基于分形的从明暗恢复形状算法研究

从明暗恢复形状是计算机视觉领域中的经典病态问题,传统方法是通过引入光滑约束等条件来获得问题的解,但传统方法存在因过平滑而失真的缺点。针对传统方法恢复结果的局限性,提出了一种基于分形约束的从明暗恢复形状的新算法,该方法首先给出分形约束条件,之后结合反射图线性化与最小能量法来计算出曲面高度。该方法不仅克服了传统算法因基于光滑假设所造成的恢复结果过分平滑而失真的缺点,且不需要可积性的约束条件,也不需要对边界条件的假设,实验结果表明,该方法用于自然景物的三维表面重构,可获得比传统方法更好的恢复效果。     

三维物体识别研究进展

出于工业和医疗等领域大量现实应用的需要,如今三维物体识别已成为一个很活跃的研究领域。一般来说,三维物体识别系统可以通过两个阶段的处理来完成三维物体的识别和定位,首先用传感器获取的场景输入数据来得到场景的表达;然后将它与数据库中存储的物体表达相匹配。为了推动该领域研究进一步发展,因而对近１０ａ年中该识别过程中必须解决的感传器类型、三维物体表达方法和匹配策略等３个方面问题的研究成果进行了综述,对主要方法进行分类和总结;并提出了一些三维视觉系统中还需要深入研究的问题,包括对所研究物体形状的限制、复杂背景的影响和表达以及识别中的“整体和局部”的矛盾等。     

基于Hausdorff距离的2D形状匹配改进算法

在计算机视觉检测中,常常需要将两幅图象在空间上配准,以便进行后续的检测过程,该文提出将Ｈａｕｓｄｏｒｆｆ距离作为物体轮廓相似性的测度,并用遗传算法进行最佳形状匹配的快速搜索,根据遗传搜索的结果再进行一次线性搜索,从而提高解的精度,实验结果证明了该方法能快速,精确地对两幅２Ｄ形状进行匹配。     

单像机有源形状恢复方法研究

物体表面三维形状恢复是计算机视觉的一个重要研究内容.给出了一种利用网格结构光,采用单像机恢复物体表面三维形状的方法.提出了一种新的定标方法和投影模板检测算法,并构造完成了有源三维重建实验系统.结果表明该方法能快速、准确地恢复物体形状.     

未知光源位置环境中物体形状恢复的神经网络方法研究

用神经网络方法解决未知光源位置环境中物体三维形状恢复的问题.对漫反射表面,用神经网络方法由已知表面形状物体及其对应图像的灰度值进行学习,所得权值可视为环境光源参数.由此可恢复同样光源环境中其它物体的三维形状.实验证明,神经网络方法可以解决未知光源位置环境(包括多个光源)中漫反射表面物体的三维形状恢复问题.     

从视频中恢复三维人脸的实时方法

三维人脸恢复是视觉交互的一个难点问题,提出了一种从视频中实时恢复三维人脸的新方法.该方法利用主动形状模型进行人脸特征点提取和跟踪,确保了三维形状恢复和特征跟踪的有效性和一致性;采用非刚体形状和运动估计方法构建三维形变基,有效地适应人脸形状变化的多样性;采用非线性优化算法估算人脸姿态和三维形变基参数,实现了三维人脸形状和姿态的实时恢复.实验结果表明,该方法不仅能从视频中实时恢复三维人脸模型,而且可有效跟踪人脸各种姿态的变化.     

基于可见光单图像三维结构恢复方法综述

基于可见光单图像的三维重构方法一直是计算机视觉领域的研究热点,该文从光照物体的材质和结构差异,以及成像过程中信息损失等因素着手,对基于光照模型、基于几何图元以及基于深度学习策略的三维重建方法进行了分类和概述,并分析讨论各类方法的优缺点以及未来的研究方向。     

基于神经网络的三维图象恢复与重建新算法

简介了兰伯特Lambertian反射模型用于三维图象的恢复与重建的算法,由于其具有很大的局限性,为此,给出了一种基于神经网络与模糊处理相结合的新型反向模型,用于三维图象的恢复与重建,且新算法不需知道光源方向,经实验证明,具有计算快捷且图象识别精度高的特点。     

基于单视觉原理实时提取运动物体三维信息的一种方法

针对多视觉方式中对应点匹配及系统复杂性等问题,采用单视觉方式,应用专用特征点匹配器实时进行特征点的匹配,运动刚体运动模型、摄像机模型、物体几何形状模型以及旋转矩阵的正交性,给出了一种实时提取运动物体平移、旋转等６个自由度信息的新方法。     

由影调恢复物体外形的唯一性

研究了当投射的平行光垂直于图像平面时图像以及成像物体区域内部的几何特性与边界特性,讨论了由一般物体所成的像唯一地求解SFS问题的条件,并由此提出了一个更为一般的整体区域上的唯一性定理和局部不唯一定理,推广了本领域现有的研究结果.定理的证明以微分几何和常微分方程几何理论为工具,其过程是构造性的,亦即在定理证明的同时指明了由单目图像恢复物体外形且不使用正则化技术的可能途径.     

