分块多特征目标描述子的移动机器人目标跟踪

为解决机器人目标跟踪过程中的遮挡和外观改变等问题, 提出一种分块多特征描述子的方法. 该方法将候选样本分块, 提取图像片的深度、颜色、纹理特征来表示目标构造检测器. 结合目标与机器人的运动构造运动卡尔曼滤波器(MEKF) 作为跟踪器. 跟踪过程中根据目标深度信息调整其尺寸, 结合深度特征及图像片外观相似度进行检测并处理遮挡. 实验结果表明, 该算法对目标的尺度变化、光照改变和遮挡现象具有较强的鲁棒性.

     

基于曲率的角点检测及目标区域提取法

针对图像检索系统提出了基于自适应阈值曲率增强的角点检测法, 以及基于角点曲率的目标区域提取法. 该算法将曲率作为角点重要程度的判断标准, 通过自适应阈值判断图像的真伪角点, 并增强真实角点的曲率信息, 利用具有较大曲率的角点确定图像的重心, 以重心为形心定位图像的目标区域. 实验结果表明, 本文算法不仅提高了图像角点检测的可靠性, 而且有效地确定了其目标区域, 最终达到了提高图像检索准确率以及算法运算效率的目的. 为检索背景复杂的图像提供了新的思路和方法.     

基于遮挡区域建模和目标运动估计的动态遮挡规避方法

对于运动视觉目标，如何对遮挡区域进行规避是视觉领域一个具有挑战性的问题.本文提出了一种新颖的基于运动视觉目标深度图像利用遮挡信息实现动态遮挡规避的方法.该方法主要利用遮挡区域最佳观测方位模型和视觉目标运动估计方程，通过合理规划摄像机的观测方位逐渐完成对遮挡区域的观测.主要贡献在于:1）提出了深度图像遮挡边界中关键点的概念，利用其构建关键线段对遮挡区域进行快速建模；2）基于关键线段和遮挡区域建模结果，提出了一种构建遮挡区域最佳观测方位模型的方法；3）提出一种混合曲率特征，通过计算深度图像对应的混合曲率矩阵，增加了图像匹配过程中提取特征点的数量，有利于准确估计视觉目标的运动.实验结果验证了所提方法的可行性和有效性.     

不规则形状图像曲率的自适应计算方法

提出一种针对不规则多形变红血球图像的自适应曲面拟合并计算曲率的方法,通过阴影恢复技术重构细胞表面的高度场形状,利用三维数据点根据最小二乘法进行曲面拟合,选定深度均方误差阈值来决定参与拟合的邻域点.计算得到的高斯曲率、平均曲率可用采表征某一点的表面类型,主曲率则用来观察曲面变化较大的区域.实验结果表明,该方法具有很强的可行性与实用性.     

基于时空渐进特征模型的抗遮挡多目标跟踪

针对多目标跟踪过程中存在目标相互遮挡的问题,提出一种基于时空渐进特征模型的抗遮挡多目标跟踪方法.该方法根据目标的关联状态、重叠情况、深度顺序构建遮挡推理模型,在线识别被遮挡目标, 并对其进行基于时空渐进特征模型的目标再检测.首先,利用目标特征模型中的空间位置参数确定搜索区域;然后,计算目标模型与检测响应之间的表观特征相似度,引入一种自适应阈值,并选择相近程度较高的检测响应为候选量测;最后,采用时间特征匹配的方式获得目标真实检测响应,完成多目标跟踪的任务.通过MOT15和MOT17数据集中的实验结果表明,所提出方法能够有效地识别被遮挡目标,可在多种复杂场景下实现相互遮挡目标的鲁棒性跟踪,相对于现有方法具有较高的准确性、精度和轨迹完整性.     

一种基于曲率尺度空间的自适应角点检测方法

角点是图像处理中的重要特征,基于曲率尺度空间技术,提出一种自适应角点检测方法.首先提取图像的轮廓,采用一个固定的低尺度计算所有轮廓点的曲率,并根据曲率得到候选角点集,然后用由自适应支持区域确定的角点角度和一个动态曲率阙值代替固定的阙值筛选出正确角点.实验结果证实该方法应用于复杂图像的精确性和稳定性.     

基于深度信息的压缩感知人脸检测跟踪

传统的压缩感知跟踪是基于彩色视频图像序列中的目标跟踪, 但在跟踪过程中可能会受到光照变化和旋转遮挡因素的影响, 从而导致复杂环境下跟踪结果的鲁棒性不足. 为了获得稳定的跟踪结果, 提出了一种基于深度信息的压缩感知人脸检测跟踪算法. 首先, 根据改进的质心分割算法确定首帧深度图中人脸的跟踪位置. 其次, 根据深度信息计算出深度图中每一点对应的平均曲率并形成平均曲率图. 然后, 基于平均曲率图随机提取压缩特征; 最后, 通过压缩降维, 目标邻域搜索, 迭代更新特征模板, 计算出平均曲率图中下一帧人脸的最优跟踪位置, 实现人脸跟踪. 实验结果表明, 将人脸的深度信息和压缩感知特征相结合在光照变化和旋转遮挡情况下具有很好的鲁棒性, 能更好的实现复杂背景下对多姿态人脸的跟踪.     

