一种基于最小二乘估计的深度图像曲面拟合方法

1　引言深度图像数据直接反映了景物表面的三维几何信息 ,因而得到了计算机视觉研究人员的关注 .在深度图像的三维表面分析中 ,包含有丰富几何形状信息的表面局部特征 ,如法向矢量 ,高斯曲率等 ,对于分析和描述三维表面特性非常重要 .用模板法可以提取这些特征 ,但其抗噪声能力差[1 ] .曲面拟合是另一条思路 .通过拟合三维表面再计算表面几何特征 .文献[2 ,3 ]研究了两种方法拟合三维表面 ,抗噪声能力也不好 .一般来说 ,深度图像数据根据等角测距原理获得 ,因而不是等网格间距深度数据 .美国Perceptron公司提供了一种深度数据 :非等网格深…     

一种基于B样条曲面的深度图像重抽样方法

银行深度图像处理中由于等角测距造成的几何失真,根据非等网格深度数据的数值特点,文中提出了一种基于B样条曲面的深度图像重抽样方法,并且与其它一些三维插值方法进行了精度比较。该文利用真实深度图像进行了重抽样实验,结果表明,基于B样条曲面的重抽样方法有效地克服了原始图像数据中存在的几何失真以及测量噪声,为后续的三维表面处理提供了更为精确的三维网格深度数据。     

遮挡场景的光场图像深度估计方法

光场相机通过单次拍摄可获取立体空间中的4维光场数据,利用光场的多视角特性可从中提取全光场图像的深度信息.然而,现有深度估计方法很少考虑场景中存在遮挡的情况,当场景中有遮挡时,提取深度信息的精度会明显降低.对此,提出一种新的基于多线索融合的光场图像深度提取方法以获取高精度的深度信息.首先分别利用自适应散焦算法和自适应匹配算法提取场景的深度信息;然后用峰值比作为置信以加权融合两种算法获取的深度;最后,用具有结构一致性的交互结构联合滤波器对融合深度图进行滤波,得到高精度深度图.合成数据集和真实数据集的实验结果表明,与其他先进算法相比,所提出的算法获取的深度图精度更高、噪声更少、图像边缘保持效果更好.     

一种抗粉尘遮挡的卸料孔检测方法

为解决粉镀锌卸料时卸料孔被锌粉遮挡,单一模型目标检测网络或方法无法很好地识别问题,提出一种专门的、融合多种特征模型的检测方法来辅助卸料.首先,用深度可分离卷积代替Tiny-YOLOv3(you only look once version 3)中的传统卷积,并调整损失函数,适应新的训练;接着,用像素统计判断目标区域遮挡情况,运用轨迹特征和形态特征模型对当前帧进行预测;最后,遵循模型融合规则,用预测结果对目标检测网络结果进行优化.实验结果表明在卸料孔长时间遮挡严重情况下,改进后的融合模型表现最好,总体AP(average prediction)达到99.38％,AIOU(average intersection over union)达到88.74％,同时满足实时检测要求,有效解决了粉尘强遮挡条件下工装卸料孔动态检测问题.     

一种基于深度学习的遥感图像目标检测算法

遥感图像分析在国土资源管理、海洋监测等领域有着极为广阔的应用前景。深度学习技术已在图像处理领域取得突破性进展,然而,遥感图像固有的尺寸大、目标小而密集等特点,使得将面向普通图像的深度学习方法用于遥感目标检测普遍存在定位不准确、小目标检测难、大图检测精度差等问题。针对上述难题, 提出了一种新型遥感图像目标检测算法DFS。与传统机器学习方法相比,DFS 设计了新的维度聚类模块、定制损失函数和滑动窗口分割检测机制。其中,维度聚类模块通过设计聚类机制优化定制先验框,提高定位精度;定制损失函数提高对船只等小目标的检测精度;滑动窗口分割检测解决大图检测精度低的问题。在经典遥感数据集上开展的实验对比表明,与YOLOv2相比,DFS算法的mAP提高了256%,小目标检测效率及大图检测效能大幅提高。     

一种基于遮挡区域补偿的眼镜去除方法

为了提高戴眼镜人脸图像的识别率, 提出了一种从人脸图像中检测并去除眼镜的方法。首先对输入的戴眼镜人脸图像与系统预留的无眼镜人脸图像进行基于人眼位置的标定, 检测出眼镜遮挡区域, 再用无眼镜人脸图像中对应的遮挡区域对戴眼镜人脸图像进行补偿, 从而合成了对应输入图像的不戴眼镜的人脸图像。实验结果表明, 该方法能有效地合成无眼镜人脸图像, 将合成后的人脸图像再应用于人脸识别系统, 识别率显著提高。     

