空间球形物体自动定位方法研究

利用双目立体视觉技术对空间物体进行定位的一个难点在于特征点的选择和匹配，常用的方法是选择一幅图像中物体的形心为特征点，然后根据灰度或者颜色值在另外一幅中进行匹配。为了达到较好的精度，所用的匹配算法都比较复杂，并且当物体表面颜色分布均匀时错误匹配率较高。针对球形物体，本文提出基于形心几何匹配的定位方法，避开了常规匹配方法所面对的难题，经过试验验证，效果很好。     

基于视差成像的多视点自由立体投影系统

人眼能获得立体视觉的根本原因是存在视差。利用柱面光栅能使投影成像在有限区域的特点，可以使人的双眼在同一时间分别看到不同的图像形成视差，从而获得立体视觉。本文提出一种双柱面结构的大屏幕自由立体背投系统，从理论上对其结构和成像原理进行了详细分析，并给出了计算机仿真结果。     

近眼显示光学系统技术分析与研究进展

目前VR/AR（虚拟现实/增强现实）显示技术深受市场欢迎,应用十分广泛,国内外各类近眼显示设备也深受消费者的青睐,各类近眼显示设备成像原理和采用的光学元件各有不同。本文对当下各种近眼显示成像技术进行了概括和分类,介绍了目前比较常见的几类近眼显示光学系统。针对双目视差显示系统、视网膜成像显示系统、集成成像近眼显示系统和全息技术近眼显示系统进行了介绍,深入剖析了几种典型近眼显示系统的技术原理和光路结构。提出了一种双目视网膜投影成像三维（3D）显示装置,将双目视差技术与视网膜投影技术相结合,实现了结构紧凑、无辐辏聚焦冲突、高清晰度的视网膜投影成像立体显示效果。对各类近眼显示技术的发展、更新以及各自技术的特点和研究进展进行了归纳总结,对近眼显示技术的发展方向进行了展望。     

基于双目视觉模型的运动参数测量

通过建立双目测量的数学模型,由标志点在双摄像机成像平面上的坐标求得运动物体的运动参数。在不考虑摄像机内外参数标定误差的情况下,研究了标志点像元的测量精度对运动参数测量的影响。通过分析图像分割求取标志点形心引起的误差,利用窗口中心迭代算法提高标志点形心测量的精度,从而提高了运动参数的测量精度。由空间飞行器自动交会的仿真试验验证了算法的有效性。     

立体视频图像编码的研究进展

从编码方案、关键技术和评价准则3个方面综述了立体视频图像编码研究的发展.阐明了各种编码方案的特点及适用范围.详细分析了立体视频图像编码中视差估计、运动估计、遮挡检测、残差图像编码和码率控制5大关键技术,总结了各项技术的发展现状.最后指出了立体视频图像编码研究中存在的问题,并对未来的研究方向进行了展望.     

基于深度感知和主观评价的影响立体图像舒适度的视差范围研究

立体图像的视差很大程度上决定了立体图像的视觉舒适度,本文从定量的 角度对影响立体图 像舒适度的视差范围进行了研究。首先对源立体图像采用像素平移方法得到测试立体图像集 ,通过大量的 主观实验得到测试立体图像的舒适度平均意见得分(MOS,mean o pinion score)值;其次,基于视觉显著性特点,采用自适应权重立体匹配方 法计算各区域的视差值,以测试各区域视差值对整幅立体图像舒适度的影响程度;最后通过 转换公式将舒 适立体图像的视差范围转换为视差角形式,以便将本文方法推广到其他类型的显示设备。实 验结果表明, 在实验所用显示设备中,满足舒适要求的像素平移量为－40～90(左 移40pixels至右移90pixels);当 立体图像中心显 著区域的水平视差在－0.3882°～0.851范围内时, 其舒适度在可接受范围内,而视差范 围为－0.2713°～0.781时舒适度达到最佳;最后将本文方法推广到常用显示设备,并给出了常用显示设 备的舒适视差范围,为立体图像和视频的制作提供了可靠依据。     

双目视觉中的角点检测算法研究

为了实现双目视觉中的特征提取与立体匹配,在研究现有角点检测算法的基础上,提出一种改进的Harris角点检测算法。该算法首先采用图像分块和邻近角点剔除的策略,实现了阈值的自适应调节,并保证角点分布的均匀和避免角点聚簇的产生。结合Forstner检测算法,将精度提高到亚像素级。编程计算结果验证了该方法的准确性和稳定性。     

双组合玻璃平视显示器光学设计探讨

为了扩大单玻璃平视显示器的俯仰瞬时视场，光学设计者采用双组合玻璃。总瞬时视场由上、下二组合玻璃形成。但由此产生了二方面的不利因素，一方面使显示的质量受到一定的影响，另一方面，在人机功能上对驾驶员观察带来一定的影响。     

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。