排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
序列图像拼接过程中误匹配的消除 总被引:2,自引:0,他引:2
序列图像拼接过程中困难之一是当重叠区域内存在多个相似部分时,就会发生误区配而导致拼接失败。在采用图像特征区域配准算法中,基于同名区域面积差、区域重心同位、区域重心距离比及配准参数复用提出了四种误区配的消除方法。实验表明,这些方法能有效地消除误匹配,提高序列图像拼接的配准率。 相似文献
2.
目的 面向多失真混杂的图像质量盲评价问题目前仍然是计算机视觉领域具有挑战性的工作之一,无人机图像受成像条件影响混杂多类失真,图像质量的准确评价是其效能发挥的关键环节。为此,引入并改进了基于自然场景统计的距离度量评价模型,提出多失真混杂的无人机图像质量盲评价方法。方法 从图像的结构性、信息完整性和颜色性3个不同的角度研究并提取了与无人机图像质量敏感的特征因子集;以实拍标准测绘图像库为原始图像获得MVG特性参数作为度量基准解决了盲评价中缺乏训练集的问题;构建了以实飞图像为样本的无人机图像质量数据库(UAV image set),为相关问题的研究提供数据集和评价参考。结果 针对所构建的数据库,本文算法在主客观一致性、算法运行时间上与其他算法进行了对比实验。相比较其他经典算法,本文算法的主客观一致性较高,达到了0.8以上,运行时间较快,过到1.2 s。此外本文还给出了块大小对算法影响以及单特征对图像的评价结果,证明算法选择的图像块大小和图像特征符合质量评价的需要。结论 针对无人机图像所包含的多失真构建质量评价综合模型,该模型可满足无人机图像质量需求。 相似文献
3.
航拍图像噪声分析及滤除方法研究 总被引:2,自引:0,他引:2
对航拍图像所含噪声进行了分析,针对航拍图像主要舍有高斯白噪声和脉冲噪声的特点,根据后续数据处理需要,提出一种基于四阶偏微分方程(PDE)去噪模型与改进的自适应中值滤波相结合的混合去噪方法。首先使用改进的中值滤波去除脉冲噪声,然后利用四阶偏微分方程的各向异性及边界滞留特性进行图像滤波。实验表明,该方法在去除噪声和保持边界的同时,还能避免产生阶梯效应,比单独采用其中一种方法的去噪效果更为显著,鲁棒性更强。 相似文献
4.
5.
6.
7.
针对基于L2范数的主分量分析(L2-PCA)易受离群数据的影响,使得传统的基于L2-PCA的视觉跟踪对目标遮挡的鲁棒性较差的问题,提出一种基于L1范数最大化主分量分析(PCA-L1)的视觉跟踪算法.利用PCA-L1对目标表观建模,以粒子滤波为框架估计目标的状态;为了适应目标变化并克服“模型漂移”问题,提出一种PCA-L1的在线更新方法以实现子空间的更新.通过实验验证并与现有算法进行了比较的结果表明,文中算法具有较优的跟踪性能. 相似文献
8.
在Delphi中使用OpenGL绘制图形时需要注意的一些事项如下。 (1)加载OpenGL单元。在Delphi中要使用OpenGL进行编程,首先得将OpenGL.pas文件加入到你的工程中。方法:USES OpenGL。 (2)初始化。①创建设备描述表(Device Context)。②设置相应的像素格式(PIXELFORMAT DESCRIPTOR)。③创建着色描述表(Rendering Context)。Delphi中有几种获得或创建设备描述表的方法。最简单的就是直接获得画布对象(TCanvas)的句柄属性(Handle),如:DC:HDC;DC:=Canvas.Handle;也可用API函数GetDC获得设备描述表。如:DC: 相似文献
9.
对由空中飘弋平台获得的连续帧图像进行配准是个新的难题,但利用空中飘弋平台可获得恶劣环境下的空拍图像,若能配准拼接成大视野图像,则可供进一步研究使用.由于多种因素的影响,所获得的连续帧图像存在旋转、缩放、平移、含噪声、形变等特点,为此,若采用迭代阈值的方法来进行图像分割,并以十字链表形式进行存储表达;然后构建连续帧图像间的特征区域同名度矩阵,再通过遍历同名度矩阵来自动形成连续帧图像间的同名区域对;最后计算得出连续帧图像旋转、缩放、平移配准参数,则可较好地解决此问题.对一定数量的连续帧图像进行的配准实验表明,该算法不仅鲁棒性强、稳定有效,而且计算速度快,具有一定的理论和应用价值. 相似文献
10.
近年来,无参考图像质量评价发展迅速,但是对雾天图像质量进行评价的无参考算法还鲜有报道。该文提出了一种基于码书的无参考雾天图像质量评价算法。目的是使该方法评价雾天图像质量的结果与人类主观感知相一致。寻找能反映雾天图像质量的特征,运用这些特征构建码书,然后用码书对训练图像进行编码得到训练图像的特征向量,最后用这些向量与训练图像的主观评分进行回归得到雾天图像质量评价模型。该方法在仿真的雾天图像库中进行了测试,结果表明:Pearson线性相关系数和Spearman等级相关系数值都在0.99以上。并与经典的无参考算法NIQE和CONIA方法进行了比较,优于这些算法,能够很好地预测人对雾天图像的主观感知。 相似文献