基于互联网图像集的室外场景建模技术综述

目前在互联网上有海量的室外场景照片,它们不仅内容覆盖面广,对同一场景有大量不同视点和光照条件下的采样,而且获取成本很低.如何利用这些照片中包含的丰富场景信息,快速、方便地构造各种逼真的虚拟场景,是互联网迅猛发展给虚拟现实、计算机图形学和计算机视觉带来的新的研究课题之一.文中分析、总结了近年来国内外互联网图像的真实场景几何建模、自然光照建模和材质反射属性建模的最新研究进展,并对其未来的发展趋势提出了一些看法.     

基于AROP程序包的类Landsat遥感影像配准与正射纠正试验和精度分析

遥感影像的精确配准和正射纠正是进行图像融合、变化检测、图像镶嵌、定量遥感建模、多时相和多传感器影像协同应用的基础和前提。以美国国家航空和航天管理局下设LEDAPS(Landsat Ecosystem Disturbance Adaptive Processing System)课题组开发的配准与正射纠正程序包AROP(Automated Registration and Orthorectification Package)为例,详细阐述了其配准的原理与程序设计流程,并对其配准的精度进行了分析和评价。试验表明:AROP程序包算法能够找出足够的控制点,且控制点分布较为均匀,配准误差小于0.5个像元。误差特征表现为:扫描误差明显大于航向误差,误差的结果与影像漂移、DEM、坡度存在一定的相关性,高程和坡度是影响配准精度的主要因素之一。该程序包目前能够用于对我国CBERS影像的正射校正以及波段不匹配处理,但是对HJ卫星CCD影像数据配准还有待于进一步研究。     

一种基于偏最小二乘法的室外光照估计算法

针对固定视点下的室外场景在线视频光照求解问题,提出一种基于偏最小二乘室外场景实时光照估计算法.在离线阶段提取场景中对光照变化较为敏感的区域,并将这些区域像素值的均值与方差的无偏估计作为场景图像的统计参数,再利用偏最小二乘回归分析建立场景的光照参数与图像统计参数之间的模型;在在线阶段使用所建立的模型实时估计视频每一帧的光照条件.实验结果表明,使用该算法所求解的光照参数对虚拟物体进行绘制并将其融入视频中后,合成场景真实感很强.     

基于非下采样Contourlet变换的指纹图像超分辨率重建

非下采样Contourlet变换(Nonsubsampled contourlet transform,NSCT)采用非抽样金字塔结构和非抽样方向滤波器组构成,具有Contourlet变换所不具备的平移不变性、较高冗余度等优良特性,而且能够克服伪吉布斯现象。图像经过非下采样Contourlet变换后分解成多尺度、多方向的细节信息,这些细节信息代表了图像不同频带不同方向的特征,这就简化了系数之间的关系。基于学习的超分辨率重建算法具有整体的预测性,将非下采样Contourlet变换和基于学习的算法相结合,在一定程度上提高训练精度。针对指纹图像的实验证明该算法具有良好的性能,重建的图像纹理性细节信息较好,基本保持了原指纹图像的特征点,更接近于原始的高分辨率图像。     

视错觉及其应用

视觉足人类获取外部信息的最重要方式。但由于人类自身的生理、心理因素以及外界光、形、色等因素的干扰,会产生视觉误差,即视错觉。本章系统的分析了视错觉产生原因,按不同的现象和成因把视错觉分成病理视错觉、动态视错觉、几何视错觉、颜色视错觉、轮廓错觉等5类。在此基础上介绍了视错觉的应用,特别介绍了其在图像融合中的应用,并用matlab实现了图像的融合。     

医用药剂中可见异物自动化检测研究

针对国内人工药品检测的低效率、低准确率的不足,文章介绍了一套根据国家行业标准设计的基于智能机器视觉的可见异物自动化检测系统。该系统主要包括机械传动模块、电气控制模块、图像识别与处理模块。根据异物运动连续性和噪声运动无序性等特点,提出了改进的三次差分和能量累积算法来提取运动杂质,然后采用基于基于SIFT特征匹配和最邻近匹配的目标跟踪算法对杂质进行跟踪,获取杂质的大小和数目并分析出杂质总类,最后检测出杂质情况。最后把检测结果与国家标准进行比对,判断出该药剂是否合格。测试表明,系统的检测准确率达90%以上,满足企业要求,基本能替代人工检测。     

图形图像制作软件中的色彩模式分析

色彩模式是在数字处理过程中处理色彩的基本标准,其是以颜色模型为基础,利用数字定量对颜色进行描述的方法。针对图形图像制作软件中的色彩模式进行分析。     

单幅图像去雨算法研究现状及展望

图像去雨算法通过对有雨图像进行分析和处理从而去除雨水条纹,恢复干净的背景场景,有助于提升计算机视觉任务识别精度,因此成为当下的研究热点。为系统地了解该领域的研究现状和发展趋势,首先介绍了典型的雨水合成模型,其次从基于模型驱动和基于数据驱动两个方面重点分析了典型图像去雨算法模型和方法;之后比较了去雨图像质量评价指标及雨水数据集;最后,对单幅图像去雨算法未来发展趋势进行了展望。     

稀疏差分网络和多监督哈希用于高效图像检索

针对基于深度哈希的图像检索中卷积神经网络（CNN）特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH（sparse difference networks and multi-supervised hashing）,并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入,通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,为了更加充分地利用语义信息和特征的成对相关性,以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索,采用一种多监督哈希（MSH）函数,并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验,实验结果表明,与其他先进的深度哈希方法相比,SDNMSH取得了较好的检索性能。     

No-reference stereoscopic image quality assessment using quaternion wavelet transform and heterogeneous ensemble learning

As the demand for high-quality stereo images has grown in recent years, stereoscopic image quality assessment (SIQA) has become an important research area in modern image processing technology.In this paper, we propose a no-reference stereoscopic image quality assessment (NR-SIQA) model using heterogeneous ensemble learning ‘quality-aware’ features from luminance image, chrominance image, disparity and cyclopean images via quaternion wavelet transform (QWT). Firstly, luminance image and chrominance image are generated by CIELAB color space as monocular perception, and the novel disparity and cyclopean images are utilized to complement with monocular information. Then, a number of ‘quality-aware’ features in the quaternion wavelet domain are discovered, including entropy, texture features, energy features, energy differences features and MSCN coefficients of high frequency sub-band. Finally, a heterogeneous ensemble model via support vector regression (SVR) & extreme learning machine (ELM) & random forest (RF) is proposed to predict quality score, and bootstrap sampling and rotated feature space are used to increase the diversity of data distribution. Comparing with the state-of-the-art NR-SIQA models, experimental results on four public databases prove the accuracy and robustness of the proposed model.