光场相机建模与畸变校正改进方法

光场相机作为一种新型的成像系统,可以直接从一次曝光的图像中得到三维信息。为了能够更充分有效地利用光场数据包含的角度和位置信息,完成更加精准的场景深度计算,从而提升光场相机的三维重建的精度,需要实现精确的几何建模,并精确标定其模型参数。该方法从薄透镜模型和小孔成像模型出发,将主透镜建模为薄透镜模型,将微透镜建模为小孔成像模型,结合光场相机双平面模型,将每个提取到的特征点与其在三维空间中的射线建立联系,详细解释了内参矩阵中每个参数的物理意义,以及标定过程中初值确定的过程,并在镜头径向畸变模型的基础上进一步应用了相机镜头的切向畸变模型以及基于射线重投影误差的非线性优化方法,改进了光场相机的标定方法。实验显示,该方法的RMS射线重投影误差为0.332 mm,与经典的Dansereau标定方法相比,进行非线性优化后得到的射线重投影误差精度提升了8%。该方法详细分析的场景点与特定像素索引的推导过程对光场相机的标定具有重要的研究意义,为光场相机光学模型的建立与初始化标定奠定了基础。     

基于混合主动轮廓模型和区域间差别最大化的细胞弱边界分割

准确分割是图像处理与分析的关键。然而显微细胞图像的目标轮廓模糊、存在弱边界等问题,使得分割结果往往不尽人意。针对这一问题,提出基于混合主动轮廓模型和区域间差别最大化的细胞弱边界分割方法。该模型根据区域最大化的原则,并采用局部和全局灰度信息作模型的驱动力,在确保检测出全局差异的同时,捕捉到局部差异性。模型的能量泛函是由局部和全局拟合项组成的,并引入策略权重参数,这个参数利用梯度信息来解释局部拟合项和全局拟合项是如何组成混合拟合项的。实验结果表明,这种基于混合主动轮廓模型和区域间差别最大化的细胞分割方法能有效地捕获弱边界并分割出细胞核。     

混合目标与搜索区域令牌的视觉目标跟踪

当前基于Transformer的主流跟踪框架在特征提取及融合方面存在3个问题：1)分开进行特征提O(N²)取与融合,易产生次优模型训练结果;2)使用计算复杂度为的自注意力机制会降低跟踪算法效率;3)简单的目标模板选取策略难以自适应跟踪过程中目标表观的剧烈变化.为此,利用快速傅里叶变换对目标与搜索区域的令牌进行有效混合,提出一种新颖的基于Transformer的视觉目标跟踪方案.针对问题1提出一种高效端到端方式将特征提取与融合进行统一学习以获得最优模型.针对问题2采用快速傅里叶变换实现目标与搜索区域令牌之间的完全信息交互,该操作计算复杂度为O(Nlog (N)),有助于提升跟踪效率.针对问题3提出一种基于跟踪质量评估的目标模板记忆存储机制以快速自适应目标表观的剧烈变化.在3个标准数据集LaSOT,OTB100,UAV123上,所提方法与当前最优方法相比在效率和精度上均取得更好表现.     

柔性体点分布模型的时变插值算法

相对于刚体,柔性体的建模和分析比较复杂,点分布模型是目前最有效的柔性体建模方法之一。然而,在许多条件下,需要依据研究对象的时间变化特性构建多个即时模型或者任意时刻的点分布模型。针对这种情况提出一种插值算法,根据两个相邻的已知点分布模型生成某个中间时刻的过渡模型。以线性插值为例,可以在任意给定时刻生成一个插入模型的平均形状和特征表达。其中,平均形状可由前后相邻模型的线性组合计算得到,而特征表达则需要根据相应协方差矩阵的特征向量分析得到。经过了计算机仿真和实际图像验证,结果表明,这种模型插值技术具有良好的可行性和实用价值。     

基于四维图像的心室应力应变分析

为了克服传统有限元搜索方法中单元间位移不连续的缺点,提高位移计算的准确性,将空间信息与位移场对应起来,提出一种基于四维医学图像的心室应力应变计算方法.首先为心室的一个心动周期建立多个相位的内外壁B样条曲面模型;其次计算各个相位标记点的位移,利用所建模型进行拟合得到连续的位移场,并以模型的规范化转换坐标为中介将空间模型与位移场中的点一一对应;最后通过位移变化的物理力学关系计算应变和应力.实验结果表明,采用文中方法能够有效地计算分析心室的应力应变分布情况.     

相差显微图像下的癌细胞状态检测

针对相差显微镜下癌细胞的生命状态分析问题,提出了一种基于形态学的癌细胞状态检测与判别方法。首先使用改进的水平集算法分割出目标癌细胞的轮廓,然后使用OTSU方法在细胞内部进行二值化处理,得到亮、暗两种区域。基于细胞轮廓和细胞内部亮、暗区域,充分利用细胞灰度、形状及内部结构信息,提出了5种有效的特征来进行细胞分裂间期、分裂前期、分裂中期和分裂后期的检测与判别。大量实验表明,所提方法对膀胱癌T24相差显微(Phase-Microscopy)细胞视频中的癌细胞检测可以得到较好的结果,证明该方法可以检测并判别出各个独立细胞的位置及所处阶段,且对序列图像中的细胞状态检测有较强的鲁棒性。