一种基于不变质心的抗几何攻击的盲图像水印方案

目前,抗几何攻击对于大多数数字图像水印来说仍然是最大的难点.提出了一种基于不变质心、结合图像预处理、图像归一化技术,在离散傅立叶变换域的相位成分和幅度成分中嵌水印的抗几何攻击的盲数字水印方案.在以往提出的基于参考点的水印嵌入方案中,一般均以整幅图像的几何中心或重心作为嵌入水印区域的参考点,但当图像受到剪切攻击时,这个点在图像中的位置将发生变化.采用了迭代的方法产生一个图像的不变质心.以这个不变质心作为嵌入水印区域的参考点.实验证明,提出的方案不仅具有较好的不可感知性,而且对诸如旋转、缩放、平移、剪裁等一般的几何变换和常规的图像处理具有较强鲁棒性.     

基于区域面积比的几何不变量构造算法*

几何不变量是物体几何结构信息的抽象与概括,在识别中可解决由目标移动产生的旋转或变形等问题。针对现有的算法在提取几何不变量特征时,易造成误差增大和效率不高的问题,提出了一个基于区域面积比的几何不变量构造算法。该算法利用质心和伪质心构成的直线,对灰度图像的面积区域应用划分策略,构建几何不变量的矢量表示形式。在哥伦比亚大学的fish及coil-100数据集上的实验表明,算法得到的不变量特征满足仿射不变性,在物体图像受到一定范围内干扰(被擦除、涂抹及遮挡)下,提取出的不变量特征具有良好的区分辨别能力。     

计算机辅助绘制黑白唐卡EI北大核心CSCD

唐卡是佛教文化中一种独具特色的绘画艺术形式,构图复杂、绘制精细,黑白唐卡是其中一个独特的分支.针对手工绘制黑白唐卡物体表面的明暗渐变非常耗时耗力的问题,提出一个计算机辅助绘制黑白唐卡的系统.首先对输入的唐卡黑白线条图物体区域进行颜色标记;然后针对区域内部从一条边界向其他边界由暗变亮的物体,综合区域遮挡关系和几何特征提取线条两侧明暗特征;再针对区域内部从边界向内部由暗变亮的物体,通过距离变换或人工交互设置物体灰度控制图像;最后将明暗特征和控制图像代入泊松方程求解,得到黑白唐卡中各类物体精细明暗渐变.文中给出了黑白唐卡的绘制效果.     

基于总变分和形态学的航空图像道路检测算法

高分辨率航空图像中道路通常表现为较狭窄的面,这给分类算法创造了机会.文中提出了一种新的基于分类的航空图像道路自动提取方法--基于总变分和形态学分析方法,它首先根据邻域总变分和直方图得到分割道路所需的合适阈值并从图像中分割出道路区域,然后根据基于区域总变分和几何测度的准则函数及其模式频谱得到形态学普通开运算的阈值,最后用此准则及阈值对图像进行形态学普通开运算以去除和路面具有相似光谱特性的物体的干扰.初步实验证明,该方法具有良好的稳定性和较强的环境适应能力.     

计算机辅助绘制黑白唐卡

唐卡是佛教文化中一种独具特色的绘画艺术形式,构图复杂、绘制精细,黑白唐卡是其中一个独特的分支.针对手工绘制黑白唐卡物体表面的明暗渐变非常耗时耗力的问题,提出一个计算机辅助绘制黑白唐卡的系统.首先对输入的唐卡黑白线条图物体区域进行颜色标记;然后针对区域内部从一条边界向其他边界由暗变亮的物体,综合区域遮挡关系和几何特征提取线条两侧明暗特征;再针对区域内部从边界向内部由暗变亮的物体,通过距离变换或人工交互设置物体灰度控制图像;最后将明暗特征和控制图像代入泊松方程求解,得到黑白唐卡中各类物体精细明暗渐变.文中给出了黑白唐卡的绘制效果.     

