基于Curvelet变换的荻草细胞图像分割

利用快速离散Curvelet变换,对Curvelet域中各层子带采用结合灰度共生矩阵的方法来提取特征向量,选用 支持向量机方法对获草细胞图像进行纹理分割,进而获取获草细胞中的纤维素向量数据。分割实验结果表明:采用 “角二阶矩”、“对比度”、“相关性”和“嫡”这四维统计量计算图像变换域中子带系数共生矩阵是有效的,据此对获草细 胞图像进行纹理分割是可行的;与基于灰度共生矩阵的获草图像分割方法的分割结果相比,新方法缩短了运行时间, 分割准确率也得到了提高。     

基于骨架提取的树木主枝干三维重建算法

为了实现树木主枝干的三维重建,提出了一种基于骨架提取的算法.首先,根据Dijkstra距离对点云数据进行分段.然后,提取出每个连通部分的骨架,并采用线性规划的优化模型求出距离与角度的权值,根据加权后的匹配度进行骨架的连接,得到整株树的完整骨架.最后利用圆柱体拟合出树木枝干的模型,对含笑树和樱花树分别进行了实验,得到了令人满意的实验结果.     

基于视差图优化的立体匹配算法研究

传统的立体匹配算法通过计算两幅图像的像素点相似程度,从而找到左图像素点和右图像素点的对应关系,常采用的是一种局部最优的方法,所以其匹配精度很低.为了提高精度,当前策略主要是将问题转化为求解能量方程,进而来对全局空间进行优化.从一个新的角度即视差图优化来研究能量方程的求解,通过对扫描线算法、动态规划算法和图割算法深刻讨论来分析算法原理与运行图,从而理解各算法优缺点形成本质与问题转化的依据,可以进一步的改进其不足,为研究新的算法打下基础.     

一种基于光流和能量的图像匹配算法

结合光流与图像信息,提出一种获取稠密视差的图像匹配算法.首先对于基线较大的左右图像,在多分辨率框架下采用由粗到精的策略计算光流,从而实现大偏移量时的光流获取.其次为了避免光流在图像边界上的不可靠性,通过光流计算所得的光流场作为初始视差图,采用基于能量的方法依据对应的图像梯度场对光流场内部进行平滑并保持边缘的不连续性,最终得到精准稠密的视差图.实验验证,该方法是一种行之有效的图像匹配算法.     

地质图中地质层的精确分割方法

针对地质截面图内部的地层信息,提出了一种新颖的抗干扰性强的地层分割算法。该方法首先采用变差函数和置信度计算地质图中区域的方向角度,接着面向方向一致连续的地质图子区域设计基于方向流场引导的蛇模型分割方法;其次摒弃了基于梯度信息的图像方向结构求取方法,构造了融合Radon变换获取方向角度的Gabor滤波器,从而精确分割出不同地质层并修补了同一地质层内部的断裂处;最后通过在真实地质剖面图中进行的测试验证了该方法的有效性,其能获取更优的分割结果,从而对石油勘探和地质环境的三维重建起到推动作用。     

双目立体视觉中的区域匹配新方法

提出一种结合已匹配区域参量构造视差梯度函数来分辨最佳候选区域的方法，摒弃了已有算法中单一参量不稳定的特性。对待匹配区域采用中心环投影得到离散曲线，通过比较曲线的相关系数来确定最佳侯选区域。实验证明，算法对区域半遮掩、变形和细微差别等情况都有好的识别性能。     

最短路径模型下的双目立体匹配算法研究

传统的双目立体匹配算法,是通过计算像素点间的相似程度来找出左图像素点和右图像素点的匹配关系。为了提高匹配准确度,当前策略主要是将立体匹配转化为求解能量方程最小化问题,再对全局空间的能量进行优化,如扫描线算法、动态规划算法、图割算法和置信传播算法。然而各个算法有着自身不足,若仅仅从原有的模型出发,难以克服缺点。通过对能量方程最小化问题深入研究,建立了一个最短路径模型,即将能量方程映射到有向图中,通过求解图的最短路径来解能量方程的最小化问题,详细阐述了算法原理后又从视差空间的角度描述了算法的运行图。实验证明最短路径算法克服了上述四种方法的固有缺陷,在准确度较高的同时,有较低的时间复杂度。     

基于偏微分方程的稠密视差图获取方法

立体匹配是计算机视觉领域中的一个重要的热门研究课题,为了获得性能更优的稠密视差图,通过把偏微分方程理论运用于机器视觉中,提出了一种新的基于能量函数获取稠密视差图(disparity map)的方法,并首先分析了匹配点对在不同相对位置下对匹配项产生的影响;接着提出了适用于视差图的各向异性的热扩散方程,它不仅继承了Alvarez定义的正则项对初始视差图内部平滑和保持边缘不连续的特性,还通过引入图像的噪声屏蔽函数和二阶方向导数来分别控制对应视差图中不同区域的扩散速度和角点处的扩散方向;最后通过定义的正则项和匹配项来构造新的能量函数,并把基于区域匹配算法得到的视差图作为初始值,再利用最速下降法求解相应的最小能量泛函。实验结果表明,无论从视觉效果上,还是重构深度图的判别上,该新算法都取得了更优的性能。     

基于Zernike矩的区域匹配方法

在基于区域的立体匹配中,由于遮掩、区域变形及光照条件会对匹配算法造成很大的影响,而传统的顺序性约束、唯一性约束、外极线约束和邻域约束并不能很好地解决这些问题,而近几年提出的相对位置约束虽能解决其中大部分问题,但对于区域的遮掩情况依然效果不佳。为此提出了一种新的基于Zernike矩的区域匹配算法,该算法在相对位置约束的基础上,采用中心距离和Zernike矩构造了新的费用函数,并提出根据匹配区域之间中心距离的大小来动态评判费用函数的权重系数值,从而提高了算法的性能。实验结果表明,该算法优于原方法,且对于区域的遮掩和变形情况都具备更好的识别性能,是一种行之有效的区域匹配算法。