使用三角网的户外增强现实注册方式的研究

增强现实的关键技术是进行三维注册,即由真实场景计算虚实结合的参数。为扩大增强现实在户外的应用,提出了在真实场景主要物体上增加表面3D网格的方法来减少虚实结合参数计算的复杂程度。该方法既不需要增强现实室内应用开发所应用的标记,也无需目前户外应用所依赖的传感仪器。以户外地形为例,通过对视线与地形网格交点的计算快速得到以往需要两幅图像联合处理才能得到的三维信息并进行快速的虚实合成。该方法为户外增强现实系统关键技术的研究提供了一个新的思路。     

基于深度自编码器的单样本人脸识别*

由于每个目标仅有一幅已知样本,无法描述目标的类内变化,诸多人脸识别算法在解决单样本人脸识别问题时识别性能较低.因此文中提出基于深度自编码器的单样本人脸识别算法.算法首先采用所有已知样本训练深度自编码器,得到广义深度自编码器,然后使用每个单样本目标的单个样本微调广义深度自编码器,得到特定类别的深度自编码器.识别时,将识别图像输入每个特定类别的深度自编码器,得到包含与测试图像相同类内变化的该类别的重构图像,使用重构图像训练Softmax回归模型,分类测试图像.在公共测试库上进行测试,并与其它算法在相同环境下进行对比,结果表明文中算法在获得更优识别率的同时,识别一幅图像所需平均时间更少.     

跟踪注册的增强现实技术研究

首先对基于单摄像头跟踪注册的增强现实的注册原理进行了探讨,分析了其通过图像匹配识别标志物的原理,总结了其运行流程,并在OpenGL平台上开发出了基于增强现实技术的虚拟训练原型系统。     

无序图像自动匹配与识别

设计一个多幅无序图像的自动匹配和识别系统,能够根据用户输入的多幅无序图像进行自动匹配和识别,并对具有重叠的图像进行自动拼接。系统首先对输入的每一幅图像进行MOPS特征检测,然后通过k-d树的最近邻搜索完成不同图像特征之间的快速匹配。其次基于图像特征之间的对应关系使用RANSAC算法建立任意两幅图像之间的匹配模型,并用概率算法进行鲁棒校验。通过构建与图像匹配关系对应的无向连通图结构,实现多幅无序图像的自动识别。最后使用递归算法对无向连通图进行深度优先遍历,并用多频带融合算法消除拼接痕迹,合成相应的全景图像。实验结果表明该系统能够自动对多幅无序图像进行自动匹配与识别,验证了算法的可行性和有效性。     

一种基于SURF与地理格网模型的增强现实方法

图像识别与匹配是增强现实领域研究与应用的基础和关键,针对户外场景的广域性和随机性,以及目标纹理结构相似性等问题,提出一种基于SURF与地理格网模型的增强现实方法。该方法根据目标场景与地理位置的相关性,检测图像特征点并生成Location-SURF图像特征描述,基于地理格网模型构建空间四叉树索引,建成静态特征样本库。将视频帧、位置和角度信息生成特征图像,上传至服务端解析运算并与样本库训练匹配。选取宁波环球航运广场约0.376km2的区域,采集270余幅图像数据构建样本库并开展试验,通过现场图像的实时采集和计算,能够实现特征点的在线匹配,在此基础上通过调整点位距离比例的阈值,能够提升匹配的准确程度。基于该算法开发移动增强现实系统,运用四层技术架构实现了终端采集显示和服务端分析计算的并行化,达到真实场景与虚拟信息的融合显示效果。系统应用结果表明：该算法可以解决复杂环境下场景图像识别匹配率不高的问题,可快速地完成特征点的检测和提取,能够有效地进行样本训练和匹配,对户外移动增强现实进行了有益尝试并提供一种有效的途径。     

基于矩与支持向量机的舰船目标识别方法

为可靠快速地识别出各种姿态下的舰船目标,提出了一种基于矩与支持向量机(SVM)的目标自动识别方法.根据实际航空摄影模型的特点,将三维舰船模型相对其俯仰轴,偏航轴和横滚轴作相应旋转,投影到二维图像空间,建立舰船样本训练库与测试库,提取舰船各种姿态下的矩特征;基于SVM设计多类分类器进行识别,并进一步计算不同训练和测试样本数下的分类精度.实验结果证明:提出的方法在舰船模型图像和真实遥感图像中的识别精度高,且样本训练和目标识别时间短,经数据库中多幅图像测试,识别系统鲁棒性强.     

大尺度遥感图像中港口目标快速识别

提出一种在大幅面灰度遥感卫星图像中快速识别港口目标的方法.通过对图像多分辨率处理,采用阈值方法进行海洋和陆地的分割,并在基于块的统计特征表示方法的基础上,建立快速分割中、小型港口候选区域方法,再根据港口的固有特征(半封闭区域)实现快速的港口目标识别.通过18幅大尺度图像对算法进行测试,测试结果显示算法能够在不到3s时间内识别一幅10000像素×10000像素图像中的港口,识别正确率为93.9%.     

基于图结构的全景图自动识别与拼接方法

针对多幅图像的匹配和识别问题,提出了一种基于图结构的全自动识别与拼接方法.该方法能够根据用户输入的多幅无序图像,自动判别图像之间是否具有重叠部分,并对具有重叠的图像进行拼接.对输入的每一幅图像进行MOPS特征检测,通过k-d树的最近邻搜索完成不同图像特征之间的快速匹配.其次基于图像特征之间的对应关系使用RANSAC算法建立任意两幅图像之间的匹配模型,并用概率算法进行鲁棒校验.通过构建与图像匹配关系对应的无向连通图结构,实现多幅全景图像的自动识别.使用递归算法对无向连通图进行深度优先遍历,并用多频带融合算法消除拼接痕迹,合成相应的全景图像序列.     

基于移动增强现实的地震科普馆导览系统

增强现实技术是一种将虚拟信息无缝融合到真实世界的新技术,近年来受到国内外研究者的广泛关注。随着便携性、智能化移动设备的快速发展,增强现实技术越来越多地应用到移动设备上,具有很好的发展前景。以识别特定标志物为目的,研究并实现了一个基于移动增强现实的地震科普馆导览系统。利用Wi-Fi定位和图像处理对标志物进行检测识别;利用标志物的四个顶点,通过确定坐标系之间的变换关系,计算摄像机位姿,实现摄像机跟踪定位;通过坐标系之间的变换,确定虚拟信息在成像平面上的位置,实现虚拟信息的注册。测试结果表明,该系统能够实现地震科普馆导览功能,达到了预期的研究目标。     

基于手形交互与掌纹识别的增强现实应用

针对现有增强现实系统交互方式的不足,提出并实现了一种基于手形交互与掌纹识别的增强现实应用.提出了一种用于快速识别手形轮廓及其运动轮廓的匹配方法.利用一种改进的快速蚁群聚类算法来获取掌形的中心,建立相关的渲染坐标系,从而精确注册虚拟物体.同时,针对个性化应用需求,提出了一种能够在增强现实系统中应用的Harris快速掌纹识别算法.实验表明,识别算法具有较好的跟踪精度和实时性,能够满足增强现实系统的应用要求.