一种新的高精度的L-M基本矩阵估计算法

分析了基于随机抽样检测思想的现有鲁棒算法在基本矩阵估计中存在的不足,结合LMedS和M估计法各自的优点,提出一种新的高精度的L-M基本矩阵估计算法。利用LMedS思想方法获得内点集,此时内点集通常情况下不包含误匹配,但仍存在位置误差,用Torr-M估计法计算基本矩阵,因为当匹配点只存在位置误差时,用M估计法得到的基本矩阵非常精确。大量的模拟实验和真实图像实验数据表明,在高斯噪声和误匹配存在的情况下,该算法具有更高的鲁棒性和精确度。     

一种改进的基于Harris的角点检测方法

在研究Harris角点检测算法时发现该算法对一些图像进行角点提取时,存在提取伪角点、角点信息丢失和位置偏移,而且在进行非极大值抑制时不易设置阈值等现象.提出了在进行非极大值抑制时采用双阈值法,分别设置一个相对大和一个相对小的两个阈值,从而得到同一图像不同阈值的角点信息,通过角点信息对比能够很好地解决角点信息丢失和位置偏移并能消除一部分伪角点,然后利用SUSAN的思想消除剩余的伪角点.通过对比实验表明,文中算法提取角点非常有效,比Harris算法具有更好的角点检测性能.     

一种新的立体匹配算法

立体匹配是目前计算机视觉领域中最活跃的研究主题之一,在三维重构、对象识别与分类、图像对齐等应用中,立体匹配都是一个关键步骤.为了能够更精确地对特征点进行匹配,给出了一个新的匹配约束条件:匹配点距离相关性约束,据此提出了一种新的立体匹配算法.该算法独立于特征点的检测算法,首先使用灰度相关法进行初始匹配,然后利用最小中值平方法获得部分正确匹配点集,在此基础上加入匹配点距离相关性约束进行引导匹配,得到最后的匹配点集.实验表明,该算法能够很好地实现特征点的正确匹配.具有很高的使用价值.     

浅议走兽虎在陶瓷装饰上的表现

虎为兽中之王，是世界上最广为人知的动物之一，经常出现在许多古代的神话和民俗传说，以及现代的电影和各类媒体中。在悠悠的历史长河中，虎的形象被历代艺术家刻划得淋漓尽致、栩栩如生。     

角点检测方法研究

根据实现方法不同可将角点检测方法分为两大类:基于边缘的角点检测方法与基于灰度变化的角点检测方法,并对现有的角点检测方法作了较为详细的分析与比较,指出角点检测技术的研究与发展方向.     

基于Kinect深度和骨架信息的指尖检测方法

为克服指尖检测方法易受不同光照、复杂背景和手腕信息的影响,提出了一种基于深度和骨架信息的指尖检测方法.首先对Kinect获取的深度图像进行中值滤波和形态学闭操作处理,以消除噪声和填充空洞; 接着通过骨架跟踪得到的右手关节点锁定用户并进行手势分割; 然后在计算手心和最高指尖点位置的基础上,利用Freeman链码提取手势左右轮廓; 最后根据指尖点之间的轮廓曲线特征提取其他指尖点.实验结果表明,该方法具有良好的指尖检测效果,且对光照、背景和手腕信息鲁棒.