基于未标定图像的三维重建算法

提出一种基于多幅未标定图像的三维重建算法。在标记点匹配的基础上进行射影重建,通过施加度量约束将射影重建升级为欧氏重建,即利用未标定的透视图像恢复相机的内、外部参数以及标记点的三维空间坐标,实现场景的三维重建。标记点易于进行点对精确匹配,较手动拾取匹配提高了效率。实验结果表明,利用该算法能够大幅减小再投影误差。     

基于多视图的三维空间点精确重建算法

针对三维重建中空间点重建的问题,提出了一种以三角形重心作为约束条件的三维空间点精确欧氏重建算法.该方法以多幅图像间的对应关系会给出空间点更稳定的估计为依据,用3幅图像重建空间点,相对于传统的仅用两幅图像进行重建空间点的方法精度高,算法稳定性好.此外还可以扩展到多幅图像的重建中,通过实验与传统算法对比,表明了该算法的精准性和稳定性.     

空间自适应正则化超分辨率图像重建

超分辨率图像重建是一个病态问题,在重建过程中需要正则化处理,而正则化重建会引入正则化误差及重建过程中由于病态性而引入的噪声放大误差,且这两类误差均和图像的空间局部特性有关.提出根据图像的局部空间统计特性自适应控制超分辨率图像正则化重建算法,采用图像局部统计方差来区分图像棱边区域及平滑区域,在图像的棱边区域加强图像的约束重建,而在图像的平滑区域加强正则化.实验表明该算法能有效地减小重建误差,算法的信噪比得益优于传统的正则化重建算法及总变分模型重建算法,并且对正则化参数的选择具有一定的鲁棒性.     

基于混合图像分割与梯度算法的发光物体图像重建技术研究

传统的图像重建算法存在光源分布不均以及噪声干扰等问题,导致图像重建效果差。针对该问题,提出了一种改进的混合图割算法和梯度算法的发光体图像重建技术。算法首先采用图像分割算法得到在未知先验条件的情况下的发光源情况;然后利用不同的梯度算法,根据重建状态得到发光源准确的分布情况;最后利用内部光源的多级网络提高计算速度和重建的准确性。仿真实验结果表明,本方法即使在存在检测噪声和模型结构误差的情况下,仍然能够得到很好的重建性能,具有较高的实际应用价值。     

近似欧氏距离变换的一种并行算法

提出了一种基于超大规模集成电路(VLSI)硬件结构的新型距离变换并行处理算法。距离变换是一种基于二值图像的全局操作，在骨架抽取、形状匹配、目标重建、机器人避障等图像分析与模式识别算法中有着广泛的应用。欧氏距离是精确的L2范数距离，但是由于欧氏距离的非线性，不利于各种并行算法和加速算法的设计与实现，因此在应用中各种变形的加权距离作为欧氏距离的近似得到了实际推广。本文算法是有别于传统近似欧氏距离的并行计算方法，可应用于传统IC硬件或数字信号处理芯片(DSP)。理论分析和实验结果表明，该方法具有算法简单、快速、误差小等特点，可以更好地近似欧氏距离，并同时得到图像的Voronoi图，是一种实际可行的升级算法。     

基于加权抛物线插值误差补偿算法的图像放大

提出一种基于加权抛物线插值误差补偿的图像放大算法。该算法增加加权抛物线插值的误差补偿项,借助于sobel算子设定插值点的边缘方向,消除由于传统的线性插值造成的振铃现象和棋盘效应,并具有一定的边缘自适应功能。实验结果表明,相对于传统的图像放大算法,该算法不仅能够保留原始图像的基本内容,还能得到更加清晰的边缘信息。     

一种存在遮挡的射影重建算法

提出一种存在遮挡的射影重建算法.该算法利用重投影点代替图像中的遮挡点,进行射影重建,经过多次迭代,最后求到遮挡点的真实图像位置并完成射影重建.该算法的优点是所有的图像及图像点都平等对待.模拟实验和真实实验表明,该射影重建算法具有鲁棒性好、收敛性好及重投影误差小等优点.     

