基于结构光深度图像获取装置的研究

为了获得深度图像,采用激光时序空间编码技术,研制了深度图像获取装置,给出了深度图像获取装置的硬件和工作原理,提出了一种深度测量算法．实验结果表明,该装置能较好地获取深度图像;有效地减少图像的采集、处理量．通过处理8幅图像就能得到空间分辨率为1／256的景物深度数据和深度图像,具有简单、快速的优点,为基于深度图像的目标边缘检测和识别提供了有效的方法．     

基于阵列图像立体匹配的深度信息获取方法

本文实现了一种对3×3微阵列镜头获取的阵列图像进行匹配计算得到带有深度信息图像的方法.方法首先对3×3微阵列镜头进行单个镜头标定以及单个镜头分别和中心镜头进行立体标定,得到相机参数;然后建立对应的能量代价函数,构建马尔可夫随机场,设定其初始深度,在空间进行划分层次;最后运用图割算法求解能量函数最小化,选择最优匹配值,进而得到带有深度信息的匹配图.实验结果表明本文基于阵列图像立体匹配的深度信息获取方法是有效的;相比一般双目视觉系统,微阵列镜头的体积尺寸小、可以同时拍摄获取图像,能够得到比双目视觉更准确的深度信息.     

基于远红外相机的被动式光场成像

光场成像是一种在可见光波段得以广泛应用的计算成像方式,是一种对常规成像方式的增强与拓展。为了解决远红外相机存在的信噪比低下问题,本文通过引入光场成像的手段,设计了一种基于远红外相机的相机扫描构型光场成像系统,在4D全光函数理论与双平面光场参数化模型的基础上,通过采集关于样品对环境红外背景辐射反射的4D光场信息,并利用4D光场重构算法,实现对光场2D切片的预处理与4D光场的2D重构,以此实现了较之单纯光场成像手段更加显著的固定模式噪声抑制与信噪比提升效果。     

基于双目视觉的焊缝图像立体匹配

针对焊接图像缺乏纹理的问题,研究了一种弱纹理检测跨尺度聚合的立体匹配算法。根据张氏标定法,对双目视觉传感器进行标定,得到了双目视觉传感器的外部和内部参数。然后,对双目视觉传感器获取的焊缝图片进行中值滤波、二值化等一系列图片预处理。利用弱纹理检测跨尺度聚合算法对焊缝图像进行立体匹配,得出焊缝图像视差图,再从视差中恢复距离,得到了焊枪的高度信息。对双目视觉传感器采集的焊缝图像进行实验,实验结果验证了弱纹理检测跨尺度聚合的立体匹配算法的可靠性。     

利用深度图像改进光场描述符的三维模型检索算法

针对光场描述符丢失三维模型空间信息以及全景视图描述符投影视图较少的问题,提出一种结合深度图像的三维模型检索算法. 该算法引入深度图像对光场描述符加以改进,得到投影视图后,分别提取其离散小波变换特征和Zernike矩特征;然后对深度图像进行聚类去掉冗余信息,并通过随机游走算法来确定每一类的权重,以更好地反映类间关系;最后设计改进全景视图相似距离计算方法,用于进一步的三维模型检索. 在普林斯顿模型库上的实验结果表明,该算法有效利用了三维模型空间信息,提高了检索精确度.     

基于FPGA的以太网双目图像采集系统设计

针对双目视觉的位姿测量系统中两摄像头采集图像数据不同步和不能并行运算的问题,设计了基于FPGA的单个以太网口的双目图像采集系统.系统采用两片数字图像传感器OV5640完成对前端图像数据的采集,以FPGA芯片作为控制核心,把采集的两个摄像头图像数据通过两个写FIFO交替存储在SDRAM存储器,再通过计数器的计数值交替变换两个读FIFO的读请求继而交替读出存储在SDRAM存储器的图像数据,最终数据以UDP协议通过MII接口发送给PH Y芯片再以网线发送至上位机,上位机根据辅助信息即可实现两个摄像头的实时显示.实验结果表明:实现了两摄像头同步工作、并行运算,并且系统具有结构简单、体积小、成本低、传输稳定等优点,可满足双目视觉的位姿测量系统中对图像采集的要求.     

