增强现实虚实融合技术研究

为了解决增强现实中虚实融合的问题.本文提出纹理绘制和像素操作二种虚实融合的实现方法.纹理绘制的原理是把真实图像用作背景纹理数据,通过在背景前绘制虚拟物体实现虚实融合.像素操作的原理是把真实图像像素数据绘制到缓存中,通过在缓存中绘制虚拟物体实现虚实融合.本文给出了使用这两种方法实现虚实融合的结果以及实现3DS模型与真实场景融合的结果.     

自适应窗口和半全局立体匹配算法研究

针对区域立体匹配算法中匹配窗口的选择和在图像中视差不连续、弱纹理区域误匹配率较高的难题,提出了一种自适应窗口和半全局算法相结合的立体匹配算法.该算法先通过基于灰度的自适应窗口算法计算初始匹配代价,然后利用相邻像素之间的视差梯度作为约束,采用半全局立体匹配算法以得出视差图.最后对左右视差图进行左右一致性遮挡检测,获得精确的稠密视差图.针对不同的图像信息采用自适应窗口和半全局算法相结合的立体匹配算法,剔除、修正了视差不连续、弱纹理区域的误匹配点,得到匹配效果较好的视差图.实验结果表明:该算法有效降低了视差图在视差不连续、弱纹理区域和遮挡处的误匹配率.     

解决扩充现实中的遮挡问题

提出了一种新的解决扩充现实中遮挡问题的方法。该算法的核心是在每一帧图像中追踪至少四个基准点,构成仿射基,进而对虚拟物体与真实物体之间的遮挡轮廓进行重建和重投影,且在前两帧图像中交互指定这些阻挡轮廓相对于虚拟物体的前后位置,从而解决了扩充现实的阻挡问题。两个典型实例表明,此算法是可行的。     

基于双目视觉的显著性区域检测

针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法. 采用简单线性迭代聚类（SLIC）方法对图像进行超像素分割,将生成的超像素区域进行合并.通过计算各区域在左右视图的相对移动距离获取物体深度信息,以区域为单位分别计算颜色对比度及深度对比度,进行合成得到区域的显著性值.结果表明,生成的显著性图轮廓清晰,边缘锐利,同等条件下近处及深度变化显著的区域能够获得更高的显著性.该方法符合人类视觉感知特征,适用于移动机器人障碍物检测及场景识别.     

基于双目视觉的快速定位与测距方法

针对双目视觉定位与测距过程中存在匹配时间较长的问题,提出一种基于背景差分法的双目视觉快速定位与测距方法。首先,对双目相机拍摄的原始图像进行去畸变和立体校正处理;然后,对图像与背景帧差并进行形态学处理,得到只包含目标物体的图像;最后,对左右图像进行匹配并运用极线约束法则去除误匹配得到物体的三维信息,完成定位与测距。经实验验证,与传统双目视觉定位测距方法相比,该方法初始匹配对数减少了96.8%,有效匹配对数减少了94.1%,匹配时间减少了75.8%,表明本文方法对于实现基于双目视觉的快速定位与测距具有实际意义。     

视频监控系统中的多摄像头跟踪优化设计

针对分布式广域视频监控系统,提出了一种基于多摄像头融合的跟踪优化方法.该跟踪优化算法根据目标优先级和目标在各个摄像头中的遮挡状态及其分割图像大小进行数据加权融合,优先分配高优先级目标给具有最佳权值的摄像头进行跟踪,并动态平衡各个摄像头的跟踪负载,将跟踪负载过重的摄像头中的低优先级目标分配给其他摄像头进行跟踪.为了有效地建立重叠摄像头之间目标的对应关系,对于摄像头远离监控地平面和目标的场景,通过摄像头监视背景图像之间的SIFT特征匹配自动生成对应点,利用这些对应的关键点确定重叠摄像头之间的单应性变换矩阵参数,再根据目标质心坐标之间的单应性变换进行一致性匹配;对于摄像头近邻监控地平面和目标的场景,通过目标分割图像之间的SIFT特征进行一致性匹配.实验结果表明:该方法能有效地实现广域监控场景中多摄像头的协同跟踪,达到了较高的跟踪性能.     