基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。     

基于Fisher准则改进线性判别回归分类的人脸识别

为了提高线性回归分类LRC(Linear Regression Classification)算法的鲁棒性,提出一种基于Fisher准则改进的线性判别回归分类算法。首先根据Fisher准则最大化类间重建误差与类内重建误差的比值,为LRC找到最优投影矩阵;然后利用最优投影矩阵将训练图像及测试图像投影到各个类的特征子空间;最后,计算出测试图像与各个训练图像之间的欧氏距离,并利用K-近邻分类器完成人脸的识别。在FERET和AR人脸数据库上的实验验证了本文算法的有效性。实验结果表明,相比其他回归分类算法,该算法取得了更好的识别效果。     

带约束的摄像机定标方法

由于积累误差和摄像机内部参数的校正误差,基于视觉的摄像机定标结果尽管在图像上的重投影误差很小,但是重建的空间结构往往存在一定程度的扭曲。提出了一种带约束的摄像机定标算法,将场景中存在几何条件（如摄像机路径在一条直线上）作为约束条件,对摄像机定标结果进行再优化,使得重建的空间与真实世界的欧氏空间更为一致。在优化过程中,将欧氏空间与图像空间的两种误差约束在同一范围,自动获取最佳的约束系数。实验结果证明了该算法的有效性。     

基于图像边缘检测的变系数误差扩散方法

误差扩散算法是一种重要的图像半色调化技术,被广泛应用于各种二值化的输出设备当中,但传统的误差扩散算法生成的半色调图像易出现"蠕虫"现象和边缘模糊。针对此问题,本文提出一种结合图像边缘检测的变系数误差扩散方法,该方法以Ostromoukhov提出的变系数误差扩散算法为基础,利用其优化后的误差扩散系数,可以较好地克服"蠕虫"现象。在此基础上,采用Sobel算子检测图像的边缘并沿边缘方向修正误差扩散滤波系数,以较好地保持原图像的边缘特性。实验结果表明,利用该方法产生的半色调图像不仅具有蓝噪声特性,而且边缘结构清晰。     

一种基于面阵相机的在线图像拼接方法

对于生产流水线上输送较慢的大尺寸工件,利用线阵相机对工件进行检测的成本较高和相机的功效不能完全发挥的缺点,提出了一种基于面阵相机的在线图像拼接方法;该方法能在一定的速度范围内有效地对运动物体整体图像进行实时拼接;在图像匹配过程中,该方法运用基于匹配点对误差排序的方法,将正确的匹配提取出来;利用误差阈值内的角点组合来估计单应性矩阵;然后利用Levenberg-Marquart(L-M)非线性优化方法对求得的矩阵参数进行优化得到最终单应性矩阵参数;实验验证结果表明,该方法稳定性好。     

一种改进的AdaBoost检测算法

针对传统AdaBoost算法在人脸图片训练过程中可能会出现退化现象和训练目标类权重分布过适应的问题,提出一种基于调整正负误差比和设定阈值的改进AdaBoost算法。该算法首先把设定的阈值和当前分类错误样本的权值比较来更新样本的权值,其次通过调整正误差和负误差之间的偏重关系来控制训练样本的偏重。经过实验表明,不同人脸图像库和不同正负样本比不影响该算法的有效性,在LFW非受限人脸图像库正负样本比例为1:1情况下,检测率为86.7%,高于传统AdaBoost算法;弱分类器数目为116,比传统AdaBoost算法多15个。实验结果可以看出所提算法抑制了退化和训练目标类权重过适应现象,有效地提高了人脸图片检测率。     

一种基于主矢量集的纹理图象分析方法

描述了一种基于多维纹理主矢量集与相应能量集的纹理图象表示及分析方法,并给出了由纺理图象求得主矢量集及相应能量集的计算过程,为了将该方法用于纹理识别及分析,文中讨论了在上述表示时,纹理图象的相似度度量,给出结构误差及能量的计算公式及两种计算结构误差、能量主总误差的算法,最后给出了用上述方法由计算机对Ｂｒｏｄａｒｚ的自然纹理图象及人工合成的规则纹理图象分析的实验结果,并与共发矩阵法作了比较,实验表明该     