基于单位统计曲率特征匹配的红外目标检测方法

针对机器人在隧道施工环境中,由于阴暗强光等因素导致红外图像中的目标检测失败,提出一种基于单位统计曲率特征匹配的红外目标检测方法;采用最小二乘法对目标的曲面进行拟合,根据拟合曲面计算出目标中各像素的高斯曲率和平均曲率,使用曲率代替梯度构造图像特征描述符并建立曲率平面,根据曲率分布的密度将其划分为多个单位区域,对每个单位中的像素使用统计信息来生成稳定的单位统计曲率特征矩阵,通过计算矩阵之间的欧氏距离得到目标的相似性,识别红外图像中待检测的目标;对该算法与现有其它算法对标准图像数据集和实际施工隧道中的栈桥的检测准确率进行对比评价,结果表明,该算法的检测准确率最高,满足了工程上隧道机器人行进中识别栈桥的使用需求.     

基于局部曲率函数的角点检测

角点检测是计算机图像处理领域的基本问题之一,在全局曲率函数角点检测的基础上,提出一种基于局部曲率函数的快速角点检测算法.通过Canny算子提取图像的边缘,在边缘的基础上计算轮廓的局部曲率函数,由于Canny算子首先用高斯滤波器对图像平滑处理,尽可能的去除了噪声而不损失角点,计算局部曲率函数的最大峰值,通过设定阈值检测出角点.对算法进行仿真,试验结果表明该算法可以稳定的检测角点,并对旋转、尺度和噪声具有较强的鲁棒性.     

基于优化候选区域的战场目标检测研究

针对Faster R-CNN算法对战场小型目标和遮挡目标的检测存在耗时且检测精度低的问题,提出基于优化候选区域的Faster R-CNN算法.算法使用改进的区域提取网络(Region Proposal Networks,RPN)提取候选区域并通过误差比较的方法优化候选区域,同时,引入排斥损失来优化遮挡目标的候选区域.优化后的候选区域和特征图进入检测网络,完成目标的分类和位置回归.在坦克装甲目标数据集上进行实验,结果表明:与传统检测算法相比,所提算法在检测速率和平均精度方面的性能更优.     

3D human modeling from a single depth image dealing with self-occlusion

This paper presents a 2D to 3D conversion scheme to generate a 3D human model using a single depth image with several color images. In building a complete 3D model, no prior knowledge such as a pre-computed scene structure and photometric and geometric calibrations is required since the depth camera can directly acquire the calibrated geometric and color information in real time. The proposed method deals with a self-occlusion problem which often occurs in images captured by a monocular camera. When an image is obtained from a fixed view, it may not have data for a certain part of an object due to occlusion. The proposed method consists of following steps to resolve this problem. First, the noise in a depth image is reduced by using a series of image processing techniques. Second, a 3D mesh surface is constructed using the proposed depth image-based modeling method. Third, the occlusion problem is resolved by removing the unwanted triangles in the occlusion region and filling the corresponding hole. Finally, textures are extracted and mapped to the 3D surface of the model to provide photo-realistic appearance. Comparison results with the related work demonstrate the efficiency of our method in terms of visual quality and computation time. It can be utilized in creating 3D human models in many 3D applications.     

基于结构特征的飞机目标识别方法

针对高分辨率可见光图像的飞机目标智能识别,提出一种基于飞机结构特征的识别方案。采用Mean shift方法分割图像,提取区域边界,得到目标轮廓集,对轮廓采取多种结构化表示方式,便于分析轮廓的特征及相互关系;综合利用尺寸、占空比、长宽比、凸包、直线段等多个形状特征筛选轮廓,定位飞机目标,确定飞机轴向,获取目标几何参数。实验结果证明,该方法定位精确、识别率高,是一种快速、稳健的飞机识别方案,对类似的人工目标的识别具有一定的参考意义。     

基于形状自适应非局部回归和非局部梯度正则的深度图像超分辨

针对深度图像分辨率低、深度不连续性模糊问题,提出一种基于形状自适应非局部回归和非局部梯度正则的深度图像超分辨方法。为了探究深度图像非局部相似块之间的相关性,提出了形状自适应的非局部回归。该方法对每个像素点提取其形状自适应块,并根据形状自适应块构建目标像素的相似像素组;然后针对相似像素组中的每个像素,结合同场景的高分辨率彩色图像获得非局部权重,从而构建非局部回归先验。为了保持深度图像的边缘信息,对图像梯度的非局部性进行探究。不同于总变分（TV）正则化对所有像素点梯度的零均值拉普拉斯分布假设,该方法利用深度图像梯度的非局部相似性,用非局部块估计特定像素点的梯度均值,并用学习到的均值来拟合各像素点的梯度分布。实验结果表明,相较于基于边缘不一致性评价模型（EIEM）,所提方法在Middlebury数据集上的2倍和4倍上采样率的平均绝对值差（MAD）分别下降了41.1%和40.8%。     