二值图像中物体几何主轴的提取方法

图像中物体的几何主轴在目标分割和识别中起着关键性的作用.该文从投影、主分量和纹理3个不同的角度分别阐述了在二值图像中提取物体主轴的原理,设计并实现了相应的几种算法.实验结果证明,这几种方法是有效的.     

基于隐含多项式曲线欧氏不变量物体识别

目标物体的识别和匹配在计算机视觉、图像视频压缩与传输中都有重要应用。隐含多项式曲线对物体有良好的描述能力,用它识别和匹配目标物体是很有效的。文章给出了任意次隐含多项式曲线欧氏几何不变量的计算方法,理论证明这些不变量是完全独立的并且是完备的。文中的实验证明基于这些欧氏不变量能较好地识别发生欧氏变换的目标物体。     

动态场景下基于图像掩模技术的双目SLAM算法

视觉SLAM技术在动态场景中存在定位漂移和创建地图扭曲的情况,本研究提出一种基于图像掩模技术的双目SLAM算法,运用视觉几何约束法在动态场景中得出动态特征点,将检测出的运动物体区域作为图像掩模.在ORB-SLAM算法中引入动态区域掩模分割和剔除动态区域的功能,可以保证相机的定位和构图不受动态场景中的运动物体的影响.根据...     

共形几何代数与几何不变量的代数运算

几何不变量的使用是计算机视觉和图形学的一个重要手段.发现一个不变量后,如何找到它与其他不变量的关系,是实际应用中的一个重要问题,这种关系的探讨主要依靠在不变量层次上的代数运算.文中介绍了共形几何代数中的基本、高级和有理不变量如何在几何问题中自然出现,它们之间如何进行代数运算,以及如何通过不变量的化简,自然地得到几何条件的充分必要化和几何定理的完全化.几何定理的机器证明作为几何定理完全化的副产品,被发展成几何定理的关系定量化,这种量化的几何还原就是几何定理的自然推广.几何不变量之间的几何关系的计算是这些技术的一个具体应用.     

区域高斯描绘子及其在物体识别中的应用

为了对几何变形的图像进行正确和有效的识别,对基于物体轮廓的高斯描绘子进行推广,构造了一种基于区域的新的不变量--区域高斯描绘子.构造思路主要有两点:①定义一个具有平移、尺度不变性的函数--区域高斯势函数;②分别计算区域高斯势函数在8个同心圆上的平均值,从而获得8个不变量.这些不变量不仅具有平移、旋转、尺度和反射不变性,而且对噪声不敏感,适用范围广.将区域高斯描绘子应用于物体识别,获得很高的识别率.     

The Theory and Practice of Coplanar Shadowgram Imaging for Acquiring Visual Hulls of Intricate Objects

Acquiring 3D models of intricate objects (like tree branches, bicycles and insects) is a challenging task due to severe self-occlusions, repeated thin structures, and surface discontinuities. In theory, a shape-from-silhouettes (SFS) approach can overcome these difficulties and reconstruct visual hulls that are close to the actual shapes, regardless of the complexity of the object. In practice, however, SFS is highly sensitive to errors in silhouette contours and the calibration of the imaging system, and has therefore not been used for obtaining accurate shapes with a large number of views. In this work, we present a practical approach to SFS using a novel technique called coplanar shadowgram imaging that allows us to use dozens to even hundreds of views for visual hull reconstruction. A point light source is moved around an object and the shadows (silhouettes) cast onto a single background plane are imaged. We characterize this imaging system in terms of image projection, reconstruction ambiguity, epipolar geometry, and shape and source recovery. The coplanarity of the shadowgrams yields unique geometric properties that are not possible in traditional multi-view camera-based imaging systems. These properties allow us to derive a robust and automatic algorithm to recover the visual hull of an object and the 3D positions of the light source simultaneously, regardless of the complexity of the object. We demonstrate the acquisition of several intricate shapes with severe occlusions and thin structures, using 50 to 120 views. Electronic Supplementary Material  The online version of this article () contains supplementary material, which is available to authorized users. This is an extension and consolidation of our previous work on coplanar shadowgram imaging system (Yamazaki et al. 2007) presented at IEEE International Conference on Computer Vision 2007.     

