基于PCA的图像小波去噪方法

目前使用的各种小波去噪方法基本上都是建立在对噪声方差精确估计的基础上，而对噪声方差的精确估计是很困难的．提出了一种采用主分量分析（PCA）提取小波系数的主要特征，通过对小波域中噪声能量的估计来实现去噪的新方法．首先利用PCA对小波高频子带进行局部特征提取；然后以主分量对小波系数进行重建的平均能量作为局部噪声能量的估计；将原小波系数的能量减去噪声能量，就得到去噪后的小波系数；最后用小波逆变换对剔除噪声分量后的小波系数进行恢复得到去噪后的图像．本文算法无需对噪声方差进行估计，因而更具实用价值．本文算法与“软阈值”、“硬阈值”去噪方法相比，峰值信噪比（PNNR）提高了2～8dB．实验证实了本文算法良好的去噪性能。     

一种基于核方法的手写数字图像去噪算法

手写体数字图像去噪是手写数字图像识别主要的预处理过程。本文从统计特征的角度给出了图像噪声特点,并根据该特点运用核主成分分析的方法对图像进行去噪,给出并分析了基于该思想的去噪实验结果,最后给出了手写数字图像去噪问题未来的研究方向。     

生产过程中的小波阈值信号去噪方法

在工业生产过程中,由于设备所收集到的混合信号中包含大量的背景噪声信号,而这些背景噪声信号会影响到异响有用信号的提取。因此,为对收集的信号进行消噪,提出了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,结合硬阈值和软阈值方法各自的特点,采用了几种改进的方案,分别是多项式插值法,软、硬阈值折衷法和模平方处理方法。最后给出了数值试验,结果说明,改进的小波阈值方法都得到了较好的去噪效果,为工业生产过程优化信号提取提供了依据。     

双目立体视觉中的图像匹配方法研究

对目前匹配能力很强的基于SIFT特征的图像匹配方法进行研究,并在该方法中加入极线约束,有效去除了大部分虚假匹配。提出以特征匹配与区域匹配相结合、边缘特征与角点特征相结合的立体匹配方法。实验证明该方法不仅能够有效地缩短匹配时间,还能达到较高的匹配精度。     

基于RPCA视频去噪算法的自适应优化方法

传统去噪算法不能在尽量滤除噪声的同时很好地保持原始图像信息。针对这种情况,提出基于鲁棒主成分分析的自适应视频去噪算法。首先根据视频数据的低秩性和噪声的稀疏性,利用加速近端梯度方法重建出原始视频的低秩部分和稀疏部分,实现噪声的初步分离;其次利用自适应中值滤波器进行预滤波处理,提高块匹配精度,进一步去除视频噪声;最后引入自适应奇异值阈值法,增强图像细节边缘信息,降低迭代优化算法的时间复杂度。实验结果表明,该方法不仅能极大程度地恢复出原始视频序列,还能自适应地去除干扰噪声。不论从客观指标PSNR值还是从主观视觉,该方法与传统去噪方法相比都具有很大的优势。     

基于小波阈值和主成分分析的视频去噪算法

将局部像素组主成分分析算法引入到视频去噪领域,并利用三维块匹配算法保持了视频序列的相关性,对视频中的噪声进行抑制。用三维块匹配视频去噪算法中小波阈值去噪得到的图像替换二阶局部像素组主成分分析中的第一阶处理得到的图像,这样可以避免局部像素组主成分分析算法直接处理视频时产生的局部效应。最后,局部像素组主成分分析算法也抑制了三维块匹配算法中的小波阈值去噪结果中产生的画面不平滑的问题。实验结果表明,本算法较好地将主成分分析算法引入到了视频去噪领域,同时较好地解决了三维块匹配视频去噪算法中小波阈值去噪的块效应问题,主客观指标的比较也表明本算法有较为优秀的去噪效果。     

