一种新的立体视差估计算法

为了减少误匹配率,提高PSNR,减少计算复杂度,提出了一种新的固定块立体视差估计算法．根据连续性和惟一性约束,建立了高斯模型计算先验概率,用最大后验概率准则判断最佳匹配块．通过施加视角约束和顺序性约束,即平行结构摄像机产生的成像点的位置范围和顺序关系,对高斯先验概率计算模型进行修正,对不符合这二个约束的候选块惩罚．约束减少了扫描范围,从而减少了时间复杂度和产生误匹配的概率．实验结果表明,新方法的PSNR比相关法有02~4.0dB的提升,特别对噪声高、视差大的立体图像对提升较大．另外,视差图的光滑性要比相关法好．     

一种均值漂移与图割相结合的视差估计

针对传统视差估计方法匹配误差较大的问题,将输入图像低纹理区域的色度进行融合,提出了一种均值漂移与图割相结合的视差估计算法。先采用均值漂移原理对左右视点图像进行预处理,再将处理后的图像利用图割法进行视差估计。实验结果表明,与传统视差估计算法相比,所提出算法能有效提高视差估计的准确性。     

双视角自然图像视差计算和深度估计

在图像前景抠图的基础上,提出一种对双视角图像视差计算以及对图像中目标物体景深估计方法。首先,对左右视图标记,提取标记图像中目标物体;然后利用前景抠图技术和二值化计算得到一幅二值化图像;最后计算左右二值化图像中对应目标物体的视差值,通过视差值判断目标物体在场景中的景深。实验结果表明,该方法计算简单,不需要图像采集设备外部参数,可以达到较高精度。     

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.     

一种特殊阵列实现DOA估计的方法

提出了一种基于特殊阵列形式实现DOA估计的方法，在均匀线性阵列（ Uniform Linear Array, ULA）上增加一个阵元，将阵元放在特定的位置，得到一组特殊的阵元组合，打破了均匀线阵中导向矢量的周期性，成功地避免了角度估计模糊．此外，该方法在同等硬件资源的条件下，得到了更多阵元组合，可以获得更高的阵列方位分辨率．提出了一种适用于新阵列结构的矩阵分块空间平滑算法，利用其导向矢量的局部周期性将其数据协方差矩阵分块空间平滑后，重新组合得到修正后的数据协方差矩阵，实现了相干信号源的DOA估计.     

一种特殊阵列实现DOA估计的方法

提出了一种基于特殊阵列形式实现DOA估计的方法,在均匀线性阵列（Uniform Linear Array,ULA）上增加一个阵元,将阵元放在特定的位置,得到一组特殊的阵元组合,打破了均匀线阵中导向矢量的周期性,成功地避免了角度估计模糊.此外,该方法在同等硬件资源的条件下,得到了更多阵元组合,可以获得更高的阵列方位分辨率.提出了一种适用于新阵列结构的矩阵分块空间平滑算法,利用其导向矢量的局部周期性将其数据协方差矩阵分块空间平滑后,重新组合得到修正后的数据协方差矩阵,实现了相干信号源的DOA估计.     

一种新的波达估计方法

分析了目前常用的波达角估计算法,研究了等距线阵和圆阵的特点,指出其存在关于横轴镜像对称信号源的空间模糊性,利用等距T型阵克服了这一困难。提出了一种新的基于训练序列波角达估计新算法,新算法基于如下假设:各个信号源的训练序列互相正交,并且各个信号源都是幅度为1的恒模信号。该文给出了新算法的数学推导过程,得到一个简单的波达角估计公式。应用Matlab对新算法进行了仿真,仿真结果表明新算法能够快速、精确地估计波达方向。     

一种基于全局视差的多视点视频快速编码方法

针对多视点视频编码复杂度较高的问题,本文探讨了一种基于全局视差的多视点视频快速编码方法。通过全局视差获取相邻视点参考宏块的编码信息,根据视点间编码信息的相关性,预测当前编码宏块的编码模式、参考帧,以及视差/运动联合估计的搜索范围。实验结果表明,本文采用的快速编码方法计算复杂度低,几乎不改变图像编码质量,并且有效减少了多视点视频的编码复杂度。     

一种基于深度卷积网络的鲁棒头部姿态估计方法

针对头部姿态估计方法受特征提取限制导致姿态估计效果不佳的问题,提出使用深度卷积网络自动学习有效特征并进行分类的头部姿态估计方法。首先,利用DCNN非线性映射和自动提取图像结构信息的能力,设计一个深度卷积网络实现对姿态鲁棒特征的提取;然后再将提取的特征用于分类器训练并最终实现头部姿态估计。在Pointing’04和FacePix数据库上的测试结果表明,本文设计的深度卷积网络能有效的进行特征学习,避免了人工设计特征的不足,与现有的基于人工设计特征方法相比,本文方法在两个数据库上达到的预测平均绝对误差分别为4.05〫和2.04〫,充分证实了本文算法的稳定性和可靠性。     

用于立体图像编码的自适应块匹配视差估计算法

提出了一种新的自适应块匹配视差估计算法,对图像用固定尺寸分块并做视差估计,利用对应块之间的亮度估计误差判断是否进行自适应的块匹配估计．在自适应块匹配算法中使用亮度估计误差的方差来控制匹配窗口的大小和形状,得到最优的匹配窗口．用这个窗口重新进行视差估计,得到最后的视差矢量．实验证明,该算法的估计误差小于传统的固定尺寸块匹配算法,效率优于一些用于立体图像分析的自适应块匹配算法,是一种简单、实用、适合编码系统使用的视差估计算法．     

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.     

