基于图割的图像匹配算法

用标号表示视差,建立能量函数,把匹配问题转化为能量函数最小化问题;通过构造网络,使能量与网络的割的容量相联系;利用图的网络流理论给出能量函数的最小化,从而获得图像匹配的视差数据.与目前已有基于图割的匹配算法相比,本算法将标号从1维向量推广到2维向量,适用于更一般情形下的视觉匹配,并且在全局上获得能量函数最小.实验结果表明,所提的匹配算法准确率较高.     

一种求解摄像机内参数的非线性方法

提出了一种求解摄像机内参数的非线性方法。首先对空间单个矩形的图像获得含参数，的圆环点的图像，其中r为该矩形的长宽比；进而由圆环点对摄像机内参数的约束获得一组非线性方程；通过把非线性方程组求解问题转为含3个参数的最优化问题来确定摄像机的内参数。该方法的特点在于，无需知道矩形的任何信息，也容易将所获得的非线性方程组转化为最优化问题。实验结果表明，该方法具有较高的求解精度。     

癌症基因分类的Laplace谱方法

 本文尝试着将图的Laplace谱理论应用于癌症基因表达谱数据的分类上.计算出训练集中每个类的均值作为类中心,选出与类中心欧式距离最小的若干样本用laplace矩阵构造完全图,记为代表该类的标准图.用待测样本依次替换标准图中所有的点,将生成的新图与标准图进行特征点匹配,并计算匹配点数总和.将待测样本划分为总匹配点数最多的那个类.通过对白血病两个亚型(ALL与AML)与结肠癌数据进行留一法实验,验证了本文方法的有效性.     

一种基于修正的最小生成树及其邻接谱的特征匹配算法

提出一种基于修正的最小生成树及其邻接谱的特征匹配算法.该算法利用两幅图像的特征点分别构造最小生成树,并对最小生成树进行修正,然后对修正的最小生成树的赋权邻接矩阵进行SVD分解,获得点的特征表示,进而利用特征值及特征向量来构造匹配矩阵,实现特征匹配.该算法的优点在于采用图的最小生成树（而不是整个图）,可以减少多余信息的干扰,提高匹配精度,实验结果表明,该算法具有较高的匹配精度.     

具有给定割边数的图的无符号Laplace谱半径

为了进一步研究图的拓扑结构与其谱半径之间的关系,在所有给定阶数和割边数的连通图中,确定了具有极大无符号Laplace谱半径的图,并给出了该类图谱半径的上界。     

基于局部相对形状上下文与Q-谱的点模式匹配算法

本文提出了一种基于局部相对形状上下文与Q-谱的点模式匹配算法,对每个点构造相应的线图,并对线图的无符号Laplacian矩阵进行谱分解;利用谱分解所获得的特征值(Q-谱)作为点的特征,进而计算点的初始匹配概率;通过定义局部相对形状上下文计算点的相似性距离;将Q-谱方法与局部相对形状上下文结合进行概率松弛迭代获得匹配结果.实验结果表明了本文算法的可行性与有效性.     

基于一维移动物体的双目装置自标定

给出了平移运动的一维物体所在平面的虚圆点图像及其对摄像机内参数的约束，和约束方程的数值求解方法，从而获得摄像机的内参数. 进一步通过恢复空间点在摄像机坐标系中的坐标，求解出双目摄像机之间的方位，即摄像机的外参数．对于一维物体的一般刚体运动，给出了把它转化为平移运动的方法．模拟实验和真实图像实验结果表明该方法具有较高的求解精度，同时也有一定的应用价值．     

基于图的Laplace谱的特征匹配

为了能对等距变换和相似变换后的图像进行精确匹配，提出了一种基于图的Laplace谱的特征匹配方法，该方法是首先给定两幅图像的特征点，然后分别定义其Laplace矩阵，再通过分析该矩阵的特征值及特征向量来构造特征点匹配矩阵；最后根据匹配矩阵元素的大小和位置信息来实现特征点匹配，并从理论上证明了该算法在对图像进行等距变换或相似变换情况下能获得精确匹配。实验结果表明，该方法对真实图像的匹配精度可达到82％。     

一种基于平面模板的摄像机自定标方法

给出仿射坐标系下场景中平面与像平面的单应关系、绝对二次曲线及其图像的表示．通过对场景中一个平面模板获取3幅图像(该模板是由含内切圆的等边三角形构成)，利用上述单应关系并结合圆环点对摄像机内参数的约束，获得一组线性方程，进而确定摄像机的内参数．实验结果表明，所给出的方法切实可行，且具有较高的求解精度．     

四叉树分解的图像插值

如何在图像插值的同时较好地保持图像的结构信息一直是图像插值的一个难点,提出了一种基于四叉树分解的图像插值方法,基本思想是：用四叉树分解将原始图像划分为一些像素值相近的子块,当分解区域为1×1,用最邻近插值方法,分解区域为2×2时,用双线性方法插值,其余情况用双立方插值扩充子块,再将扩充后的子块映射到输出图像。实验结果表明该方法能较好地保持图像的边缘,同时具有较高的效率,可以应用到图像、视频及医学图像的放大。