变步长和变阈值的分形小波图像压缩算法

针对目前分形小波混合图像压缩方法存在的不足,提出了一种新的分形小波混合图像压缩方法。同方向、不同分辨率的相邻子带图像之间进行分形搜索时,根据其系数的重要程度不同,采用不同的误差阈值与搜索步长,高分辨率子带的搜索步长大,误差阈值小,而低分辨率的子带则采用小步长和大误差阈值进行搜索。实验表明,相对于经典的基于小波树的分形图像压缩方法,该改进算法在不影响信噪比和解码图像质量的前提下,提高了压缩比和编码速度。     

融合纹理信息的SLIC算法在医学图像中的研究

随着超像素算法的发展，SLIC（Simple linear iterative clustering）由于时间复杂度低及良好的分割结果而被广泛关注.但是由于传统的SLIC算法并没有考虑到图像的纹理信息，故而对于纹理较复杂的图像分割效果略有不足.LBP（Local binary pattern）对于纹理的识别有着优秀的表现而且时间复杂度低，但是对于噪声的鲁棒性较差，并且会产生纹理偏移.因此，本文首先针对传统的LBP中存在的问题进行改进；然后将改进后的算法与SLIC结合，提出一种融合纹理信息的超像素算法——SLICT（Simple linear iterative clustering based on texture）.为验证分割效果，本文选取纹理较多的医学图像进行实验，采用心脏MRI数据库进行验证并与其他超像素算法进行对比.实验表明，SLICT在边缘召回率、欠分割错误率以及覆盖率上的综合表现优于其他算法.从分割结果上来看，SLICT不但能够更好地贴合图像边缘，而且对于连续区域的分割效果也较好，更适合纹理较复杂的图像.     

一种基于重要点的时间序列分段算法

基于重要点的时间序列线性分段算法能在较好地保留时间序列的全局特征的基础上达到较好的拟合精度。但传统的基于重要点的时间序列分段算法需要指定误差阈值等参数进行分段,这些参数与原始数据相关,用户不方便设定,而且效率和拟合效果有待于进一步提高。为了解决这一问题,提出一种基于时间序列重要点的分段算法——PLR_TSIP,该方法首先综合考虑到了整体拟合误差的大小和序列长度,接着针对优先级较高的分段进行预分段处理以期找到最优的分段;最后在分段时考虑到了分段中最大值点和最小值点的同异向关系,可以一次进行多个重要点的划分。通过多个数据集的实验分析对比,与传统的分段算法相比,减小了拟合误差,取得了更好的拟合效果;与其他重要点分段算法相比,在提高拟合效果的同时,较大地提高了分段效率。     

基于预测误差差值扩展和最低有效位替换的可逆数据隐藏

将差值扩展技术应用于彩色图像,提出一种基于预测误差差值扩展和最低有效位（LSB）替换的彩色图像可逆数据隐藏算法。针对传统差值扩展技术存在过分修改像素灰度值、定位图偏大等缺点,首先利用色彩分量间的相关性减小差值,并将差值扩展量分散到两个色彩分量中;其次,改变差值扩展公式以减少不可扩展差值的数量,提高定位图的压缩率,从而增加嵌入容量;最后,运用LSB替换法嵌入数据,将差值扩展与数据嵌入过程分离,嵌入端和提取端均只需进行一次差值扩展,嵌入和提取效率得以提高。提取端在提取信息时可根据需要无损地恢复原始图像。实验结果表明,该算法在提高嵌入容量和图像质量的同时降低了算法复杂度。     

基于AdaBoost的SAR图像自动分类

受相干斑噪声的影响,传统的SAR图像分类方法很难得到较好的分类效果。文中提出一种SAR图像自动分类算法,该算法基于灰度共生矩阵提取特征,结合了AdaBoost和纠错编码设计分类器。实验结果表明,该算法可以得到较好的分类结果。与传统的最大似然法相比,分类精度得到了显著的提高。     

基于预测误差修改的医学图像数据隐藏方法

针对医学图像可逆数据隐藏高保真、高容量、高频繁地插入和可逆性等特点,提出了一种基于预测误差修改的可逆数据隐藏算法,不需要对图像进行分块处理,利用加权线性预测得到预测图像,在预测误差直方图中采用4峰值点进行隐秘数据嵌入,较好地解决了医学图像中出现得较多的溢出问题,并在保证图像质量的同时增加了嵌入容量。理论分析和实验结果证明了算法的优越性。