立体内容舒适视差范围研究

为清楚造成视觉不舒适的原因以及最小化甚至消除其影响,需要对立体显示进行舒适度评价。立体内容的视觉舒适度和视差信息密切相关,通过主观评价实验测量了不同视差水平下的立体内容视觉舒适度。实验结果表明,视觉舒适度随着视差的增大而下降,动态立体内容舒适视差的范围在-119至+115弧分之间。     

全分辨率的低串扰时分复用狭缝光栅3D显示

提出了一种基于后置视差光栅的3D自由立体显示结构设计,用于减少显示中产生的串扰并实现全分辨率3D图像的显示。这种显示结构包含了一个后置视差光栅和一个2D显示面板。后置视差光栅由OLED面板光源制成,可方便地通过开关指定位置的像素,实现光栅透光部分的宽度与位置的调节。2D显示面板中的合成图像受到后置视差光栅的调制,显示出3D图像。叙述了这种设计的原理和相关参数的计算。根据设计的原理和相关参数,开发了一个显示结构的原型。实验指出通过改变光栅透光部分的宽度和位置,可有效降低串扰的产生。时分复用技术的引入也可用于实现全分辨率的3D图像显示。     

基于双目视觉的红绿灯距离测量

红绿灯路口的交通事故对人们的生命和财产安全构成了极大的威胁。针对该问题,将双目视觉的测距技术应用在前方红绿灯距离的测量方面。研究了基于双目视觉的红绿灯距离测量系统。系统通过2个CCD摄像头从不同视角采集前方红绿灯的图像信息,得到左右两幅双目图像对,对左右两幅双目图像对进行处理、定位;然后采用全局匹配的方法进行特征点提取,找到对应的特征匹配点对,得到视差;再根据三角测量原理,恢复出被测目标的三维信息和深度信息,实现对前方红绿灯距离的测量。实验结果表明:该设计方案能有效地测量前方红绿灯距离,方法简单有效,具有较高的测量精度。     

基于梯度值的自适应窗口立体图像匹配算法

针对基于区域的立体图像匹配算法支持窗口难以选择,容易出现窗口过大或过小的问题,提出一种新的自适应窗口立体图像匹配算法。该算法利用Sobel梯度算子计算像素梯度值,并根据其梯度值动态地获取具有自适应的支持窗口,然后分别选择相似性测度函数SAD或NCC搜索最佳匹配点,获得视差图。此外,算法在窗口选择过程中进行优化,减少了计算量。实验结果表明,改进后的算法提高了匹配正确率且计算时间缩短了近5%。     

基于视差与分层渲染的立体显示效果评价研究

本文在充分分析国内外立体显示技术评价方法的基础上,提出了利用视差和分层渲染的方法进行立体显示效果的评价,结果表明其对于自由立体显示评价可以得到较明确的分析结果,最后对研究前景进行了必要的探讨。     

3D透解

《阿凡达》中植入的最大广告,其实是3D。曾经在科技馆里的成像特效,赫然扮演了电影的主角。然而,3D的核心,就像村上舂树在以色列领奖所说的那样,是一种欺骗。 欺骗的是人的眼睛。立体的感觉,来源于左右眼的视差所营造的远近感——这种影像分离的骗术,成为了3D成功的证据。     

一种用于立体匹配的改进的神经网络方法

实现了一种用于静态视觉立体匹配的神经网络方法。文献［１］提出了一种用于静态体视匹配的神经网络方案,其方案用于随机点图对时存在严重的缺陷。针对随机点图对的特点,对神经网络的偏置输入进行了修正,改进的神经网络能够有效地提取随机点图对中的立体深度信息。为了进一步提高收敛速度和平滑边缘特征,又在偏置输入中引入射线特征,改进了神经元的初始化。在工作站上进行的大量实验模拟表明,我们所做的改进提高了网络的迭代速度和视差图的边缘特征平滑性。     

小视差交又视差认知过程研究

采用静态随机点图做为刺激,对15名正常人在交叉视差条件下,针对小视差（3．27’,6．54＇,8．18’,11．45’,14．72’,17．99’,21．26’,24．53’）状态进行认知过程研究。结果为：随着视差的增大,识别靶刺激的平均反应时和正确率基本呈现出逐渐增加的趋势。在小视差交叉视差条件下,视觉系统对6t左右的视差反应时最为敏感,为立体电影的拍摄提供了理论依据,并为进一步探索精细立体视的脑神经机制提供了有力的支持。     

基于纹理分析的视差估计算法

针对传统方法难以可靠估计图像中纹理单一像素点视差的问题,提出一种新的基于纹理分析的视差估计算法。与已有方法不同,在以极线约束计算像素点视差时,将极线上纹理单一且近似的像素点合并成直线段,根据连续性和唯一性约束对直线段进行整体匹配,采用直线段的视差得到纹理单一区域的稠密视差图。利用直线段进行整体匹配,提高比较基元包含的信息量,减少扫描范围,从而降低误匹配产生的概率和算法时间复杂度。实验结果表明,该方法能提高纹理单一区域稠密视差图的精度,匹配速度快,具有实用价值。     

自适应分层粒子群稠密视差图估计

分析了遗传算法的缺陷,提出了自适应分层粒子群(PSO)立体匹配算法计算稠密视差图。首先采用SIFT(scale invariant feature transform)特征检测和匹配算法准确地确定视差范围;其次根据图像和视差范围的大小分层,建立由粗及细的自适应分层图像金字塔结构,加快搜索速度、减少错误匹配;然后在优化函数中引入能根据匹配窗口大小自动变化的因子来调整灰度项和平滑项数据的权重,并用改进的带变异算子的整数形式的PSO进行优化,避免了遗传算法搜索的盲目性以及容易陷入局部最优的缺陷,更快、更好地找到最优解。最后合成图像以及真实图像的实验结果表明该方法精度较高,速度较快。