基于无穷单应的线性多视图重构

研究了由多幅图像恢复摄像机矩阵和空间物体三维几何形状的问题,对Cross等人提出的利用无穷远平面诱导的单应进行重构的算法进行了改进,提出了一种新的算法。该算法只需要一个点和一条直线在所有视图中均可见,解决了原算法要求4个共面参考点的难题。     

基于生成对抗网络的多视图学习与重构算法

同一事物通常需要从不同角度进行表达.然而,现实应用经常引出复杂的场景,导致完整视图数据很难获得.因此研究如何构建事物的完整视图具有重要意义.本文提出一种基于生成对抗网络（Generative adversarial networks,GAN）的多视图学习与重构算法,利用已知单一视图,通过生成式方法构建其他视图.为构建多视图通用的表征,提出新型表征学习算法,使得同一实例的任意视图都能映射至相同的表征向量,并保证其包含实例的重构信息.为构建给定事物的多种视图,提出基于生成对抗网络的重构算法,在生成模型中加入表征信息,保证了生成视图数据与源视图相匹配.所提出的算法的优势在于避免了不同视图间的直接映射,解决了训练数据视图不完整问题,以及构造视图与已知视图正确对应问题.在手写体数字数据集MNIST,街景数字数据集SVHN和人脸数据集CelebA上的模拟实验结果表明,所提出的算法具有很好的重构性能.     

一种多视图分层重构算法研究

本文介绍了基于奇异值分解的射影重构算法的一般框架,以测量矩阵的秩为4作为约束,以仿射投影逼近透视投影,利用共轭梯度法估计射影深度,通过奇异值分解实现射影重构.利用共轭梯度法确定Kruppa方程中的未知比例因子,然后利用所确定的比例因子线性求解Kruppa方程,进而标定摄像机内参数.在摄像机内参数已知的情况下,求解一个满足欧氏重构条件的非奇异矩阵,然后通过此矩阵将射影重构变换为欧氏重构.实验结果表明所给出的算法是行之有效的.     

基于单视图的多姿态人脸识别算法

针对基于多视图的多姿态人脸识别方法的缺陷，即需要对每个人脸拍摄多个视图为前提条件，提出了基于单视图的多姿态人脸识别技术，首先基于二元高次多项式函数最小二乘拟合方法由单视图通过变形生成多姿态人脸图像，然后基于该单视图和生成的多姿态图像进行多姿态人脸识别。实验结果表明该文算法识别的正确率远高于经典算法。     

摄像机自标定的线性理论与算法

文中提出一种新的摄像机线性自标定的算法和理论。与文献中已有的方法相比,该文方法的主要优点是对摄像机的运动要求不苛刻,如不要求摄像机的运动为正交运动。该方法的关键步骤是确定无穷远平面的单应性矩阵（Homography)。文中从理论上严格证明了下述结论：摄像机作两组运动参数未知的运动M1＝{（R1,t^11),(R1,t^12)},M2={(R2,t^21),(R2,t^22)},若下述两个条件满足：（1）T1＝{t^11,t^12},T2={t^21,t^22}是两个线性无关组（即本组内的两个平移向量线性无关）;（2）R1,R2的旋转轴不同,则可线性地唯一确定摄像机的内参矩阵和运动参数。另外,在四参数摄像机模型下,严格证明了一组运动可线性地唯一确定摄像机的内参数矩阵和运动参数。模拟实验和实际图像实验验证了本文方法的正确性和可行性。     

基于仿射点对应的分层重构

提出了一种基于仿射点对应的分层重构方法,所谓仿射点对应是指相差一个仿射变换的两个空间点集的图像对应．该方法主要分为以下三个步骤：首先,从点对应计算准仿射重构;然后,由仿射点对应的准仿射重构建立一个三维射影变换,并利用这个射影变换的特征向量来确定无穷远平面,从而得到仿射重构;最后,从仿射重构所获得的无穷远平面单应矩阵标定摄像机内参数,进而得到度量重构．在上述三个步骤中,第二个步骤是最关键的,即如何确定对应于无穷远平面的特征向量,这也是该文的新思想和主要贡献所在．仿真和真实图像实验均表明,该文的方法是有效的,并且有很好的鲁棒性．     

