排序方式: 共有29条查询结果,搜索用时 171 毫秒
11.
12.
针对应用自适应权值法得到的视差图不平滑的缺陷,通过理论分析,将自适应权值法与图像分割先验相结合,提出了新的基于分割间测地距离的颜色差异函数,用于计算局部支持窗口的权值。新方案的主导思想是:在匹配时对图像进行分割,将局部方法中的支持窗口看作不同分割区域的集合,使用测地距离函数为窗口中每个分割分别计算权值,计算匹配代价,最后运用WTA方法确定视差。与原自适应权值和原基于分割方法对比,实验结果表明该方法有更好的表现。 相似文献
13.
在立体匹配中,设置合理的视差搜索范围能够提高匹配的速度和精度。为此,提出了一种基于前向搜索的图像迭代细分方法用以估算视差范围的上下限。将参考图像均分为若干个图像块,在对每一块的匹配过程中,采用前向搜索策略,对当前匹配块继续均分成若干子块,并对其子块进行相似度匹配。在计算视差范围上限时,用当前块的子块视差中的最大值来表示其视差值,找到视差最大的图像块后继续迭代细分,直到得到稳定的视差范围上限。在计算视差范围下限时,用当前块的子块视差中的最小值来表示其视差值,找到视差最小的图像块后继续迭代细分,直到得到稳定的视差范围下限。实验结果表明,采用前向搜索策略计算视差范围的方法,在搜索空间降低比率达到28.8%的同时能够达到98%的命中率,相较直接进行匹配误匹配率降低了47.4%,能够得到更精确的视差范围。 相似文献
16.
17.
18.
19.
针对传统图像识别方法中利用人工设计特征提取模板对昆虫的识别精度不高的问题,提出了基于K-means聚类的深度学习网络模型Faster R-CNN对图像中的目标进行识别。该方法用K-means聚类算法,结合BWP指标对训练数据标签的长宽比值进行聚类,用新的聚类中心点代替标准Faster R-CNN网络中生成初始候选框的长宽比值;对生成初始候选框的尺寸加以改进;将训练数据送入改进后的Faster R-CNN网络进行训练。实验结果表明,在识别具有特定长宽比例的目标时,加入聚类策略的Faster R-CNN网络较标准Faster R-CNN网络有较强的鲁棒性,有效克服了叶片豁口或孔洞造成的冗余现象、榆紫叶甲虫甲壳反光的干扰、相邻的榆紫叶甲虫特征的互相影响和其他与榆紫叶甲虫有相似特征的种类昆虫的干扰。最终达到94.73%的识别精度,较标准网络提高了4.15%。该方法可有效克服传统昆虫检测中特征提取模板的局限性,对识别昆虫这种特征细腻,姿态多样的目标有重要意义。 相似文献
20.
树种识别是合理利用板材最基本的前提。提出了基于数学模拟理论的板材树种识别方法。建立了板材树种细胞六棱形结构数学模型。提取细胞的面积、周长、类圆度、弦向直径宽度、弦向直径厚度等参数。利用集群分析技术中最小距离分析器,构造判别函数,并对识别可信度进行分析讨论。 相似文献