面向瞬态成像仿真的遮挡目标逆向重构方法

由于瞬态成像硬件系统存在结构复杂、价格昂贵以及性能评估困难等问题,提出了一种新的逆向重构算法,并利用软件仿真的方法建立了瞬态成像链路．该方法首先根据仿真场景简化像素累积函数,并引入检测概率的方法获得三维空间中目标体素的采样; 然后利用射线追踪的方法计算目标的全局检测概率,通过阈值分割得到目标的三维点云信息;最后融合点云进行三维场景渲染．实验结果表明,这种方法能够仿真遮挡目标三维场景的瞬态成像过程,并且逆向重构算法增强了遮挡目标重构的效果．     

纵横切割的碎片文件复原方法

为了实现对规则纸质碎片的快速复原,提出基于碎片边缘像素的特征匹配算法.该算法通过分析规则碎片图像的边缘像素点,构建二维灰度向量;通过引入像素灰度相似度指标,构建基于规则图像碎片边缘像素点的灰度值二维匹配向量,建立像素点二维灰度匹配的数学模型;在进行碎片图像的横向匹配时,引入行约束条件以减少纵向误差,同时,对列匹配进行优化,最终实现对规则纸质碎片的快速匹配.仿真实验显示：在对209块中文(英文）规则碎片进行匹配时,采用该方法分别只需21次（34次）人工干预调整,即可实现碎片文件的完整复原.     

基于生成对抗网络的遮挡图像修复算法

提出一种基于生成对抗网络的遮挡图像修复算法,能够在大量像素缺失的场景下复原出图像的本来面目.该算法不同于其他的样本块搜索复原算法,可直接生成并且填充可能的缺失元素,改进了生成对抗网络生成模型的结构和生成损失的计算方法,具有半监督学习的特点.实验结果表明,在满足图像整体轮廓的前提下,新算法优于其他算法.     

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。     

实时的静止目标与鬼影检测及判别方法

针对视频安全监控中出现的鬼影干扰现象,提出静止目标与鬼影的实时检测及判别方法.建立双背景模型检测出静止前景区域,通过证据累积图像和允许遮挡时间参数减少虚警及处理遮挡问题.采用canny算子提取静止前景的边缘,分别计算静止前景边缘在当前帧与背景帧中的边界颜色对比度.通过对比边界颜色对比度的大小区分静止目标与鬼影.在不同复杂度的视频场景下的实验表明,采用该方法能够有效地从复杂场景中检测出静止目标,并快速判别鬼影,极大地降低了计算耗时且准确率较高.对于图像大小为352×288的视频序列,该算法的平均运行速度约为50帧/s,能够满足实时的监控任务需求.     

基于光照方向不一致的图像盲取证技术

通过提取单一数字图像中目标物体的边缘信息,可估计图像拍摄场景中的光照方向. 为了提高光照方向的估计效率,引入图像边缘检测算子,实现了待取证图像中目标物体的准确定位和边缘拟合,并进行了数据分析,建立了系统的基于光照方向不一致的图像篡改检测流程. 实验结果表明,边缘检测算子优化了图像检测流程,提高了该取证技术的可行性和可扩展性.     

边缘检测识别道路边界时消除标识线干扰的图像处理方法

针对通过对道路图像进行边缘检测来识别道路边界时道路中道路标识线的边缘特征对判断造成干扰的问题,提出了一种处理图像的方法.该方法基于边缘检测算法检测到的边缘对道路的灰度图像进行逐行处理,通过对该行中边缘通过的点附近的灰度值进行判断和修改来降低道路标识线的边缘特征,同时保留道路真实边界的边缘特征.在该方法基础上搭建了基于边缘检测的道路边界识别系统并对方法进行检验,使用130余张道路图片作为输入,验证了方法的有效性和实时性.实验结果表明,该方法能有效消除道路标识线对基于图像边缘检测的道路边界检测方法的干扰.     

沿自适应图像缩放算法

为了找到正确的图像边沿去进行插值，提出了一种改进的边沿自适应图像缩放算法.计算图像中各像素处不同边沿方向的相关度，用模糊度参数对检测出的边沿相关度进行过滤处理，将相关度值最小的方向预选为该像素的边沿方向，生成整幅图像的边沿信息表.根据物体边沿信息的连续性，利用延续度参数优化边沿信息，得到最终使用的边沿信息表.对于图像中存在边沿的区域，插值沿边沿方向进行.对于图像中不存在边沿的区域，采用传统的插值方法进行插值.仿真结果表明,在人造图像和自然图像中，该算法都能有效消除传统插值方法在物体边缘的模糊和锯齿现象.     

