线上线下混合式教学模式在C语言程序设计实验教学中的应用

针对C语言程序设计实验教学中存在的教学内容设置缺乏系统性和完整性、实验学时少、实验设备不足、综合性设计性创新性实验内容不多等问题,在剖析线上线下混合式教学模式内涵的基础上,依据新工科建设中工程专业对程序设计等信息技术的需求,提出线上线下混合的C语言程序设计实验教学新模式,介绍具体教学实践,通过问卷调查说明教学效果.     

改进L∞优化算法用于三维空间点快速精确重建

多视几何中的多种问题可以通过最小化L_∞范数误差获得全局最优解。但最小化L_∞范数误差算法的缺点是对外点敏感,相关的改进算法虽然可以克服外点带来的影响,但计算速度较慢。提出一种改进的最小化L_∞范数误差算法,用于从包含外点的图像序列中快速精确重建三维空间点。真实测试图像的实验结果证明该算法可以在包含外点的情况下获得空间点的全局最优解,相比其他算法速度有较大的提高。     

三维重构中一种快速全局最优算法

在机器视觉中,三维重构是一个重要问题。基于无穷范数表示的误差函数已经证明可以获得全局最优,但是计算速度很慢。基于二范数的最小二乘法速度虽然很快,但因为误差函数是非凸的,所以无法在理论上证明获得的结果是全局最优的,即使是通过二分迭代等方法,往往也只能获得一个局部最优。文中提出一种判定策略,通过对二范数表示的误差函数的Hessian矩阵进行计算,判断最小二乘法获得的局部最优是否是全局最优。因此在三维重构中,可以先用最小二乘法求解,如果误差函数Hessian矩阵为正则结果是全局最优否则调用无穷范数方法重新求解全局最优,这样既保证了精度又加快了计算速度。实验证明该算法是可行的。     

基于随机遮挡孔径的光场图像混叠检测方法

现有光场采集系统存在角度信息欠采样的问题,由此引起的图像混叠效应降低了光场图像质量. 本文在2D光场框架下分析了光场图像混叠的空域模型,并且提出一种变换离散孔径采样密度的混叠检测方法. 该方法通过计算随机遮挡孔径（Random masked aperture,RMA）成像点集的变异系数进行混叠检测,特点在于无需已知场景深度和纹理的先验信息. 以平面相机阵列为采集平台,本文在多组真实光场数据集上进行了方法的验证,并且在检测结果基础上对混叠效应进行了修正.     

一种视差法与变焦法融合的深度估计方法

视差法与变焦法是两种基于图像的三维重建方法,由于它们在所需数据集与深度计算方法上的差异,故具有不同的优势和应用场合。通过利用摄像机阵列,在获取多视点数据集的基础上,提出了一种视差法与变焦法融合的深度估计方法。先利用视差法选取候选深度集,然后利用视差法与变焦法结果的带权线性混合函数选取最终深度,从而解决了视差法与变焦法数据集的获取及单一方法对深度不连续区域鲁棒性较低的问题。实验结果表明该方法的可行性与优越性。     

针对摄像机矩阵估计的增强连续禁忌搜索方法

摄像机矩阵估计是机器视觉的一个重要问题。在2范数误差代价函数模型下,最小二乘法简单而有效,但因误差代价函数非凸,容易陷入局部最优。在无穷范数误差代价函数模型下,凸优化方法理论上可以获得全局最优,但计算效率较低,其计算耗时随着问题规模的增大而急剧增加。现代优化论中的增强连续禁忌搜索（Enhanced continu-ous taboo search,ECTS）方法具有逃离局部最优的优良性质,因此本文在2范数误差代价函数模型下提出一种针对摄像机矩阵估计的ECTS算法。在ECTS置信区间序列构造及最大置信区间选择环节,本文提出了一种非迭代的方法获取包含全局最优解的凸包。在增强禁忌搜索环节,本文提出了一种基于伪凸函数的候选解邻域构造方法。同时,给出了本文算法以概率1收敛于全局最优的理论证明。对虚拟场景和真实场景的实验结果表明本文算法可以快速获取摄像机矩阵估计的全局最优解。     

基于minmaxKKT条件的三维重构方法

机器视觉中, 三维重构是一个重要问题. 基于2范数的最小二乘法速度较快, 但因误差代价函数非凸, 理论上无法获得全局最优解, 即使通过分支限界等方法, 往往也只能获得局部最优. 无穷范数表示的误差代价函数理论上可以获得全局最优, 但是计算速度很慢. 本文提出一种基于最小最大库恩塔克条件(minmaxKKT)的三维重构方法. 该方法利用minmaxKKT条件对基于2范数的三维重构结果进行全局最优判别, 对陷入局部最优的结果运用混合最速下降法进行全局寻优. 该方法可以获得全局最优, 相对于无穷范数算法具有更高的计算效率. 对标准数据集和真实数据的实验结果证明了本文算法的可行性和优点.