基于四维光场数据的深度估计算法

基于光场数据的四维结构信息,提出一种具有像素级精度的深度估计算法,为三维表面重构提供精确的深度信息.首先,由光场数据中视差与视点位移的等比关系,给出基于光场数据的区域匹配算法,得到初步视差图.其次,基于区域匹配的误差来源建立新的置信函数,对误匹配像素进行分类并优化,得到高精度的深度图.采用公开的HCI标准光场数据和实拍的光场数据进行了算法验证和成像精度评测.结果表明,与已有的算法相比,新算法具有更好的计算精度,在平滑区域和边缘遮挡区域有较好效果.     

基于多视点图像的人脸表面光场重构

为了实现任意新视点下三维人脸模型的绘制,针对三维人脸模型数据的特殊性,提出一种借助一般三维人脸模型基于稀疏多视点图像重建特定人脸表面光场的方法,该方法改进了Laplacian网格变形技术,实现了一般人脸三维模型到多视点图像中特定人脸三维模型的变形,避免了直接扫描人脸模型的操作复杂、模型粗糙、数据量大等缺点。最后,通过任意视点下人脸模型绘制验证了基于多视点图像重构获得的人脸表面光场数据的有效性。     

双目视图运动图像去模糊方法

现代工业生产线上采集到的产品图像存在运动模糊,对后期探测产品表面信息以及重建产品轮廓产生影响.为了解决这一问题,提出一种基于双目视图的运动图像去模糊方法.通过双目相机之间的对极几何关系以及相机模型,推导出两视点图像点扩散函数路径之间的内在联系,并运用像机标定模块求取标定矩阵中的参数.通过此内在约束条件求取精确的点扩散函数,并对双目视点图像进行统一去模糊.结果表明,通过双视点图像几何关系求取的点扩散函数路径来进行去模糊取得了较好的效果.     

光场强度分布对鬼成像成像质量的影响

鬼成像的优越性使其应用前景非常广泛,而其成像质量是决定鬼成像实用化的重要因素之一。在鬼成像系统中,光源性质是影响鬼成像成像质量的重要因素。通过数值模拟与实验,验证了光场的空间结构的分布与一阶统计分布对鬼成像的成像质量的影响。并通过对比度和衬噪比这两个指标来衡量鬼成像的成像质量,发现光场的一阶统计性质对成像质量的影响尤为明显。将光场的统计分布调制为均匀分布时,能够显著提高了图像的对比度和衬噪比,因此可以只通过调节光场的一阶统计分布而提高鬼成像的成像质量。     

基于双目图像物体边缘的半遮档检测方法

增强现实系统中虚实结合采用的虚实遮挡处理技术,目前难以处理该技术中真实物体之间存在半遮挡现象的真实场景,为了判断真实物体之间的半遮挡现象,提出了一种基于双目图像物体边缘的半遮挡现象检测方法,该方法通过检测双目图像获得真实物体的边缘信息,提取每一个边缘点对应的若干边缘像素,将两幅图像的边缘像素进行灰度匹配,通过不匹配的边缘像素来判断是否存在真实物体之间的半遮挡现象。实验结果验证了该方法的有效性,相对遮挡处理过程,该方法具有较小的时间开销,并且适用于规则场景和规则对象的半遮档检测。     

基于Kinect的深度图像修复方法

提出采用基于权值的联合双边滤波器(WJBF)和深度补偿滤波器(DCF)相结合的方法对深度图像进行修复。首先,通过Kinect获得对齐后的彩色图像和深度图像;然后,利用基于权值的联合双边滤波器处理深度图像中的空洞和噪声;最后,用深度补偿滤波器减少边缘模糊。将本文算法与3种常用的深度图像修复方法进行了定性和定量上的分析和对比,实验结果表明,本文方法具有更好的修复效果。     

