基于随机森林和超像素分割优化的车载红外图像彩色化算法

为了将红外图像中所包含的信息更加友好、直观地呈现给用户,改善用户对于红外图像的理解效果,针对车载红外图像的特点,提出了一种基于随机森林分类器和超像素分割算法相结合的车载红外图像彩色化算法。首先对原图的各个像素点进行特征提取,然后训练随机森林分类器,使它能够对待测试图像的各个像素点进行正确的分类。再使用超像素分割与直方图统计相结合的方法对分类结果图像进行优化。最后将优化后的分类结果图像转换到 HSV 色彩空间进行对应的色彩传递。通过实验证明该方法能够在很好的对红外图像进行彩色化处理的同时,保证色彩传递的正确性和实时性。     

一种车载红外视频彩色化算法

针对红外图像成像的特点,将基于Fisher评价函数的多阈值红外图像分割算法和基于先验色彩知识的红外图像上色算法运用到车载红外视频彩色化中.在基于Fisher评价函数的多阈值分割之前对关键帧进行快速模糊C均值聚类,以所得聚类中心来限制多阈值分割中阈值的取值范围,实现了较快的图像分割;再以得到的阈值对红外视频逐帧进行景物分类,同时根据先验知识逐帧对不同景物类别赋予自然彩色.实验结果表明,该算法实现了对车载红外视频的自动彩色化,不仅得到的图像色彩较为真实有利于人眼的目标识别,实时性方面也达到了较好的效果.     

采用KPCA和BP神经网络的单目车载红外图像深度估计

提出一种基于监督学习得到深度估计模型的单目车载红外图像深度估计方法。首先用核主成分分析法（KPCA）筛选红外图像特征。将最初提取的红外图像特征用核函数非线性映射到一个线性可分的高维特征空间,再完成主成分分析（PCA）,得到降维后的红外图像特征。然后以BP神经网络为模型基础,对红外图像特征和深度值进行训练,训练后的深度估计模型可对单目车载红外图像的深度分布进行估计。实验结果证明,利用该模型估计的单目车载红外图像的深度信息与原红外图像的深度信息一致。     

红外中长波图像彩色融合方法研究

特定目标或场景红外中、长波成像亮度差异较大,导致图像融合难以在灰度域取得较好效果,而彩色融合则可以有效地解决该问题.本文结合红外中、长波成像特点,对两种经典彩色融合算法进行了改进:通过引入相应的清晰度评价机制,实现对融合决策的优化.实验结果验证了改进算法的有效性.     

基于金字塔型残差神经网络的红外图像深度估计

对车载红外图像进行深度估计,可应用于车辆的夜间辅助驾驶系统(Driver Assistant Systems, DAS),本文提出了一种新型的神经网络结构来估计红外图像的深度.受景物分类思想的启发,将传统深度估计方法中的回归问题转化为分类问题.首先,对红外图像进行归一化预处理,并将深度图置于自然对数空间对距离进行远近分类.其次,设计了一种新型的金字塔输入残差神经网络(Pyramid Residual Neural Networks, PRN),将红外图像以金字塔型结构作为网络输入,网络结构分为粗略特征提取和精细特征提取两部分.最后,将全连接层改为全卷积层,大大减少了网络中的参数个数,降低计算复杂度.金字塔型结构的输入使得网络能够多尺度提取特征,这使得估计出的深度图场景中的对象轮廓比同一网络单一红外图像输入估计出的景物轮廓更清晰.此外,通过计算错误和准确性评价指标,证明本文的提出方法能够很好地估计红外图像的深度,对比实验验证了本文方法更具优势.     

基于SVM模型的单目红外图像深度估计

提出一种通过非线性学习模型来估计单目红外图像深度的算法。该算法首先通过逐步线性回归和独立成分分析(ICA)寻找对于红外图像深度相关性较强的特征,然后以具有核函数的非线性支持向量机(SVM)为模型基础,采用监督学习的方法对红外图像深度特征进行回归分析并训练,在训练过程中通过已知数据回归后的最小均方误差对模型参数进行修正,训练后的模型可对单目红外图像的深度分布进行估计。实验结果证明,利用该模型能较一致地估计单目红外图像的深度信息。     

基于灰度分层的FPGA红外图像伪彩色实时化研究

介绍了一种基于FPGA的红外图像的伪彩色化实现方法.这种方法首先通过Matlab提取颜色表,然后通过FPGA控制颜色表的在线更新实现红外图像不同种类的伪彩色化效果.该方法大大提高了人们对红外图像感兴趣目标点的辨识能力.该方法已经在自主研发的红外观测系统中得到验证,具有硬件实现简单、占用逻辑资源少、速度快、实时性强等特点.     