列车视频监控中视频遮挡报警算法的研究与应用

针对列车视频监控中监控背景易被遮挡的现象,在单高斯背景模型的基础上,提出了一种结合背景减除法和最佳分割阈值迭代思想的图像遮挡提取算法,该算法可以解决列车视频监控中的背景模型更新不及时以及阴影消除的问题。测试结果表明,本文算法可以有效地对列车视频监控场景中遮挡视频的物体进行分析提取,并发出报警提示,为列车监控系统提供数据分析。     

利用边缘像素深度特性的深度估计方法

为了提高物体边缘处像素的深度估计准确性,改善任意视点电视系统中合成虚拟视图质量,提出一种新颖的深度估计方法.该方法首先充分利用物体边缘像素的深度特性,将视图中的像素划分为3类,然后为每类像素提出相应的匹配代价函数的平滑项.与现有的基于边缘辅助信息的半自动深度估计方法相比,本方法有效提高了物体边缘处像素的深度估计准确性,在任意视点电视(FTV)系统接收端合成的虚拟视图客观质量PSNR平均提高0.32dB.     

图像异常边缘篡改检测及可信度评价算法

针对传统图像篡改检测算法适用性有限,只能检测某一类篡改区域边缘平滑处理的问题,提出一种图像异常边缘篡改检测及可信度评价算法。采用非线性预测编码去除图像像素间的相关性,降低边缘像素点与其周围像素亮度差异,从而达到弱化边缘的目的。对处理后的图像利用边缘增强算法增强真实边缘。对比图像处理前后边缘变化,寻找异常边缘点,通过异常边缘概率计算图像可信度评价图像的真伪。实验结果表明,在未知伪造操作的情况下,该算法能够较好地检测出图像中的异常边缘,并给出图像的可信度评价。     

三维图像测量中单像素级边缘的检测

在三维图像测量技术中，目标物体边界识别需要得到准确的单像素级的图像边缘．本文在采用小波变换进行检测图像边缘的方法上，首先根据像素邻域的灰度直方图自适应地选取小波变换的尺度，并存基于Mallat小波模极大值边缘检测方法的基础上借用双阈值操作技术的原理，对结果进一步细化，并将边缘点链接，从而最终得到单像素级的边缘图像，以满足下一步实验的要求．     

基于超像素一致显著性的视频运动目标检测算法

针对目前视频运动目标检测中存在受背景影响大,复杂场景下检测效果不佳的问题,提出一种基于超像素一致显著性的视频运动目标的检测方法。首先,将视频图像序列进行超像素分割,在保留目标特征完整性的基础上降低图像后续处理的计算复杂度。之后对视频单帧图像进行显著性检测,得到图像显著目标区域,接下来通过对视频图像序列间显著区域超像素匹配机制对运动目标进行检测。最后,引入视频图像序列间显著性传播的协同判别因子提高对运动目标的判别精度。实验结果表明,所提算法具有较强的鲁棒性,能够处理各种复杂场景下视频运动目标的检测,检测准确率达到93%,优于目前的主流算法。     

基于图像的小尺寸零件圆参数亚像素定位算法

亚像素软件处理技术可以在一定程度上补偿图像测量系统由硬件限制引起的边缘定位误差,针对工业中的小尺寸圆形零件参数检测,提出了一种基于Zernike矩、二次多项式插值和最小二乘法拟合的圆参数亚像素定位算法。首先根据Zernike正交复数矩建立圆物体边缘点与边缘参数之间的映射关系,并提取边缘点;然后利用二次多项式插值在梯度方向上对提取出的边缘点进行进一步定位;最后利用最小二乘法拟合插值后的边缘点,得到亚像素精度的圆参数。通过小尺寸圆形惯性器件图像边缘提取实验,对该算法的有效性和检测精度进行了研究,给出了惯性器件的实测尺寸对比结果。实验结果表明:提出的圆参数亚像素定位算法比传统算子具有更高的检测定位精度,可满足图像目标高精度实时在线测量的要求。