基于改进PMS算法的多视点立体视图优化算法

针对多视点视图匹配存在的不足,提出一种多视点法平面与视差空间及聚合成本最优化的改进PMS算法.设计多视点视图优化框架,推导出视点聚合成本函数;结合多视点聚合成本函数最优化方法,设计法平面与视差及聚合成本最优化的改进PMS算法,给出算法步骤;对提出的算法在不同噪声下的角度误差、相同噪声不同视点数的角度误差和相同噪声不同视...     

一种基于多视立体视觉的多视图直线匹配方法

提出了一种基于多视立体视觉（Multiple view stereo,MVS）进行多视图直线匹配的方法. 本文方法首先利用MVS所得到的三维点云及其可见性信息,建立三维点与图像直线的对应关系. 根据此对应关系,为每条图像直线建立由一个三维点集和一个三维单位向量构成的描述子,用以衡量图像直线之间的相似性及一致性. 之后,本文方法以所有图像直线为顶点建立一个图,并引入了图谱分析来获取统一的顶点距离度量. 最后,本方法对DBSCAN聚类算法进行了修改,并用修改后的算法从图谱分析结果中获取可靠的直线匹配. 实验显示,本方法比已有方法更加鲁棒,并且有更高的准确率.     

多实化视图的自维护算法

实化视图的维护是数据仓库技术的重要问题,近几年产生了很多的维护算法。已有的维护算法大多是针对单个实化视图的维护。该文提出了一种多实化视图的自维护算法,该算法利用局部约简规则和主外键引用关系生成较小的辅助视图集,使多实化视图和辅助视图集都是自维护的。     

基于稀疏线性重构的主动学习算法

传统的主动学习算法,或需要随机选择已标注样本为基础,或忽略数据的结构细节,或需要预先设定固定的邻域规模。基于稀疏表示模型和最优实验设计方法,文中提出一种基于稀疏线性重构的主动学习算法。该算法首先用稀疏表示模型获得样本和其它样本之间的稀疏重构模式,接着在保证样本间稀疏重构关系和重构样本精度的目标下选择合适的样本。实验结果表明,基于文中算法挑选样本无需任何先验知识,克服其它方法需固定邻域范围的缺点,样本选择结果与近邻熵方法、转换实验设计、局部线性重构方法相比,可获得更好的分类性能。     

一种半自动的三维欧氏重建方法

从二维图像得到场景的三维模型是计算机视觉和虚拟现实的重要研究内容。本文通过用户的简单交互,利用平面型场景的同形关系自动进行两幅大差异图像之间的角点匹配,将这些匹配结果作为初始点,再利用RANSAC鲁棒算法估计基本矩阵。以此结果进行仿射重建,然后在简化相机模型的基础上通过给出的约束条件直接实现欧氏重建,真实数据的实验结果表明了该算法的有效性。     

基于图像的三维分层重构算法研究

文章研究在摄像机内参数不变的情况下,利用图像中场景的结构信息实现分层重构的方法。通过求解基础矩阵实现射影重构,通过求解无穷远平面单应矩阵实现仿射重构,利用虚圆点约束求解绝对二次曲线的像实现欧氏重构。实验表明所研究的算法是有效可行的。     

多视重建的研究现状

：对目前的多视重建技术进行了综述．先介绍了多视重建的分类和评价方法，然后分析了光照一致性约 束和可见性约束，再分别讨论了几个有代表性的算法，如深度图方法、空间雕刻法、变形模型方法、目标函数求解 法（包括水平集法、图割法）、种子生长法、概率估算法（马尔可夫场方法、EM 方法）等等，再探讨了这些算法的不 足之处．最后，提出了融合多种方法、多种线索的3 维重建新思路，以提高多视重建的完整性和精度．     

