基于ASM和K近邻算法的人脸脸型分类

针对人脸特征分类问题,提出一种基于主动形状模型(ASM)和K近邻算法的人脸脸型分类方法。将Hausdorff距离作为K近邻算法的距离函数,利用ASM算法提取待测图像的特征点,对点集进行归一化后计算人脸轮廓特征点与样本库中所有样本点集的Hausdorff距离,根据该距离值,通过K近邻算法实现待测图像的脸型分类。实验结果证明,该方法分类正确率高、速度快、易于实现。     

基于结构光与单应的投影机几何校正

提出了一种基于结构光与单应的投影机 自动几何校正方法。利用分布在感兴趣点(POI)位置上的光敏传感器捕获投影机投射的结构 光模式序列,并转化为投影机像平 面内的坐标值,计算出目标投影平面与投影机像平面间的单应矩阵;再利用单应矩阵对投影 图像进行透视 变换,实现几何校正和显示区域最大化。通过不同环境条件下实验测试,本文方法能准确地 定位POI的坐标,使投影画面准确投射到目标投影面上,并达到较高精度。 本文方法操作简 单快捷,无需借助相机, 且校正过程不易受外部环境影响,具有较好的鲁棒性。     

基于视点的大规模点云数据实时预测调度策略

针对海量数据难以实时渲染的问题,提出基于视点的大规模点云数据实时预测调度策略——“5-5-5”动态调度策略。对整个三维点云进行“分区-子块化”处理,经过多分辨率压缩后保存到服务器端的数据库中。客户端根据视点的变化和菱形调度规则对子块数据进行内外存动态调度并实时绘制,同时向服务器发送传输新数据的请求。实验证明,该算法能有效解决漫游过程中的“抖动”现象,减少单次向服务器请求传输的数据量,实现漫游显示的连续性和平滑性。     

利用内嵌传感器投影面的投影机自动标定

传统的相机‐投影机标定多是基于计算机视觉的方法,涉及复杂的几何变换和繁琐的操作过程,在背景复杂或者光照不佳的环境下效果不理想。为简化标定过程,提高标定可靠性,提出一种利用内嵌微处理器和光学传感器的投影面板来进行投影机自动标定的方法。通过捕捉条带状格雷编码结构光,获取投影面板中感兴趣点的位置,通过这些感兴趣点求得投影机源投影图像和目标投影面间的单应矩阵,实现投影图像的几何校正,使图像能够快速、精确地投射到各个目标平面上。     

一种基于半监督聚类的微视频标注方法

针对微视频语义标注问题,本文提出一种基于半监督聚类的微视频标注方法。文中从事件驱动的角度,以镜头事件为单位,用事件组来标注微视频。进一步构造半监督K-means聚类算法,优化目标函数,使得最终的聚类结果既体现类间的低耦合及类内的高聚合,又体现类内局部的数据分布密度。该聚类算法实现了诸如微视频等多属性异构数据的聚类,提高了微视频标注效果。实验结果表明本文所提微视频标注方法具有很强的语义表达能力,本文的聚类方法也具有很强的聚类准确度。     

基于多尺度纹理能量测度的单幅图像深度估计

为了更好地描述纹理渐变线索与场景深度间的关系,提出了一种基于多尺度纹理能量测度的深度估计算法。采用具有旋转不变性的纹理能量测度方法捕捉多个尺度下场景图像的纹理能量,再分析各尺度下纹理能量的变化规律,得到用于估计纹理区域相对深度的算法。实验结果表明,该算法对近似同分布的非结构化纹理区域的深度估计具有较好效果。