基于EMD-DFA-NLM的电涡流传感器信号去噪方法

针对电涡流位移传感器输出信号中的非稳态噪声,提出一种基于经验模态分解(EMD) －去趋势分析(DFA)－非局部均值(NLM)原理的去噪方法。该方法解决了EMD去噪方法信号、噪声模态不易确定的问题,并且可在滤除高频背景噪声的同时保留信号细节。首先通过EMD将信号分解得到若干本征模态(IMF)分量,然后使用DFA区分噪声主导IMF分量和信号,主导的IMF分量,对噪声主导分量进行NLM去噪处理,最后与信号主导分量一起重构信号,分别对仿真信号和电涡流传感器输出信号进行去噪处理。结果表明,相较EMD去噪法和EMD－小波阈值去噪法,所提方法去噪性能更优SNR(MSE)值提升(减小)明显,去噪后信号的毛刺与高频震荡大大减少。     

基于双目立体视觉的三维舌重建

舌像蕴含着大量的人体生理病理信息,是中医四诊的重要内容之一。当前中医客观化舌诊研究基于二维舌图像,从中可得到颜色、形态等多种信息,但其不能反映点刺、裂痕等细节信息。为了得到全面的生理信息,本文提出一种基于双目立体视觉的三维舌表面重建方法,适用于具有动态特性的真实舌,达到了0.1342 mm的分辨率。此方法突破了现有以医学诊断为目的的舌表面重建方法动态特性与分辨率不兼得的瓶颈。全面的生理信息为疾病的正确诊断和早期发现提供了保障,同时可解决二维舌像由于深度信息缺失而造成的诸多技术难题,如舌体分割困难等。     

小波去噪方法分析与Matlab仿真

小波分析理论是一种新兴的信号处理理论,它在时间上和频率上都有很好的局部性,这使得小波分析非常适合于时一频分析,借助时一频局部分析特性,小波分析理论已经成为信号去噪中的一种重要的工具.简速了几种小波去噪方法,其中的阈值去噪的方法是一种实现简单、效果较好的小波去噪方法.     

双目立体视觉的三维人脸重建方法

创建逼真的三维人脸模型始终是一个极具挑战性的课题.随着三维人脸模型在虚拟现实、视频监控、三维动画、人脸识别等领域的广泛应用,三维人脸重建成为计算机图像学和计算机视觉领域的一个研究热点.针对这一问题,提出一种基于双目立体视觉的三维人脸重建方法,重建过程中无需三维激光扫描仪和通用人脸模型.首先利用标定的2台摄像机获取人脸正面图像对,通过图像校正使图像对的极线对齐并且补偿摄像机镜头的畸变;在立体匹配方面,选择具有准确可靠视差的人脸边缘特征点作为种子像素,以种子像素的视差作为区域生长的视差,在外极线约束、单调性约束以及对应匹配的边缘特征点的约束下,进行水平扫描线上的区域生长,从而得到整个人脸区域的视差图,提高了对应点匹配的速度和准确度;最后,根据摄像机标定结果和立体匹配生成的视差图计算人脸空间散乱点的三维坐标,对人脸的三维点云进行三角剖分、网格细分和光顺处理.实验结果表明,该方法能够生成光滑、逼真的三维人脸模型,证明了该算法的有效性.     

双目立体视觉的目标识别与定位

双目立体视觉系统可以实现对目标的识别与定位.此系统包含摄像机标定、图像分割、立体匹配和三维测距4个模块.在摄像机标定部分,提出了基于云台转角的外参数估计方法.该方法可以精确完成摄像头旋转情况下外参的估计,增强了机器人的视觉功能.并利用广茂达机器人系统,基于改进的双目视觉系统进行目标识别与定位,以此结果作为依据控制机器人的手臂进行相应运动,最终实现了对目标物体的抓取,验证了提出方法的可行性.     

双目立体图像的快速匹配值计算方法

立体视觉计算过程中的匹配值计算极其耗时,整幅图的匹配值由各个参考像点的匹配值计算构成,因此,如果能够将前后两次参考像点的匹配值计算中重复的部分提取出来,那么就可以节约部分计算时间。将前后两次匹配值计算所涉及的领域像素分布情况分析清楚,结合所选取的计算步骤,将各个子步骤的中间输出结果缓存起来,以便下一次计算时直接使用而不需重新计算。如果匹配所用的邻域子图与整幅图相比非常小,则这种类似于流水作业的时间重叠计算方式可以获得很好的加速性能,同时该加速性能也会随着邻域尺寸的加大而提高,这得益于所省略的中间计算步骤较多的原因。     

