2SFS方法及其与立体视觉方法的集成方案综述

立体视觉（Stereo Vision）方法是目前利用图象数据获取物体三维信息的主要方法之一。但该方法在图象灰度变化较缓慢的区域，由于难以准确地进行图象间的象素配对．而严重影响了它的效果。利用从明暗重构物体三维表面形状（Shape from Shading，简称SFS）的方法与该方法相结合，是改善重构结果的主要途径之一。文章通过分析SFS问题本身的不适定性，揭示了目前几类主要的SFS算法在可靠性、稳定性、局限性以及实用性方面所存在的问题，并在此基础上，简要地介绍了四类SFS与立体视觉方法相结合的形式．说明了通过利用立体视觉为SFS补充辅助的信息来消除SFS问题的不适定性，并对过去SFs的实现方法进行有效的改进．它是提高集成系统准确性的关键。     

基于航空图像的机型并行识别方法

在大量的航空图像中如何自动正确而且快速地识别出飞机型号,对于战地指挥员有着重要的意义。文章提出了一种基于Zernike矩特征从航片中自动识别出机型的并行算法。该算法能自动提取飞机图像的不变矩特征,并通过BP神经网络对机型进行正确识别。在并行环境下,图像被分块处理,分别在不同的处理机上运算。实验结果表明,对于各种机型均能正确识别。检测速度随着处理节点的个数增加而增加。     

SFS方法及其与立体视觉方法的集成方案综述

立体视觉(StereoVision)方法是目前利用图象数据获取物体三维信息的主要方法之一。但该方法在图象灰度变化较缓慢的区域,由于难以准确地进行图象间的象素配对,而严重影响了它的效果。利用从明暗重构物体三维表面形状(ShapefromShading,简称SFS)的方法与该方法相结合,是改善重构结果的主要途径之一。文章通过分析SFS问题本身的不适定性,揭示了目前几类主要的SFS算法在可靠性、稳定性、局限性以及实用性方面所存在的问题,并在此基础上,简要地介绍了四类SFS与立体视觉方法相结合的形式,说明了通过利用立体视觉为SFS补充辅助的信息来消除SFS问题的不适定性,并对过去SFS的实现方法进行有效的改进,它是提高集成系统准确性的关键。     

目标多自由度Mean Shift序列图像跟踪算法

现有的Mean Shift跟踪方法使用单一半径参数来描述目标大小变化，每个目标仅有位置和尺寸两个自由度，因而不能适应复杂的目标运动情况。文中提出新的Mean Shift跟踪方法，该方法引入带宽矩阵来描述目标尺寸，能够在水平和垂直两个方向上独立描述目标大小变化，并加入目标倾角，使得目标旋转运动得以很好描述。实验表明，该算法能够准确跟踪序列图像中的任意复杂运动，尤其对目标的缩放、旋转运动有良好的适应性。     

一种未知光源参数的明暗恢复形状方法

针对传统SFS(shape from shading)必须已知光源参数的缺陷，提出了一种新的使用神经网络恢复单幅未知光源参数环境中物体三维形状的方法。该算法利用前向神经网络的非线性映射能力，建立了物体表面形状和其对应的图像灰度值之间的非线性关系，所得权值可视为环境光源参数，由此得出反射图函数。基于该反射模型，物体表面高度值通过迭代的方法求得，并使用多分辨率分级实现SFS算法以减小算法复杂度。实验结果表明该算法对于无光源环境，能给出有效的恢复结果。相比传统算法，精度提高了约29％。     

利用光源投影坐标系处理SFS中的自阴影问题

对于由明暗恢复形状(SFS)问题来说，自阴影的存在是影响其重构效果的因素之一，应该加以特殊的处理。为了使自阴影的处理不延伸破坏其他区域，并能保护整体的重构形状，提出了一套从阴影分割、坐标系变换到数据拟合的自阴影处理方法。该方法使用了根据图像平面以及光源方向定义的光源投影坐标系，以降低自阴影处理问题的复杂性，从而使得可以通过逐行恢复图像内跨各自阴影数据区段高度变化量的方式来实现其基本处理要求，并可采用抛物线拟合的方法来完成重构的阴影区形状与其他部分的光滑连接。实验表明，该方法能有效地改善SFS的重构形状。     

论频率分辨率与频率步长的关系以及数据添零对频谱的影响

在阐明了“频率分辨率与频率步长既不是一个概念，在数值上也并非始终相等”的基础上，论证和对比了数据添零（补零与插零）、提高采样率与数据延推（延长与外推）等，共两类五种缩小频率步长的方法对频谱包络及分辨率的影响，得出了“添零不改变频谱包络，根本不能提高分辨率，只能单纯缩小频率步长、密化谱线”，“补零使谱线插值式密化对提高谱分析精度也有一定好处”，“插零使谱线周期性密化，可方便地实现基带带宽压缩和多采样     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

人工目标图像中的消失点检测

在人工目标检测中,消失点信息比边缘、拐角等特征更加鲁邦。根据累计空间的不同,消失点检测方法可划分为有限空间检测和无限空间检测两大类。在有限空间检测方法中,Barnard提出的基于高斯映射的消失点检测,因同时适用于有限远和无穷远消失点的检测,最为引人关注。但该方法因累计空间划分不均匀,容易造成统计计算的偏差。文章针对人工目标固有特征,提出了长度优先的向量叉积候选消失点检测方法,在避免了因累计单元大小不均而造成计算偏差的同时,强调了人工目标的主体特征。同时利用三个彼此正交的方向信息,反算相机的内部参数,用以判定三个正交方向选择的合理性。从而使得消失点的确定,能够更好地满足人工目标特征的提取要求。     

步态识别综述

步态识别作为一种新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证。对步态识别的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别算法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。