基于改进的遗传算法的图像恢复

在对图像退化模型和图像恢复的可能性进行分析的基础上,重点介绍采用遗传算法进行图像恢复的原理。针对标准遗传算法进行图像恢复时,存在过早收敛现象,及计算量过大的问题,从整体入手,对遗传算法的编码方式、选择算子、交叉算子、变异算子进行了改进,并采用VC++6.0编程软件进行实验。实验结果表明,改进后的遗传算法用于图像恢复,不但可以较好地克服过早收敛现象,提高了计算速度,而且恢复出的图像具有良好的效果。     

Reliability measure for shape-from-focus

Shape-from-focus (SFF) is a passive technique widely used in image processing for obtaining depth-maps. This technique is attractive since it only requires a single monocular camera with focus control, thus avoiding correspondence problems typically found in stereo, as well as more expensive capturing devices. However, one of its main drawbacks is its poor performance when the change in the focus level is difficult to detect. Most research in SFF has focused on improving the accuracy of the depth estimation. Less attention has been paid to the problem of providing quality measures in order to predict the performance of SFF without prior knowledge of the recovered scene. This paper proposes a reliability measure aimed at assessing the quality of the depth-map obtained using SFF. The proposed reliability measure (the R-measure) analyzes the shape of the focus measure function and estimates the likelihood of obtaining an accurate depth estimation without any previous knowledge of the recovered scene. The proposed R-measure is then applied for determining the image regions where SFF will not perform correctly in order to discard them. Experiments with both synthetic and real scenes are presented.     

医学内窥镜图象的遗传恢复算法

遗传算法是一种软计算方法,它作为一种新的全局优化搜索算法用于图象处理,是一种具有发展潜力的智能信息处理方法,对于利用遗传算法处理灰度图象来说,由于其数据量和计算量很大,并且传统遗传算法存在“过早收敛”的问题,使得图象恢复质量不理想。该文针对医学内窥镜摄取的图象纹理和病灶特征,设计了一种新的二维染色体编码方法,并将模拟退火和遗传算法相结合的算法引入灰度图象恢复处理过程中的遗传操作,实验结果表明,该方     

A genetic programming framework for content-based image retrieval

The effectiveness of content-based image retrieval (CBIR) systems can be improved by combining image features or by weighting image similarities, as computed from multiple feature vectors. However, feature combination do not make sense always and the combined similarity function can be more complex than weight-based functions to better satisfy the users’ expectations. We address this problem by presenting a Genetic Programming framework to the design of combined similarity functions. Our method allows nonlinear combination of image similarities and is validated through several experiments, where the images are retrieved based on the shape of their objects. Experimental results demonstrate that the GP framework is suitable for the design of effective combinations functions.     

基于量子遗传算法的图像分割

针对基本遗传算法的稳定性较差、存在未成熟收敛和易陷入局部最优解的问题,将量子计算与遗传算法进行融合,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明量子遗传算法用于阈值寻优减少了搜索时间,提高了收敛效率.     

基于形状不变矩的图像检索算法的研究

描述了一种基于Hu形状不变矩的图像全局形状特征提取方法和算法IMS。实验结果表明,使用IMS。算法提取的形状特征向量具有对平移、旋转和尺度变化的不变性,适合于进行图像形状的检索。     

一种用于多阈值图象自动分割的混合遗传算法

模糊Ｃ－均值算法是一种比较有效的数据聚类方法,遗传算法则是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应的搜索算法,该文有机地利用遗传算法与模糊Ｃ－均值算法,并考虑图象的二维灰度信息,提出了一种适用于多阈值图象自动分割的新方案。该方案能够快速正确地实现分割,且不需要事先认定分割类数,实验结果令人满意。     

Locally edge-adapted distance for image interpolation based on genetic fuzzy system

This study presents a new adaptive scheme for developing kernel-based interpolation methods that simultaneously enhance spatial image resolution and preserve locally detailed edges. A new edge-adapted distance is first estimated according to local gradients information by combining fuzzy theory with genetic learning algorithm. This estimated distance is then employed in place of the original Euclidean distance in various interpolation methods. Additionally, a learning procedure based on genetic algorithm is presented to obtain crucial parameters of the fuzzy system automatically. Experimental results presented in numerical comparisons and in visual observations verify the effectiveness of the proposed adaptive framework for kernel-based interpolation methods.     

基于遗传算法的聚类分析在CT图像分割中的应用

针对CT医学图像的特点,本文将遗传算法与聚类分析两种工具相结合,应用到医学CT图像分割中。对K均值聚类做了简要分析和评论,在此基础上将遗传算法引入聚类分析中,利用遗传算法搜索的随机性和并行性,从而克服了K均值聚类的局部性和对初始聚类中心的敏感性;并且可以根据分割的要求,合理地调整聚类时的特征向量和权重。试验结果表明上述方法是可行的,达到了较好的分割效果。