面泊松融合结合色彩变换的无缝纹理辐射处理

目的：消除三维模型纹理接缝上的辐射差异,实现接缝处色彩的自然、连续的过渡。方法：本文在标准的泊松融合（Poisson Blending）基础上,结合色彩变换技术（Color Transfer）,提出了一种新的以面为基元的泊松融合无缝纹理辐射处理方法。首先以影像上的纹理三角形为处理单元,以色彩变换参数为未知数,根据模型的三角网边邻接拓扑关系建立泊松方程组,然后全局最小二乘解求局部色彩变换参数,最后进行全局最优解下的局部色彩变换。结果：既保证了色彩的均匀过渡,又能更好的改正影像间的整体色差。结论：相比使用标准的像素级泊松融合方法进行无缝纹理处理,本文的方法拥有计算上的优势,更适合于复杂模型的处理,且有更好的整体色差改正与过渡效果。理论分析和大量试验证明了本文方法的优越性。     

光照变化条件下的光流估计

目的 为了提高光流法在处理光照变化和大位移方面的稳健性。提出一种结合结构纹理分解预处理和加权中值滤波的光流场模型。方法 该方法数据项采用灰度守恒假设和梯度守恒假设相结合、局部约束与全局约束相结合的思想。同时采用结构纹理分解、加权中值滤波、金字塔结构等高效的光流估计技术,进一步增强了光流算法的精确性与实用性。结果 分别通过Middlebury光流数据库图像和真实场景图像对提出的光流估计算法进行了大量实验验证。实验结果表明,改进的光流估计法在处理光照变化方面表现不错,不仅获得稠密的光流场,而且提高了光流场准确提取目标边缘的能力。结论 和传统光流方法相比,所提方法在光照变化情况下能获得更加理想的结果,降低了实际场景中光线变化的干扰,能更好地适用于实际场景中。     

结合特征适配与拉普拉斯形变的3维人脸重建

目的 数字娱乐产业的发展要求3维人脸重建技术能重建高分辨率3维人脸,并具有较高计算效率和重建准确性。针对这一情况,提出一种基于单幅图像的高分辨率3维人脸重建方法。方法 该方法包含特征适配与拉普拉斯形变两部分。预先用1组3维人脸样本上的3维特征构造可变形模型。给定图像时,从其上自动提取2维特征点,并根据获得问题最优解的必要条件进行特征适配以重建个性化3维特征;然后基于拉普拉斯方法,用该3维特征对一般人脸模型进行变形以获得特定高分辨率3维人脸;最后通过纹理合成获得真实感人脸。结果 用本文方法和已有方法分别进行可变形模型适配和模型变形,本文的特征适配方法具有更快的收敛速度和更高的准确性,拉普拉斯方法具有更小的重建误差。纹理映射后的3维人脸具有很好的视觉效果。结论 本文方法将特征适配与拉普拉斯形变结合起来进行高分辨率3维人脸重建。实验结果表明所提出的方法具有较高的计算效率和准确性,能实现较为理想的高分辨率3维人脸重建。     

基于边界扫描技术的设计复杂性优化研究

对于边界扫描技术的电路系统,可利用现代优化算法对其进行复杂性和测试性改善度的综合优化。主要以较小的复杂性设计来实现测试性的最大化改善,以提高系统测试性优化和缩短系统的测试时间。应用模拟退火算法和模拟退火遗传算法实现系统的设计复杂性优化,相比于贪婪算法,模拟退火算法和模拟退火遗传算法能得到更好的优化率。     

基于边缘检测和颜色纹理直方图的车牌定位方法

针对已有车牌定位算法在分辨率高、背景复杂图像上存在准确率下降的问题,提出了一种基于边缘检测和颜色纹理直方图的车牌定位算法。该定位算法分为两个阶段：首先利用结合了Canny和Sobel算法的改进边缘检测算法提取图像的垂直边缘,并结合滤波、投影等方法进行车牌粗定位;然后提取候选区域的颜色纹理直方图,与训练好的分类器进行匹配,实现车牌的精确定位。实验表明,该方法对于背景复杂、光照不均等情况均有良好的鲁棒性,在白天和晚上都能取得较好的定位效果。     