双目立体视觉中的摄像机标定技术研究

以张氏标定方法为基础,提出以圆心作为标定点的2D平面模板标定方法,通过与基于方格角点的标定方法以及基于方格形心的标定方法进行比较,证明了该方法的有效性。又运用BP神经网络来模拟立体视觉系统三维空间与二维图像平面之间的物、像对应关系,建立了双目立体视觉系统的摄像机隐式标定模型,避免了因数学模型的不完善而带来的系统误差。实验证明该方法能够获得较高的标定精度。     

基于双目视觉的无人飞行器目标跟踪与定位

针对小型无人飞行器跟踪目标的问题,提出了一种基于双目视觉和Camshift算法的无人飞行器目标跟踪以及定位算法。双目相机得到的左右图像通过Camshift算法处理可得到目标中心特征点,对目标中心特征点进行三维重建,得到机体坐标系下无人飞行器与目标间的相对位置和偏航角,应用卡尔曼滤波算法对测量值进行了优化,将所得估计值作为飞行控制系统的反馈输入值,实现了无人飞行器自主跟踪飞行。结果表明所提算法误差较小,具有较高的稳定性与精确性。     

双目视觉测量传感器研究

研究了按照激光三角测量原理由 1个线激光器及 2个CCD摄像机组成的双目视觉测量传感器。探讨了 2个CCD摄像机的摆放位置及其对测量精度的影响,确定了其几何参数。在此基础上,论述了其工作过程,包括其标定方法、标定过程、扫描图像采集、特征提取、特征匹配及三维数据生成。该双目视觉测量传感器配合扫描机构(如三坐标测量机 )即可对物体进行非接触式三维激光扫描测量,其测量速度快,精度比较高,可以应用于逆向工程领域。     

基于畸变校正的双目立体摄像机线性标定

利用透视变换原理建立双目立体摄像机数学模型,全面考虑了镜头的径向畸变和切向畸 变,提出一种线性求解摄像机参数的标定方法,改变了以往的摄像机标定依赖于非线性优化的缺点,避免了非线性优化的不稳定性.该标定方法在单摄像机模型的基础上,加入对双摄像机相对位置的确定,通过成像过程中坐标系之间的转换,较好地实现了双目立体摄像测量系...     

一种改进的区域双目立体匹配方法

双目立体匹配是机器视觉中的热点、难点问题。分析了区域立体匹配方法的优缺点,提出了改进的区域立体匹配方法。首先,采集双目视觉图像对对图像对进行校正、去噪等处理,利用颜色特征进行图像分割,再用一种快速有效的块立体匹配算法对图像进行立体匹配。然后,在匹配过程中使用绝对误差累积(SAD)的小窗口来寻找左右两幅图像之间的匹配点。最后,通过滤波得到最终的视差图。实验表明:该方法能够有效地解决重复区域、低纹理区域、纹理相似区域、遮挡区域等带来的误匹配问题,能得到准确清晰的稠密视差图。     

基于双目视觉的人脸三维重建

基于双目立体匹配算法PatchMatch算法,提出了一种获取人脸三维点云的算法。该算法对局部立体匹配算法PatchMatch进行了优化。该方法既不需要昂贵的设备,也不需要通用的人脸三维模型,而是结合了人脸的拓扑结构信息以及立体视觉局部优化算法。此方法采用非接触式的双目视觉采集技术获取左右视角的人脸图像,利用回归树集合(ensemble of regression trees,ERT)算法对人脸图像进行关键点定位,恢复人脸稀疏的视差估计,运用线性插值方法初步估计脸部的稠密视差值,并结合局部立体匹配算法对得到的视差结果进行平滑处理,重建人脸的三维点云信息。实验结果表明,这种算法能够还原出光滑的稠密人脸三维点云信息,在人脸Bosphorus数据库上取得了更加准确的人脸重建结果。     

非特征点双目测距技术研究

提出了一种局部稠密匹配与人工干预相结合的测距方案,利用非特征点与特征点的位置关系,构建“最小矩形”以缩小匹配范围,再应用NCC（归一化互相关）算法对非特征点进行稠密立体匹配,最后根据双目测距原理直接获取非特征点的距离信息。该方法能任意选取图像上的非特征点进行实时距离测量,具有精度高、速度快和操作性强等优点。