多视角图像序列的单目三维重建

为了从单目多视角图像序列中重建出三维场景,使用了一种基于增量式运动恢复结构(structure from motion)和立体视觉法(multi-view-stereo)的三维重建方法.首先,通过使用尺度不变特征变换算法(scale-invariant feature transform)从图像序列中提取出特征点并进行...     

融合粗糙深度信息的低纹理物体偏振三维重建

对于表面光滑、低纹理的目标,传统基于多视几何重建的算法难以获得理想的结果,利用偏振信息来重建这类物体是便捷有效的方法之一.然而单纯利用偏振信息进行三维重建存在歧义性等问题,难以获得理想的结果.以粗糙深度图作为先验信息可解决歧义性问题.先对偏振相机与深度相机标定并配准图像,由粗糙深度图获得的法向量辅助纠正偏振方位角歧义,再利用纠正的法向量与粗糙深度图积分融合,从而获得较高精度的物体三维表面.     

基于图像的三维重建技术综述

基于图像进行三维重建的目的就是通过图像获取周围环境的三维结构,将它们生动形象地展示在计算机上供用户使用,这是现阶段计算机图像视觉领域的一个重要研究方向。目前三维重建的研究成果已广泛应用于城镇建模、无人作战、文物保护和地图重建等领域。对图像三维重建的流程进行了探讨,主要内容包括传感器介绍、重建流程与算法、应用及其展望等。     

影像数量对SFM三维重建模型测量精度的影响分析

在运动恢复结构(Structure From Motion,SFM)技术的实际应用中,不同数量影像数据集的SFM重建精度和效率通常存在差异.为了研究影像数量对SFM重建模型精度的影响,为三维重建应用中的影像数据采集与选取提供参考依据,利用手持数码相机对目标物体进行数据采集,选取不同数量的影像执行SFM点云和网格模型的重...     

基于图形理解的室内建筑三维重建算法

根据室内建筑行业特有的视图表示规则,提出了一种基于理解的室内建筑物三维重建方法。该方法结合室内建筑制图规则、图形识别理解技术和人工智能知识,通过基于特征抽取的识别算法,完成对室内建筑结构图中墙体中线的提取,进而获得整个建筑物墙体的拓扑结构;然后对室内建筑结构图中2种重要的建筑构件:门和窗户进行辨识;最后实现室内建筑物的三维重建。实验结果表明,在少量人机交互的基础上,该方法对实际的建筑图是十分有效的。     

可移动文物的三维重建及外形参数计算

精确高效获得可移动文物的三维数字档案及外形参数对于可移动文物的保护与研究有重要意义。在多视图几何三维重建中,针对匹配点占比对重建精度与效率的影响展开研究,得出匹配点占比约为50%时可实现精确高效重建,该结论可有效指导基于多视图几何三维重建的图像序列的采集。针对重建产生的噪声,在HSV颜色特征空间中滤除点云噪声,利用基于标准差阈值的检测算法去除离群点,有效提高了三维重建的精度和视觉效果。在三维重建后,采用有向包围盒算法计算可移动文物外形参数,采用基于点云疏密程度的加权主成分分析法（PCA）计算包围盒的主方向。采用所提方法测量的仿元代瓷制花瓶,外形参数的重复性标准差小于0.15 mm,最大测量误差小于0.25 mm,高于可移动文物保护与研究中对外形参数的测量要求。     

稀疏角度数据下非视域物体三维重建方法研究

非视域成像技术是一种新型的针对观测视线外目标进行三维成像的技术,主要是通过激光照射中介面,利用探测器对隐藏物体光强的时空分布信息进行采集,再使用重建算法进行图像重建.由于其仅能在稀疏或部分角度下进行探测,不能获取隐藏物体的全方位信息,获取数据信息不足从而使图像重建精度不高.本文针对稀疏角度数据问题,提出了反投影最大似然...     

基于DM642的双目三维重建

提出了一种基于TMS320DM642的双目三维重建的算法,针对TMS320DM642嵌入式平台的特性,采用分层提取图像特征量和匹配的方法,该方法与现有大部分图像特征提取和匹配相比较,提高了图像特征的提取量,降低了图像的误匹配率,比传统的算法更加适合嵌入式平台应用.     