基于单静态图像的深度感知模型

为解决立体视觉深度感知模型的昂贵计算代价问题,提出以机器学习算法为主要依托的基于单静态图像的深度感知模型。研究基于单静态图像的深度感知模型的形式化表示、多尺度空间图像特征的选择,并将该模型应用于深度图的预测,以及利用该模型预测到的深度图进行3D场景重构。试验结果表明,基于单静态图像的深度感知模型可以获得较好的深度预测精度、较快的预测速度以及比较理想的重构模型。     

基于注意力反馈机制的深度图像标注模型

针对图像标注任务提出了一种基于注意力反馈机制的深度图像标注模型。该模型采用编码器-解码器框架;编码器采用VGG-16的网络结构,以提取图像的特征信息;在解码器部分设计了一种堆叠方式自上而下的处理注意力信息,使网络的每一层都可以获得额外的特征信息。然后从生成的标注语句中提取特征,将关注特征和图像的关注区域结合,增强和图像关注区域的匹配性,使生成的标注语句近似真实语境。在Flickr8k、Flickr30k和MSCOCO等数据集进行实验,实验结果显示,所提出模型的识别率比经典图像识别模型高5%～9%。     

基于深度学习的遥感图像道路分割

为在遥感图像中提取出来道路信息,利用深度学习技术,引入U²-Net模型进行遥感图像道路分割。相比于传统的道路提取方法,基于U²-Net方法可以实现道路的自动化提取。为验证U²-Net模型分割效果,选取U-Net、DeepLabV3+等近几年较为流行的语义分割方法进行对比试验,并进一步分析U²-Net显著图融合模块中卷积核对道路提取效果的影响。试验结果表明,U²-Net模型能较有效地提取出道路信息,模型在测试集上的平均交并比达到了76.49%,Kappa达到了0.701 2,分割精度优于U-Net、DeepLabV3+等语义分割方法。基于U²-Net模型的深度学习方法可以用于解决遥感图像中的道路分割问题,并具有较好的分割效果。     

基于深度学习的单幅图像三维重建算法

图像三维重建在逆向工程、人工智能等领域广泛应用基于深度学习利用单幅图像重构出三维模型,已经成为当前研究的热点。文章首先综述单幅图像三维重建的研究现状,重点研究基于体素表达的3D-R2N2、基于点云表达的PSGN、基于单片网格表达的Pixel2Mesh和基于多片三角形网格表达的AtlasNet四种算法,通过实验对比研究,来分析解决不同任务与输出模型不同表达方式的选择问题。     

基于深度图像的人体行为识别综述

深度图像降低了人体三维运动信息在视觉获取过程中的维度损失,使得与传统彩色图像相比,基于深度图像的人体行为识别研究在特征提取、表示及识别精度等方面体现出技术优势,受到广泛关注,因此,全面、深入地综述了基于深度图像的人体行为识别的研究现状.首先,对近年来提出的基于深度图像的人体行为识别的各种方法进行整理、分类;然后,对多个常用的人体行为公开数据库进行介绍,并在3个数据库上对不同方法的识别率进行对比分析;最后,阐述了人体行为识别技术未来可能的发展趋势.     

基于深度迁移学习的烟雾图像检测

针对乡村焚烧秸秆的烟雾预警问题,提出一种基于深度迁移学习的烟雾图像检测方法。该方法使用TensorFlow框架,引用已在ImageNet数据集上训练好的Inception-v3网络模型作为源模型,将其在ImageNet数据集中提取到的边缘、色彩、纹理等特征用于构建新的烟雾检测模型。利用真实场景的监控图像进行实验验证,实验结果表明,和传统的烟雾图像检测方法相比,该方法取得了较高的检测准确率,测试准确率达到了90%。     

基于Kinect相机的深度图像修复算法

针对Kinect相机获取深度图像存在空洞和噪声的问题,提出了一种基于联合双边滤波和中值滤波相结合的深度图像处理方法.将Kinect获得的彩色(RGB)图像和深度图像裁剪对齐,利用联合双边滤波器修复深度图像中的空洞,用中值滤波器滤除噪声.实验结果表明:与其他方法相比,所提算法能够有效填充深度图中的空洞区域,并去除图像中的...