一种低信噪比下基于深度学习的DoA估计方法

针对低信噪比下毫米波系统多径方位估计问题,提出了一种基于深度学习的多径波达方向估计方法。该方法通过构建协方差矩阵与多径角度间的映射模型来实现：首先利用接收信号,构建抽样协方差矩阵;然后,通过基于深度残差收缩网络的多标签分类模型,实现视距传输路径角度估计;最后,利用基于卷积神经网络的回归模型,实现非视距传输路径的角度估计。仿真结果表明,与传统方法相比,所提方法能够显著降低均方根误差,并且在低信噪比下可以取得较低的角度估计误差;在不同场景下,所提方法具有良好的适用性。     

一种存在阵列误差情况下的宽带DOA估计方法

相对于窄带信号,宽带信号阵列模型误差更加复杂和多样。文章首先给出了宽带信号条件下的阵列误差模型,利用四阶累积量估计出各频点上实际的方向矩阵,然后利用总体最小二乘(TLS)算法给出了一种存在阵列误差情况下的聚焦矩阵的求法。仿真结果表明此方法在存在阵列误差时DOA估计精度较高,稳健性好。     

基于通道注意力的自监督深度估计方法

提出了一种基于自监督深度学习和通道注意力的深度估计方法。虽然以往的方法已经能够生成高精度的深度图,但是它们忽略了图像中的通道信息。对通道之间的依赖关系进行显式建模,并根据建模结果重新校准通道权重能有效地提高网络性能,从而提高深度估计的精度。本文从两个方面引入通道注意力机制以增强网络模型的能力：在网络中插入SE (Suqeeze-and-Excitation)模块以提高网络模型获得特征图中通道间关系的能力;设计了一个多尺度融合通道注意力模块,实现融合多尺度像素特征和重新校准通道权重的功能。通过在KITTI数据集上的实验验证,所提方法在精准度、误差和深度图的具体效果上都优于现有的基于自监督深度学习的深度估计方法。     

一种快速有效提取浓密视差图的方法

采用边缘匹配和区域相关相结合的办法,用Gauss-Laplace算子首先对图像进行运算,提取图像的边缘像素,并根据一定约束条件匹配边缘像素,再将图像对视作对称,以相关值互为最大来确定其余点的匹配关系。用该方法处理经过良好校正的图像对,在VC++环境下可实现浓密视差图的快速提取。     

用于DOA估计的一种MIMO雷达最优阵列设计

鉴于MIMO雷达的频率分集作用使其具有更高分辨率和更大的自由度,从MIMO雷达信号模型出发,以DOA估计为目的,分析得出了MIMO雷达发射阵列阵元间距的最佳值.然后在给定阵元个数情况下,提出了一种基于拉格朗日乘数法的MIMO雷达天线设计方法.该方法根据多元函数最值理论得到了一组唯一的发射接收组合,给出了MIMO雷达阵列最优设计的解析解.最后通过仿真实验验证了该方法的正确性和有效性.     

一种新的盲联合角度-时延估计方法

提出一种新的盲联合角度-时延的估计方法,对阵列天线输出的过采样样本的Fourier变换后信号进行分析,结果表明,此信号具有三线性模型特征.为此,提出一种改进的三线性交替最小二乘(ITALS)算法,对波达方向(DOA)和时延联合估计.该算法利用方向矩阵和时延矩阵的Vanderm onde特征、基于最小二乘原理对方向矩阵和时延矩阵进行重构,以及对DOA和时延估计.仿真结果表明,ITALS方法具有较好DOA和时延联合估计性能,且在过载系统下仍有较好的性能.ITALS方法随着天线数增加联合估计性能变好;而且该方法无须信道衰落系数,是一种盲、鲁棒的联合处理方法.     

一种用四阶累积量进行了DOA估计方法

用四阶累积量构造了一个较通用的累积量矩阵，该矩阵符合ＭＵＳＩＣ算法的结构，从而可进行波达方向估计。由于四阶累积量对高斯噪声和干扰不敏感，从而可提高估计的分辨性能。当完全使用这个矩阵，可估计比经典ＭＵＳＩＣ法更多的源信号的参数。     

多视点视频编码中的运动和视差估计快速算法

针对多视点视频编码复杂度高的问题,提出一种基于分层B帧视点-时间预测结构的运动和视差联合估计快速算法.利用参考帧图像和当前编码图像的运动矢量及视差矢量之间的几何关系,设计可靠的预测矢量作为搜索起始点,并分别在不同方向的参考帧内进行小范围的运动补偿以得到最佳运动和视差矢量.该方法由前一次运动/视差估计得到候选矢量来进行下一次视差/运动估计,只需1次搜索过程就能同时确定最佳运动和视差矢量.实验结果表明,该算法与JMVM全搜索算法相比,能在保持编码质量的同时,节省87.69%的编码时间.     

基于多尺度深度图自适应融合的单目深度估计

深度估计网络通常具有较多的网络层数,图像特征在网络编码和解码过程中会丢失大量信息,因此预测的深度图缺乏对象结构细节且边缘轮廓不清晰。本文提出了一种基于多尺度深度图自适应融合的单目深度估计方法,可有效保留对象的细节和几何轮廓。首先,引入压缩与激励残差网络（SE-ResNet）,利用注意力机制对不同通道的特征进行编码,从而保留远距离平面深度图的更多细节信息。然后,利用多尺度特征融合网络,融合不同尺度的特征图,得到具有丰富几何特征和语义信息的特征图。最后,利用多尺度自适应深度融合网络为不同尺度特征图生成的深度图添加可学习的权重参数,对不同尺度的深度图进行自适应融合,增加了预测深度图中的目标信息。本文方法在NYU Depth V2数据集上预测的深度图具有更高的准确度和丰富的物体信息,绝对相对误差为0.115,均方根误差为0.525,精确度最高达到99.3%。