脑部CT图像的三维重建及纹理特征研究

本文提出了一种使用灰度共生矩阵提取三维重建后的脑部图像的三维纹理特征的方法。分别对10组正常脑部CT图像与10组脑瘤患者的脑部CT图像进行了去噪和增强的预处理,并进行了三维重建,随后使用了灰度共生矩阵的方法对重建出的模型进行了纹理特征的提取。计算26个方向的能量、熵、惯性矩和相关性,并进行统计分析。结果证明,此方案提取的特征值在统计分析中存在差异,并且正常大脑与患病大脑的特征值形成了对比,对脑室内肿瘤的诊断具有重要价值。     

基于SIFT算法改进的图像匹配算法研究与设计

图像匹配是指将2个不同场景的目标或者背景进行匹配的一个过程,是实现复杂的智能图像处理的基础,图像匹配算法的准确性及效率直接关系到整个图像处理系统的性能.特征点提取作为图像匹配的一个关键,是实现图像精准快速匹配的前提,本文以目前应用最为广泛的,鲁棒性最好的SIFT特征点提取算法为基础,对其进行了改进,结合Harris算法有效地降低了图像匹配过程中的特征点提取时间,通过实验验证,该方法可以有效地提升图像匹配的准确性和效率.     

邻图配对式运动恢复结构的欧式三维重建

传统增量式运动恢复结构重建易受到尺度变化的影响,重建出的点云存在分层现象,并且不存在量纲。通过改进重建拓扑结构和尺度迭代最近点算法,提出了一种新的欧式三维重建方法。首先,设计了两两相邻图片重建点云后并入主点云的重建拓扑结构;然后,建立了对应表,旨在找到同一世界点在新建点云和主点云下的对应三维点对;接着,结合Geman-McClure范数,提出了抗噪声的尺度迭代最近点求解算法;最后,设置地面控制点,为重建出的点云引入尺度。实验结果表明,提出方法重建出的点云比传统增量式运动恢复结构重建出的点云更精确,并且点云长度的测量绝对误差在1%~2%左右。提出方法适用于近场景物体较精确的欧式三维重建。     

一种新的复杂场景中动目标图像分割的快速算法

一种利用序列图像从复杂背景中分割动目标图像的新算法：首先利用马尔科夫随机场模型和连续线过程建立精确的目标函数，采用并行计算方法计算出速度场，多面手到此为依据实现对目标图像的并行分割。     

基于改进双目视觉算法的三维重建研究

为解决现有立体匹配算法在图像弱纹理等区域鲁棒性差以及模型参数较大的问题,对PSMNet立体匹配方法进行改善,通过使用空洞空间卷积池化金字塔结构(atrous spatial pooling pyramid,ASPP)提取图像在不同尺度下的空间特征信息。随后引入通道注意力机制,给予不同尺度的特征信息相应的权重。融合以上信息构建匹配代价卷,利用沙漏形状的编解码网络对其进行规范化操作,从而确定特征点在各种视差情况下的相互对应关系,最后采用线性回归的方法得到相应的视差图。与PSMNet相比,该研究在SceneFlow和KITTI2015数据集里的误差率各自减少了14.6%和11.1%,且计算复杂度下降了55%。相比较于传统算法,可以改善视差图精度,提升三维重建点云数据质量。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点, 而导致图像匹配过程中运算量大、效率低的问题, 提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息, 在此基础上利用SIFT算法提取特征点, 这样能够减少冗余特征点, 以有效提高算法匹配效率。实验测试结果表明, 该算法与传统的SIFT算法相比, 冗余特征点少, 特征点匹配效率提高到98.04%。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。     

基于卡通纹理模型的相位恢复算法

相位恢复是指仅利用图像的傅里叶幅值对原始图像进行恢复。由于傅里叶幅值中包含的信息量较少,当图像的过采样率相对较低时,传统的相位恢复算法无法实现图像的有效重构。因此如何利用合适的先验知识来提高图像重构质量是相位恢复的一个关键问题。该文将卡通-纹理模型用于相位恢复,利用全变差(TV)和双树复数小波(DTCWT)两种稀疏表示方法将图像分解为卡通成分和纹理成分,并提出了基于交替方向乘子法(ADMM)的有效求解算法。实验结果表明,该算法能有效提高图像重构质量。     

一种纹理背景下的物体分割算法

本文基于背景纹理与物体表面的图象特征存在着根本性的差别这一特点,提出一种纹理背景下物体自动分割算法。这种算法本质上是从灰度分布来分割物体的算法的推广,它不仅适用于背景纹理灰度与物体表面灰度不同的图象,而且适用于背景平均灰度与物体表面平均灰度相同的图象。当纹理背景是不平稳纹理时或背景包含多种纹理时,这种算法仍然是有效的。由于算法对图象的处理是按行顺序进行的所以非常易于采用多机并行处理。     

一种改进的医学图像深度信息恢复算法

针对医学图像深度信息恢复的实时性问题,提出了一种Harris角点检测与SIFT特征点检测相结合的算法,提取医学图像的特征点,采用欧式距离作为相似性判定准则将特征点进行匹配,克服了传统SIFT算法提取特征点过多、耗时长的问题。并对获得较致密的视差图,运用三角测量的方法恢复医学图像的深度信息。实验结果表明,文中所提算法在缩短了医学图像深度信息恢复的时间的同时提高了精度,验证了该算法的有效性。