基于不平度颜色混合的图像彩色化方法

黑白图像的彩色化是图像处理领域一个活跃的、有挑战性的研究课题。该文在总结图像彩色化方法的基础上,提出了一种新型的、基于不平度的颜色混合方法。实验表明,该方法能够大大简化对初始着色的要求,并且达到很好的彩色化效果。     

基于不平度颜色混合的图像彩色化方法

黑白图像的彩色化是图像处理领域一个活跃的、有挑战性的研究课题。该文在总结图像彩色化方法的基础上，提出了一种新型的、基于不平度的颜色混合方法。实验表明，该方法能够大大简化对初始着色的要求，并且达到很好的彩色化效果。     

一种微光与红外图像彩色融合方法

微光夜视仪和红外热像仪这两种图像传感器互补的成像特性可以使它们在几乎任何条件渊昼/夜/烟/雾）下观察场景。针对微光与红外图像,提出了一种彩色融合算法,可以使融合图像有相对自然真实的颜色感觉。首先用中心-环绕拮抗彩色融合算法产生彩色源图像,然后在YCbCr 颜色空间中让源图像的直方图与参考图像的相匹配。为了增强融合图像的对比度,可以先用灰度融合图像代替亮度分量,然后进行直方图匹配。仿真结果表明文中提出的方法可以使融合图像接近自然真实的颜色感觉,易于分辨识别目标,从而提高观察者或机器视觉系统的工作效率,增强对总体形势的意识能力。     

Digiclops立体视觉系统获取深度图像的工程方法

论述了立体视觉研究中的主要问题及其技术进展,重点介绍了Point Grey Research公司的Digiclops三目立体视觉系统,包括该系统的配置、应用和用户开发工具包,结合实例讨论了利用该系统进行深度信患检测的工程方法。实验表明,使用Digiclops得到深度图像的方法具有较好的鲁棒性和实时性。     

一种改进的医学图像深度信息恢复算法

针对医学图像深度信息恢复的实时性问题,提出了一种Harris角点检测与SIFT特征点检测相结合的算法,提取医学图像的特征点,采用欧式距离作为相似性判定准则将特征点进行匹配,克服了传统SIFT算法提取特征点过多、耗时长的问题。并对获得较致密的视差图,运用三角测量的方法恢复医学图像的深度信息。实验结果表明,文中所提算法在缩短了医学图像深度信息恢复的时间的同时提高了精度,验证了该算法的有效性。     

High‐Quality Stereo Depth Map Generation Using Infrared Pattern Projection

In this paper, we present a method for obtaining a highquality 3D depth. The advantages of active pattern projection and passive stereo matching are combined and a system is established. A diffractive optical element (DOE) is developed to project the active pattern. Cross guidance (CG) and auto guidance (AG) are proposed to perform the passive stereo matching in a stereo image in which a DOE pattern is projected. When obtaining the image, the CG emits a DOE pattern periodically and consecutively receives the original and pattern images. In addition, stereo matching is performed using these images. The AG projects the DOE pattern continuously. It conducts cost aggregation, and the image is restored through the process of removing the pattern from the pattern image. The ground truth is generated to estimate the optimal parameter among various stereo matching algorithms. Using the ground truth, the optimal parameter is estimated and the cost computation and aggregation algorithm are selected. The depth is calculated and bad‐pixel errors make up 4.45% of the non‐occlusion area.     

夜视图像彩色融合中基于谱残差的显著目标增强算法

根据人类视觉系统的特点,提出了一种基于谱残差、可在夜视图像彩色融合中的增强显著目标的算法.该方法在彩色融合过程中,利用谱残差确定显著目标范围,用5×5的像素大小窗口对显著目标进行定位.当像素邻域均值大于图像整体均值时,此像素位于显著目标,用红色凸显目标可达到增强彩色融合图像的目的.实验结果表明,该方法具有较强的稳定性和实用性,增强显著目标的效果较好.     

