首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  完全免费   1篇
  自动化技术   3篇
  2017年   1篇
  2006年   2篇
排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
利用Eikonal方程的粘性解给出了基于单幅图像的凸面三维重建算法;定义了2类鞍面——加性鞍面和乘性鞍面.利用凸面法和凹面法从鞍面单幅图像重建2个抛物柱面,然后根据鞍面的结构特点将2个抛物柱面重新合成鞍面.文中算法从临界点开始计算,不要求边界条件,具有较高的精确度.最后通过实验分析了该算法对噪声的敏感性.  相似文献
2.
从另一个角度研究三维曲面的恢复,即根据曲面法向量,考虑多块曲面的重构.算法输入的数据是估计的曲面法向量,比如输入的数据是根据从阴影恢复形状或从纹理恢复形状等计算机视觉低层次处理中得到.通过球面坐标变换把曲面法向量分解成两个函数;然后再对这两个函数进行滤波处理,通过对这两个分割的叠加将空间曲面分割成几个子曲面;最后利用Green函数分别恢复各个子曲面.虽然只利用了一般的图像处理技术,却能得到比传统的基于曲面法向量的方法更好的结果,特别是边界部分的恢复.这是因为传统的方法只是考虑恢复一个曲面模型,因此在不同曲面的边界上会产生模糊.最后利用模拟数据和由阴影恢复形状算法获取真实数据来评价提出的算法,并都与传统的方法进行了比较.  相似文献
3.
目的 为解决传统阴影恢复形状(SFS)算法由于光源方向初始信息估计不准确,恢复的物体表面过于光滑,3维表面形状误差较大等问题,建立了基于径向基函数神经网络的反射模型,并对传统的神经网络进行了改进。方法 建立的基于径向基函数(SFS)神经网络的从阴影恢复形状反射模型代替了传统方法中采用的理想朗伯体表面反射模型。该模型利用径向基函数优秀的局部映射和函数逼近能力来处理SFS问题,通过网络训练过程中的权值代替物体所受到的初始光源信息,解决了传统算法在进行计算时,必须已知光源参数的限制。在该网络模型中添加自适应学习率算法,加速网络的收敛和训练速度。结果 针对SFS问题处理的两幅经典合成图像以及两幅实际图像进行了实验,实验结果表明,改进后的算法在3维视觉效果和3维形状信息的恢复方面都明显优于传统算法。归一化后的3维高度误差结果相比传统算法缩小了60%以上,而且同时适用合成图像和实际图像;自适应学习率的加入,使得网络的训练速度大大加快,对一幅128×128像素的图像,运算速度提升了50%。结论 本文针对SFS问题建立了基于RBF神经网络的从阴影恢复形状反射模型,利用网络模型中的参数代替SFS问题中的初始光源信息,通过最优化方法求解SFS问题。并针对传统的神经网络固定学习率造成网络收敛速度慢,容易陷入局部极小值的问题,加入了自适应学习率算法。实验结果表明,改进后的算法在处理该SFS问题时表现了优秀的性能,适用范围更广,收敛速度更快。  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号