一种新的基于散焦图像的深度恢复算法

由散焦图像求深度是计算机视觉中一个非常重要的课题。散焦图像中点的模糊程度随物体的深度而变化,因此可以利用散焦图像估计物体的深度信息,该方法不存在立体视觉和运动视觉中对应点的匹配问题,具有很好的应用前景。研究了一种基于散焦图像空间的深度估计算法：将散焦成像描述成热扩散过程,借助形变函数将两幅散焦图像扩张成一个散焦空间,再估计出形变参数,进而恢复物体的深度信息。最后利用实验验证了算法的有效性。     

基于主分量分析的矢量量化数字水印算法

针对矢量量化过程中码书训练复杂的缺点,基于主分量分析方法对图像进行降维,根据降维后各主分量熵和标准差的差异性对其进行分类,采用非均匀矢量量化方法生成码书。在水印嵌入过程中,将水印图像嵌入降维后主分量能量适中的码书中以提高水印图像质量,利用EENNS算法代替完全搜索算法缩短编码时间。实验结果表明,该算法在提高码书质量的同时,能有效减少码书训练时间,对JPEG压缩、剪切、旋转等图像攻击也具有较强的鲁棒性。     

一种新的基于散焦图像的摄像机标定方法

提出一种新的用于散焦求深度的摄像机内参数标定算法。该算法依靠改变摄像机镜头光圈指数获取同一场景的任意两幅散焦程度不同的图像,提取两幅图像间模糊程度差异信息,结合分析透镜成像几何标定出摄像机的相应内参数。此算法解除了2006年由Park所提出的标定方法中必须有一幅聚焦图像的限制,并且无须对图像进行复杂的放大率标准化处理。模拟实验与真实实验均验证了算法的有效性和精确性。