一种改进的放大图像边缘修复算法

为了保持放大后图像清晰且光滑的边缘,提出了一个基于边缘轮廓拟合插值和分水岭变换的边缘修复算法。算法的主要思想是对原始图像进行初始放大,自动确定模糊区域,从而进行修复处理。通过分段三次Hermite插值提取初始放大图像的边缘。对边缘进行膨胀进而自动获取标记图像。对初始放大图像进行距离变换,从而提供了分水岭变换所需的地势图。有了标记图像和地势图就可以利用分水岭变换逐步填充模糊区域像素。实验结果表明：与已有算法相比,该算法降低了对图像梯度的敏感程度,图像边缘更为光滑清晰,并且在运行效率上大大提高。     

单帧图像人体姿态估计综述

人体姿态估计是指从图像中检测人体各部分的位置并计算其方向和尺度信息,姿态估计的结果分二维和三维两种情况,而估计的方法分基于模型和无模型两种途径。本文首先介绍了人体姿态估计的研究背景和应用方向,然后对姿态估计的相关概念作了阐述,分析了姿态估计的输出表示,接着从人体目标检测和姿态估计两大类进行了详细分析和讨论,从实际应用的角度对各种方法做了理论上的比较和分析。最后,对相关研究还存在的问题和进一步研究的趋势作了归纳和总结。     

一种基于纹理合成的高效图像填充方法

为了更好地解决图像填充与修复问题,提出了一种基于图像样本纹理合成的新方法。该方法提出了一种新的定义像素点优先级的思路,来确定待填充区域的填充顺序,以此来保证处理结果的质量。相较于其他图像填充算法,该算法无需复杂的数学模型和大量的计算过程,从而提高了运算速度。实验证明,该方法不仅在处理效率上取得了很大进步,而且输出图像的质量也取得了理想效果。     

单幅图像真实感虚拟试戴技术

提出了一种针对眼镜、帽子等头部饰品的单幅图像真实感虚拟试戴技术,其关键在于虚拟饰品的三维注册和虚实图像的合成。首先提出了一种将人脸关键点检测与刚体姿态估计相结合,求解单幅图像中人脸三维注册信息的算法。然后阐述了借助像素颜色混合和深度缓冲检测技术解决虚实图像合成中遮挡关系和模型材质问题的方法。在AFLW(Annotated Facial Landmarks in the Wild)人脸数据库上对三维注册算法进行了量化测评,结果表明该算法的精度满足虚拟试戴技术的要求。在较大角度姿态变化以及部分遮挡条件下的实验结果表明,提出的虚拟试戴技术快速准确,试戴效果自然逼真。     

一种高精度的图像匹配算法

为了解决光谱恢复对图像匹配高精度的问题，提出了一种高精度图像匹配算法——利用光流确定图像的运动场对图像进行匹配。该算法克服了传统的基于灰度匹配方法受图像插值精度影响的缺陷以及运算速度和精度的局限性。与基于MAD块匹配算法和归一化相关系数块匹配算法进行比较，该算法实现了图像序列高精度匹配，而且硬件实现简单，计算复杂度较低。     

嵌入式机器视觉系统优化研究

介绍了基于ARM+DSP架构的嵌入式机器视觉系统的特性,分析了制约嵌入式机器视觉系统性能的因素。从操作系统和应用程序方面,讨论了嵌入式机器视觉系统的优化方案。通过对嵌入式Linux内核和文件系统进行裁剪,对应用程序代码进行大量的优化,并充分利用Cotex-A处理器独有的NEON加速技术,使系统开机启动时间缩短25 s,应用程序运行速度提高2.5倍。     

基于高斯差分滤波器的图像光场矫正

文中利用高斯差分（ＤＯＧ）滤波器解决图像光场照度不均匀的矫正问题,首先分析了背景光场的频谱,并定义背景频带宽度为滤波器设计的主要指标;然后从ＤＯＧ的一般原理出发,给出了构造光场矫正滤波器的方法,并依据背景频带宽度对滤波器参数作了优化选择。通过对最终构造的滤波器作理论及实验结果的分析,并与其它矫正非均匀照度的算法作比较,证明了该方法简洁实用,速度快,具有较好的性能。     

仿射不变轮廓匹配的视频拼接研究

为了解决复杂场景变换时视频拼接的精度问题,提出了一种仿射不变轮廓匹配的拼接算法——利用场景中主要区域的轮廓信息对视频图像进行匹配,然后利用匹配点求解运动参数进行拼接。该方法克服了传统拼接算法在复杂的场景变化以及重叠区小的情况下拼接精度低的问题。与基于SIFT的拼接算法对比表明,该算法实现了图像序列的高精度拼接,不仅能适应仿射变换,并且对于重叠区域小,存在运动遮挡的视频具有一定的鲁棒性。     

基于LabVIEW的正弦信号检测仪的设计

介绍基于LabVIEW的虚拟信号检测仪的工作原理、系统组成、设计步骤以及系统调试与仿真方法.运用FFT的选频特性及相位校正实现对正弦信号中的直流分量、幅值、频率和相位(差)的精确测量.结果表明,系统测量精度高、抗干扰能力强.     

摄像机平行于场景运动且晃动下的视频修复

针对摄像机平行于场景运动,且存在晃动的情况,提出将摄像机运动情况下的视频修复转化为摄像机静止情况下的视频修复。该算法采用基于SURF特征点提取的视频拼接技术,将输入视频转化为新的背景静止的视频序列,在新视频中分别进行前景修复和背景修复,把修复好的新视频映射到原视频。在前景修复中,将目标块定义为能够覆盖整个运动物体的长方形块。在背景修复中,算法对待修复区域进行统一的标记和修复。实验结果表明,该算法提高了修复的准确度和速度,有利于保持视频的连续性。