基于射影重建的线性摄像机自标定方法

提出了一种基于射影重建的线性摄像机自标定方法.该方法只需要摄像机作一次纯平移运动和两次带旋转的任意运动即可.该方法有3个主要特点.第1,由于该方法是一种线性方法,所以避免了大多数非线性方法的局部极小问题.第2,该方法是一种基于射影重建的自标定方法,由于在射影重建过程中利用了所有图像的信息,因此比以前的方法具有更好的鲁棒性.第3,该方法对硬件设备几乎没有特殊要求,在实际应用中易于实现,比如人手持一个摄像机摄取一些图像即可.模拟实验和真实图像实验均证明了该方法的可行性.     

可并行迭代式图像序列射影重建策略

可并行迭代式重建策略以三视图为重建单元,为避免求解三焦张量而提出一种简单的实现策略,并对三视图进行全局的特征点匹配。给出可并行的分层对应点合并策略。对长度为n的序列,传统迭代方法需要进行(n-1)次重建单元合并,且重建层数为(n-1),而对可并行迭代策略需要进行(n-2)次单元合并,重建层数为lb(n-1),且每一层的单元合并完全可并行。     

两种3维重建方法的比较

对基于本质矩阵和基于绝对二次曲面的两种重建方法进行了比较研究,仿真实验和真实图像实验结果表明,尽管基于绝对二次曲面的重建方法比较抽象,很多人对这种方法不太熟悉,但是该方法无论是在重建精度还是鲁棒性方面都优于基于本质矩阵的重建方法,这一发现对实际应用有非常重要的指导作用.     

一种三维准欧氏重建方法

研究在不必精确知道相机内参数的情况下进行场景的三维重建，充分利用建筑场景的平面信息，假设场景由一些基本平面元素组成，从而自动生成场景的拓扑结构．虽然重建结果从严格意义上仍是射影重建，但已经非常接近欧氏重建结果，文中称之为准欧氏重建，该结果还可以为其它优化算法提供很好的初值．真实图像的实验结果证实了本文算法，重建模型达到了很好的可视效果．     

一种基于双目主动视觉的线性自标定算法

从理论上推导出了绝对二次曲面包含了摄像机全部内参数和无穷远平面信息,并根据双目视觉之间的平移关系,扩展了无穷远平面信息对绝对二次曲面的线性约束,仅仅通过两幅图像就可以线性自标定和三维重建．大量仿真试验和真实图像说明本方法能够得到满意的结果,可以应用到实际视觉测量,并且也可以作为非线性自标定优化的初始值．     

基于多角度光学投影表面重建的三维自发荧光光源定位算法

在自发荧光断层成像（Bioluminescent tomography imaging,BLT）中,双模态融合（光学模态与结构模态）可充分利用结构模态提供的高精度3D几何结构,重建三维表面荧光光通量分布,进而实现小动物内部荧光光源定位.然而,与纯光学模态相比,双模态融合存在采集系统复杂、成本高、数据处理繁琐及存在电离辐射（如CT）等问题.因此,研究基于纯光学3D几何结构的自发荧光光源定位方法对BLT具有重要意义. 本文在搭建纯光学自发荧光断层系统（All-optical bioluminescence tomography system,AOBTS）的基础上,提出一种基于多角度光学投影表面重建的三维自发荧光光源定位方法. 本方法由基于多角度光学投影的3D表面重建、多角度荧光无缝融合、荧光光通量的量化校正以及自发荧光内部光源重建4部分组成. 通过真实小鼠内部植入荧光光源实验表明,与传统纯光学方法相比,本文提出方法不仅改进了3D表面重建方法,而且增加了多角度荧光无缝融合,可实现真实小鼠的三维自发荧光光源定位,初步实验证明具有小动物预临床实验潜力.