Range image segmentation based on differential geometry: a hybridapproach

The authors describe a hybrid approach to the problem of image segmentation in range data analysis, where hybrid refers to a combination of both region- and edge-based considerations. The range image of 3-D objects is divided into surface primitives which are homogeneous in their intrinsic differential geometric properties and do not contain discontinuities in either depth of surface orientation. The method is based on the computation of partial derivatives, obtained by a selective local biquadratic surface fit. Then, by computing the Gaussian and mean curvatures, an initial region-gased segmentation is obtained in the form of a curvature sign map. Two additional initial edge-based segmentations are also computed from the partial derivatives and depth values, namely, jump and roof-edge maps. The three image maps are then combined to produce the final segmentation. Experimental results obtained for both synthetic and real range data of polyhedral and curved objects are given     

改进的实时反走样透视阴影图算法及实现

为解决透视阴影图算法中,物体被非线性比例导致愈加明显的自阴影或表面波纹现象,提出一种基于GPU的实时反走样透视阴影图改进算法。该算法结合透视阴影图算法以及D.Weiskopf的dual depth layers算法,通过采用GPU深度剥离技术采样场景的双层深度值信息,并引入自适应偏移量zbias来计算场景的深度偏移量。该算法采用C语言实现,同时使用GPU顶点渲染器和像素渲染器编程有效避免程序复杂度。实验结果表明,该改进算法较好解决了透视阴影图的自阴影问题,提高了渲染阴影质量。     

高阶PDE模型中的松弛中值图像去噪方法

针对平均曲率极小化模型在去噪过程中产生斑点的问题,提出了一种平均曲率和松弛中值滤波结合的迭代算法。首先,使用平均曲率模型对噪声图像处理,根据局部方差信息,利用阈值确定斑点的位置。其次,利用具一定边界保持性质的松弛中值滤波器消除斑点噪声。最后,为更有效地消除斑点,在每一次随着时间的迭代后都使用松弛中值滤波。对曲线和图像进行去噪仿真实验,结果表明,相对于平均曲率模型,本文算法在客观指标和主观视觉效果上均有更好的去噪效果和更低的时间复杂度。     

一种基于曲率与置信度传播的视差估计方法

常用的匹配代价容易受到光晕效应等复杂光学畸变的影响。文中通过对相机成像模型的分析,从理论上证明基于曲率的匹配代价对光晕具有较强的鲁棒性。提出一种在积分图像上对基于曲率的匹配代价进行计算的方法,有效提高算法速度。最后,将曲率约束引入到置信度传播算法正则项的设计中,抑制置信度在深度不连续区域之间的传递,防止过平滑现象的产生。实验结果验证文中方法的有效性。     

基于Priwitt算子的偏微分方程图像去噪模型

利用归一化的Priwitt微分算子作为权重,提出了两种融合Gauss曲率和平均曲率扩散的偏微分方程去噪模型,使得它们在去除噪声的同时能保持图像的重要特征。首先,对噪声图像进行Gauss滤波并计算滤波后图像的Priwitt微分算子;然后,新模型根据归一化的Priwitt微分算子自适应地平衡于高斯曲率扩散去噪与平均曲率扩散去噪之间,从而去除图像的噪声。利用偏微分方程有限差分法给出了新模型的离散迭代格式,并进行了数值实验。实验结果表明,新模型不仅迭代收敛的速度快,而且在均方误差和峰值信噪比两个评价指标上均优于单一曲率扩散去噪模型,并更好地保持了图像的细节特征。     

Feature-Based Deformable Surface Detection with Self-Occlusion Reasoning

This paper presents a method for detecting a textured deformed surface in an image. It uses (wide-baseline) point matches between a template and the input image. The main contribution of the paper is twofold. First, we propose a robust method based on local surface smoothness capable of discarding outliers from the set of point matches. Our method handles large proportions of outliers (beyond 70% with less than 15% of false positives) even when the surface self-occludes. Second, we propose a method to estimate a self-occlusion resistant warp from point matches. Our method allows us to realistically retexture the input image. A pixel-based (direct) registration approach is also proposed. Bootstrapped by our robust point-based method, it finely tunes the warp parameters using the value (intensity or color) of all the visible surface pixels. The proposed framework was tested with simulated and real data. Convincing results are shown for the detection and retexturing of deformed surfaces in challenging images.