基于计算机视觉的深度估计方法

深度估计方法可分为主动视觉和被动视觉两类.介绍了被动视觉测距中的五种深度估计方法,包括立体视觉、运动测距、描影法、聚焦法和散焦法,分析了各自的成像原理、数学模型和测量方法.最后,对基于计算机视觉的深度估计方法进行总结,分析了现有测量方法各自的局限性,提出算法进一步改进的方向是应用计算机视觉系统中需要的不同模板,联合依赖...     

微型实时多目立体视觉机设计与实现

本文给出一种实时计算场景稠密深度图的多目立体视觉机设计与实现方法.立体视觉机使用多个微型摄像机同步获取场景图像,采用图像修正、LoG滤波、多立体图像对匹配和稠密深度图等并行算法,利用FPGA的大规模并行处理能力和各算法间的多级流水线关系,在一片FPGA芯片上实现了立体视觉信息的实时处理.设计的立体视觉机体积小,运行速度快.当图像分辨率为320×240像素,深度搜索范围为64级,深度图精度为8位,时钟频率为60MHz时,恢复稠密深度图的速度大于30帧/秒.     

彩色立体图像匹配算法研究

立体图像匹配对于自由立体重建、三维测量以及立体显示中图像压缩来说是非常重要的。针对区域灰度互相关图像匹配的计算量大、速度慢的情况,运用了一组快速灰度互相关计算公式,提出了用视差限制搜索空间。同时,针对彩色图像的特点,将彩色图像的色彩信息考虑进图像的匹配过程中,将彩色图像的R、G、B三单色图像分别进行灰度相关匹配,定义并采用了颜色分量权重系数来抑制误匹配点。实验表明,该方法有效地减少了计算量,加快了计算速度,提高了图像匹配精度,具有较好的实时性。该方法将应用于三维立体显示中基于视差图的视差进行图像压缩。     

一种基于立体视觉的视线估计方法

针对现有视线估计方法存在的主要问题:限制使用者头部运动和个体标定问题,本文提出一种基于立体视觉的视线估计方法.建立了一种双相机双光源条件下计算眼睛光轴的five-spot模型,本模型估计眼球光轴三维方向只需要一次直线求交运算.以此为基础形成一种新的视线估计方法,本方法实现了自然头动视线估计,并且简化用户标定为单点标定.该方法的各个环节都满足实时性要求,为面向人机交互的视线追踪系统提供了有效的解决方案.     

基于深度CRF网络的单目红外场景深度估计

对单目红外图像进行深度估计,不仅有利于3D场景理解,而且有助于进一步推广和开发夜间视觉应用.针对红外图像无颜色、纹理不丰富、轮廓不清晰等缺点,本文提出一种新颖的深度条件随机场网络学习模型(deep conditional random field network,DCRFN)来估计红外图像的深度.首先,与传统条件随机场(conditional random field,CRF)模型不同,DCRFN不需预设成对特征,可通过一个浅层网络架构提取和优化模型的成对特征.其次,将传统单目图像深度回归问题转换为分类问题,在损失函数中考虑不同标签的有序信息,不仅加快了网络的收敛速度,而且有助于获得更优的解.最后,本文在DCRFN损失函数层计算不同空间尺度的成对项,使得预测深度图的景物轮廓信息相比于无尺度约束模型更加丰富.实验结果表明,本文提出的方法在红外数据集上优于现有的深度估计方法,在局部场景变化的预测中更加平滑.     

一种结构感知损失的域适应深度估计方法

针对域适应深度估计方法中域图像间结构差异较大问题,文中提出一种结构感知损失的域适应深度估计方法。该方法通过预训练的卷积神经网络对图像进行特征提取,在特征上进行结构相似性度量,减小了域图像之间的差异性,提高了转换模块的稳定性。该方法使用合成图像深度对和真实图像训练,不需要真实图像的深度标签和物理几何信息。在KITTI数据集上进行实验,深度准确率达到了96.6%,证明该方法可有效提高深度准确率。