基于空间透视不变量的摄象机标定方法

本文给出了一种以空间不变量的数据来计算摄象机外部参数的方法．空间透视不变量是指在几何变换中如投影或改变观察点时保持不变的形状描述．由于它可以得到一个相对于外界来讲独立的物体景物的特征描述，故可以很广泛的应用到计算机视觉等方面．摄象机标定是确定摄象机摄取的２Ｄ图象信息及其３Ｄ实际景物的信息之间的变换关系，它包括内部参数和外部参数两个部分．内部参数表征的是摄象机的内部特征和光学特征参数，包括图象中心（Ｃｘ，Ｃｙ）坐标、图象尺度因子Ｓｘ、有效的焦距长度ｆ和透镜的畸变失真系数Ｋ；外部参数表示的是摄象机的位置和方向在世界坐标中的坐标参数，它包括平移矩阵Ｔ和旋转矩阵Ｒ３×３，一般情况下可以写成一个扩展矩阵［ＲＴ］３×４．本文基于空间透视不变量的计算数据，给出了一种标定摄象机外部参数的方法，实验结果表明该方法具有很强的鲁棒性．     

基于SFS方法的三维重构及精度分析

从明暗恢复形状(SFS)是计算机视觉中三维重构问题的研究热点和难点之一,目前已有算法存在两个问题:1)选择的反射模型不符合物体表面的反射特性;2)引入的约束条件和求解过程过于复杂,求解速度慢,效率低。对SFS算法进行了详细分析,引入了朗伯特光照反射模型,对物体表面做球形假设,然后对图像做近似微分运算以求出高度函数,实现了利用单幅灰度图像恢复物体表面三维形状并仿真的数据处理方法,同时对传统线性化SFS算法和所提算法进行了实验验证,对两种模型的重构精度和算法的执行效率进行了比较和分析。实验仿真结果表明,在保证一定精度的前提下,所提算法的执行效率比传统算法高。     

单幅植物叶片图像的3维重建

目的 植物叶片形态复杂,在虚拟场景中很难真实表现。为了从信息量有限的单幅图像中恢复植物叶片的3维形状,本文基于从明暗恢复形状（shape from shading,SFS）的方法,利用亮度统计规律和植物形态特征恢复叶片的3维形状。方法 在SFS的基础上,设计基于图像骨架的距离场偏置加强表面细节;针对SFS对恢复宏观几何形状的不足,提出根据图像亮度统计分布选取控制点控制表面宏观形状变化,并利用叶片中轴的距离场约束恢复宏观几何形状,每种方法对于表面宏观几何形状恢复的权重基于恢复的反射图和输入图像间的相似度设定;将表面细节添加到宏观几何形状上得到目标对象的3维形状。结果 选取植物叶片图像进行实验,并与其他方法进行比较,实验结果表明本文方法增强了表面细节显示,并有明显的宏观几何形状变化。同时为了验证本文方法对其他物体表面细节恢复的适用性,分别对硬币和恐龙恢复表面细节,实验结果表明提出的增强表面细节的方法同样适用于其他物体。结论 针对单幅植物叶片图像的3维重建,在SFS的基础上提出了根据骨架特征加强表面细节,根据图像亮度统计分布和叶片中轴距离场约束共同恢复表面宏观几何形状的算法,实验结果验证了本文方法的可行性。     

