨率重建算法。利用局部图像结构会在不同的图像尺度对应位置重复出现的事实,建立从低到高分辨率图像块的非线性映射函数一阶近似模型用于超分辨率重建。其中,非线性映射函数的先验模型是直接对输入图像及其低频带图像的对应位样本块对通过字典学习的方法得到。重建图像块时利用图像中的非局部自相似性,对多个非局部自相似块分别应用一阶回归模型,加权综合得到高分辨率图像块。实验结果表明,该算法重建的图像与同样利用图像具有自相似性的相关超分辨率算法相比,峰值信噪比(PSNR)平均提高0.3~1.1 dB,主观重建效果亦有明显提高。     

视频压缩感知多假设局部增强重构算法

在基于多假设预测的视频压缩感知重构中, 不同图像块对应的假设集匹配程度差异较大, 因此重构难度差异明显. 本文提出多假设局部增强重构算法(Local enhancement reconstruction algorithm based on multi-hypothesis prediction, MH-LE), 利用帧间相关性对图像块进行分类后针对运动图像块提出像素域双路匹配策略, 通过强化图像块基本特征来提高相似块匹配效果, 获取更高质量的假设集; 同时将结构相似度评价标准引入假设块权值分配过程, 提高预测精度. 仿真结果表明, 所提算法的重构质量明显优于其他多假设预测重构算法. 和基于组稀疏的重构算法相比, 所提算法具有更快的重构速度, 在大部分的采样率条件下具有更高的重构质量.     

Viewpoint invariant recovery of visual surfaces from sparse data

An algorithm for the reconstruction of visual surfaces from sparse data is proposed. An important aspect of this algorithm is that the surface estimated from the sparse data is approximately invariant with respect to rigid transformation of the surface in 3D space. The algorithm is based on casting the problem as an ill-posed inverse problem that must be stabilized using a priori information related to the image and constraint formation. To form a surface estimate that is approximately invariant with respect to viewpoint, the stabilizing information is based on invariant surface characteristics. With appropriate approximations, this results in a convex functional to minimize, which is then solved using finite element analysis. The relationship of this algorithm to several previously proposed reconstruction algorithms is discussed, and several examples that demonstrate its effectiveness in reconstructing viewpoint-invariant surface estimates are given