一种基于空洞卷积的遮挡目标检测方法

本文提出了一种基于两阶段目标检测的方法,该方法基于FasterR-CNN模型,以ResNet50为主干网络,利用特征金字塔网络融合多个特征层的上下文信息,并在后续特征图的处理过程中加入空洞卷积,以扩大特征图的感受野,增强对遮挡目标的检测。     

基于图像重建的深度估计方法

实现可靠精度的深度估计是三维目标检测方法的关键,该文提出了一种图像深度估计方法。基于深度学习方法,通过训练深度神经网络,从立体图像的一幅图像中重建另一幅图像实现深度估计,并在训练中采用最小化深度误差替代最小化视差误差,利用立体图像对的几何约束引入左右视图一致性损失实现更加精确的深度估计。针对图像真实深度数据获取困难、数据集制作成本高的问题,构建了基于图像重建的自监督训练的图像深度估计框架,不需要图像真实深度数据,节省了数据集制作成本;针对深度估计误差随深度的增加急剧增大的问题,采用最小化深度误差替代最小化视差误差,解决了深度估计网络过分强调近处的微小深度误差而忽略远处深度误差的问题。另外,该文还充分利用了立体图像对的几何约束,在训练中引入左右视图一致性损失来提高深度估计的准确性。实验验证了提出的图像深度估计方法在性能上优于现有的其他方法,对远处区域和细小目标进行深度估计时具有更好的性能。     

遮挡人脸表情识别深度学习方法研究进展

在真实环境下遮挡是准确分析识别人脸表情的主要障碍之一。近年来研究者采用深度学习技术解决遮挡条件下表情误识别率高的问题。针对遮挡表情识别的深度学习算法和遮挡相关的问题进行归纳总结。首先,概括局部遮挡条件下表情识别的发展现状、表情的表示方式以及研究遮挡表情用到的数据集;其次,回顾遮挡表情识别深度学习方法的最新进展和分析遮挡对表情的影响;最后,总结主要技术挑战,研究难点及其可能的应对策略。目的是为将来的遮挡表情识别研究提供更有益的参考依据和基准。     

基于深度图像增益的RGB-D显著性物体检测

深度信息已被证明在显著性物体检测中是一个实用信息,但是深度信息和RGB信息如何更好地实现互补从而达到更高的性能仍是一个值得探究的事情。为此,本文提出一种基于深度图像增益的RGB-D显著性物体检测方法。在双分支的网络结构中增加一个增益子网,采用显著图作差的方法获得深度图片为显著性检测带来的增益,作为增益子网预训练的伪GT。三分支网络分别获取RGB特征、深度特征和深度增益信息,最终将三分支的特征进行融合得到最终的显著性物体检测的结果,增益信息为双分支特征融合提供融合依据。基于深度图像增益的显著性物体检测实验结果表明,该方法得到的显著性物体前景物体更加突出,在多个实验数据集上也有着更优秀的表现。     

基于深度信息的压缩感知人脸检测跟踪

传统的压缩感知跟踪是基于彩色视频图像序列中的目标跟踪, 但在跟踪过程中可能会受到光照变化和旋转遮挡因素的影响, 从而导致复杂环境下跟踪结果的鲁棒性不足. 为了获得稳定的跟踪结果, 提出了一种基于深度信息的压缩感知人脸检测跟踪算法. 首先, 根据改进的质心分割算法确定首帧深度图中人脸的跟踪位置. 其次, 根据深度信息计算出深度图中每一点对应的平均曲率并形成平均曲率图. 然后, 基于平均曲率图随机提取压缩特征; 最后, 通过压缩降维, 目标邻域搜索, 迭代更新特征模板, 计算出平均曲率图中下一帧人脸的最优跟踪位置, 实现人脸跟踪. 实验结果表明, 将人脸的深度信息和压缩感知特征相结合在光照变化和旋转遮挡情况下具有很好的鲁棒性, 能更好的实现复杂背景下对多姿态人脸的跟踪.     