从明暗恢复形状（SFS）的几类典型算法分析与评价

从明暗恢复形状（shape from shading,简称SFS）是计算机视觉中三维形状恢复问题的关键技术之一,其任务是利用单幅图象中物体表面的明暗变化来恢复其表面三维形状。为了使人们对SFC研究现状及求解SFS问题的各种算法的优缺点有个概略了解,首先介绍了求解传统SFS问题的4类方法中几个典型算法的基本原理及求解方法,并给出了实验结果,然后从算法解的唯一性、对真解的逼近程度、求解效率及适用范围等方面对这4类算法进行了比较和评价。     

Shape-From-Silhouette Across Time Part I: Theory and Algorithms

Shape-From-Silhouette (SFS) is a shape reconstruction method which constructs a 3D shape estimate of an object using silhouette images of the object. The output of a SFS algorithm is known as the Visual Hull (VH). Traditionally SFS is either performed on static objects, or separately at each time instant in the case of videos of moving objects. In this paper we develop a theory of performing SFS across time: estimating the shape of a dynamic object (with unknown motion) by combining all of the silhouette images of the object over time. We first introduce a one dimensional element called a Bounding Edge to represent the Visual Hull. We then show that aligning two Visual Hulls using just their silhouettes is in general ambiguous and derive the geometric constraints (in terms of Bounding Edges) that govern the alignment. To break the alignment ambiguity, we combine stereo information with silhouette information and derive a Temporal SFS algorithm which consists of two steps: (1) estimate the motion of the objects over time (Visual Hull Alignment) and (2) combine the silhouette information using the estimated motion (Visual Hull Refinement). The algorithm is first developed for rigid objects and then extended to articulated objects. In the Part II of this paper we apply our temporal SFS algorithm to two human-related applications: (1) the acquisition of detailed human kinematic models and (2) marker-less motion tracking.     

遥感地形图象的灰度与分形分析

为了能够更加充分、准确地在遥感地形图象中利用分形信息,需要将其与其他特征配合使用。文章通过从视觉成像的角度,深入地剖析物体不同区域的形状和位置对成像灰度的影响,进而将有关结论与图象分形指数数据相结合,应用于基于图象内容的遥感图象的区域(标识)分割,取得了令人满意的效果,从中检查出分形数据中对应于图象深灰度区无意义的数值部分,从而保证了分形数据的可靠性,同时也说明了结合灰度或其它信息于分形图象应用的图象分析方式是十分必要的。     

基于改进的神经元网络的图像恢复与重建新算法

本文简单介绍了最早的图像恢复的神经网络方法,Lambertian反射模型虽可用于图像的恢复与重建,但它有很大的局限性。为此,本文给出了一种基于改进的神经元网络的新型反射模型,用于三维图像的恢复与重建,此新法不需知道光源方向,经实验证明,具有计算快捷且图像识别精度高的特点。     

多方法相融合的复杂物体深度信息的恢复

在恢复图象深度信息的方法之中,利用立体视觉的偏差来精确地定位物体的深度,是行之有效的,但只能适用于可匹配的特征点,如何建立左右图象中对应点的匹配是该方法的主要障碍;Ｓｈａｐｅ Ｆｒｏｍ Ｓｈａｄｉｎｇ方法是利用单幅图象的灰度信息获取物体表面的形状信息（表面的方向）,而不能获得其深度信息,其约束条件是表面的光滑性。在此用神经网络方法将二者融合起来,形成优势互补,用来获取物体的深度信息,通过对合成图象     

Image Warping for Shape Recovery and Recognition

We demonstrate that, for a large class of reflectance functions, there is a direct relationship between image warps and the corresponding geometric deformations of the underlying three-dimensional objects. This helps explain the hidden geometrical assumptions in object recognition schemes which involve two-dimensional image warping computed by matching image intensity. In addition, it allows us to propose a novel variant of shape from shading which we call shape from image warping. The idea is that the three-dimensional shape of an object is estimated by determining how much the image of the object is warped with respect to the image of a known prototype shape. Therefore, detecting the image warp relative to a prototype of known shape allows us to reconstruct the shape of the imaged object. We derive properties of these shape warps and illustrate the results by recovering the shapes of faces.