Variable partial-update NLMS algorithms with data-selective updating

We note that some existing algorithms are based on the normalized least-mean square （NLMS） algorithm and aim to reduce the computational complexity of NLMS all inherited from the solution of the same optimization problem, but with different constraints. A new constraint is analyzed to substitute an extra searching technique in the set-membership partial-update NLMS algorithm （SM-PU-NLMS） which aims to get a variable number of updating coefficients for a further reduction of computational complexity. We get a closed form expression of the new constraint without extra searching technique to generate a novel set-membership variable-partial-update NLMS （SM-VPU-NLMS） algorithm. Note that tile SM-VPU-NLMS algorithm obtains a faster convergence and a smaller mean-squared error （MSE） than the existing SM-PU-NLMS. It is pointed out that the closed form expression can also be applied to the conventional variable-step-size partial-update NLMS （VSS-PU-NLMS） algorithm. The novel variable-step-size variable-partial-update NLMS （VSS-VPU-NLMS） algorithm is also verified to get a further computational complexity reduction. Simulation results verify that our analysis is reasonable and effective.     

基于PCA和SVM的遥感影像水体提取方法及验证

针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题,提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像,对原始影像光谱波段特征进行PCA降维,从中优选熵、方差、差异性纹理特征向量,结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量,并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例,分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取,并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪,定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明：PCA-SVM算法提取的湖泊完整、支流连续,显著改善了含蓝藻水体漏提、建筑物误提等问题;洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。     

VR技术下多投影视频纹理合成方法仿真

为解决纹理合成过程需要消耗大量时空资源的问题,提出一种VR技术下多投影视频纹理合成方法.设计以VR内容制作环节为核心的VR视频处理,经过拼接、投影映射与投影图像帧纹理合成生成一个封装帧,通过服务器显示在客户端.针对VR视频内三维平面或曲面场景,通过屏幕投影将三维场景透视变换投影至二维平面上.赋予二维平面上的三角网格一个连续的缩放因子场,将给定纹理缩放成不同等级,令其与网格上的缩放因子相对应.采用曲面纹理合成方法,利用矢量加平滑方法确定曲面内各三角面片的纹理方向矢量场,根据这些纹理方向合成纹理;依照扫描线顺序搜索样本纹理空间,确定对匹配的纹理坐标,结合缩放因子实现纹理合成.仿真结果表明,上述方法纹理合成用时与对比方法相比下降300％以上,存储空间与对比方法相比节省50％以上.     

基于改进ORB特征的单目视觉SLAM算法

单目视觉SLAM算法容易受场景纹理影响出现初始化失败或者相机轨迹漂移的问题.为此,提出一种基于改进ORB特征的单目视觉SLAM算法.对输入视频帧构建高斯金字塔提取FAST特征,综合考虑特征点的灰度信息与其邻域的梯度信息生成描述子,并采用多网格策略划分特征点邻域,凭借改进的特征点降低运动模型算法的迭代次数,达到较好的时间效率.实验表明,该算法的相机轨迹精度与特征匹配精度相较于ORB-SLAM得到有效提高,并且能很好地适应多种纹理特殊场景.     

基于图像分割的自适应窗口双目立体匹配算法研究

针对传统双目立体匹配算法采用固定窗口导致弱纹理区域匹配精度较低的问题,提出了一种基于图像分割的自适应窗口立体匹配算法.首先,采用Mean-shift算法对图像进行分割,之后对分割图像进行局部子区灰度标准差统计,在此基础上提出了一种根据纹理丰富程度进行窗口大小自适应设定的算子.基于自适应窗口大小设定,组合使用Census变换和梯度值计算匹配代价,并分别通过自适应权重代价聚合及"胜者为王"策略进行初始视差计算,最后利用左右视差一致性原则和加权中值滤波得到稠密视差图.采用提出的自适应窗口匹配算法与固定窗口匹配算法对Middlebury数据集上的标准图片进行匹配实验,实验结果表明,所提算法的平均匹配错误率为2.04％,相比对比算法,所提方法的匹配错误率分别降低了4.5％和7.9％.