基于分形图像编码的海空目标检测方法研究

提出了一种基于分形图像编码的海空目标检测方法。对图像平滑滤波后，进行快速无搜索编码，利用编码过程中各值域块的均方根误差来判断该块是否包含人造目标，标记包含人造目标的值域块，并将邻近的标记块连接起来，就可以得到完整的目标区域。实验结果表明，该方法对海空背景下的目标检测具有较高的准确率，且抗噪能力强，处理速度快，能够满足实时处理的要求。     

基于图像三维地形模型的路面裂缝自动检测

针对现有裂缝检测算法的不足,提出一种新的路面裂缝自动检测算法。将二维平面图像映射到三维空间曲面,使得在二维平面中难以描述的裂缝信息在三维曲面中能通过一条狭长的“山谷”来准确地描述。通过分析三维曲面中“山谷”的曲率特征,采用基于微分几何的空间检测算子准确提取曲面中的“山谷”,并映射到二维图像平面中作为裂缝点,成功检测到绝大部分裂缝信息。     

一种基于图像处理的铁轨自动检测方法

提出了一套局部线型检测算子(LLPD)用于货运编组站铁轨的自动检测.利用该算子提取铁轨边缘,去除检测结果中的干扰信息,结合Hough变换的思想,实现了断线相连.该检测结果与其他边缘提取方法相比较,对复杂背景上铁轨的检测更有效,该方法能定位铁轨上的障碍物,对减少铁路调车事故有重要的意义.     

基于深度图像学习的人体部位识别

针对人体部位识别问题,提出一种基于深度图像学习的人体部位识别系统。构建深度图样本库,包括训练集和测试集,提取训练样本中的局域梯度特征,利用随机森林学习得到分类器,并对图像进行单点分类,计算人体各关节点。实验结果表明,该系统能快速准确地识别人体的不同部位。     

基于局部颜色-空间特征的图像语义概念检测

针对基于语义的图像检索系统,提出了一种基于局部颜色-空间特征的图像语义概念检测方法。各种基于颜色、纹理和形状的全局特征都存在着众多信息冗余项和干扰项,而该文提出的局部颜色-空间特征则是利用语义概念层的先验知识进行特征降维后提取出的特征,它能更好地描述图像的语义内容,且具有容易提取、计算复杂度低的优点。实验结果表明,基于局部颜色-空间特征的概念检测方法优于基于全局特征的概念检测方法,将其用于图像检索后的检索精度比采用基于全局颜色特征的方法提高了36.4%。     

基于角点特征检测的视频图像质量评价方法

为对视频会议系统中图像的降质程度进行有效评估,提出一种基于角点特征检测的视频图像质量评价方法。模拟测试图像在真实环境下的降质情况,生成仿真图像。计算两者的二值边缘轮廓曲率,获得不同检测参数下的角点检测数,寻找用于真实环境的最佳测试图像和角点检测参数。根据角点检测数将图像质量分成若干个等级,并依此判别图像质量的好坏。Matlab 仿真实验结果表明,该方法得到的结果与主观评价结果一致,能正确评价图像质量。     

一种基于3维全景图像技术的深度测量方法

3维全景图像技术是一种能够记录和显示全真3维场景的图像技术。该技术采用微透镜阵列记录空间场景，空间任意一点的深度信息只需通过一次成像即可直接获得。本文研究采用全景图像技术直接获取物体空间信息的方法。此方法首先从全景图像中抽提视图。视图是通过抽提全景图像中对应于每个微透镜下同一局部位置的点人工合成的。每幅视图包含了全景图像中对原来的物空间场景按照某一特定方向的平行投影记录信息。接下来通过分析全景图像的光学成像过程。推导了用来描述物体深度信息和其在对应的视图间的视差关系的深度方程。从而得出空间任一点的深度可以通过其在对应视图间的视差来求得。最后，通过运用全景图像测量火柴盒的厚度的实例，验证了这一方法的可行性。其结果一方面可用于全景图像的数据处理本身，另一方面可望为开发新型的深度测量工具提供理论依据。     

基于深度图像的非接触式呼吸检测算法研究

呼吸是人的基本生命活动,监测呼吸可以得知呼吸道和胸廓运动的生理、病理学状态,对某些呼吸系统疾病的诊断有重要的参考价值;提出了一种非接触式呼吸监测方法:对红外视频流中的每帧胸腹部区域数据进行降维,计算所有胸腹部区域数据的方差,将一定时间段内的方差序列进行低通滤波;最后根据方差序列可以获得该段时间内的呼吸频率和呼吸暂停时间;提出的非接触式呼吸检测算法在不影响被监测者正常睡眠活动的情况下,可以准确获取呼吸频率与其他相关参数,为健康监测和相关疾病的诊断提供了数据支持;日常家居场景的实验中,检测到的呼吸次数与实际完全一致,并且与实际胸腹部起伏变化基本同步,较好的保证了结果的准确性。