由序列图像进行三维测量的新方法

目前的三维测量方法都需要专门的测量设备且存在着种种限制,为此提出了一种基于图像序列进行三维测量的新方法。将由数码相机围绕被测物体拍摄的多幅图像导入计算机,利用图像处理知识得到特征的二维信息;采用计算机视觉方法,对特征从射影空间到欧式空间分层逐步重建即可完成三维测量。设计一套特征标志组合,作为辅助测量工具避免了特征匹配难题。确立了一套图像分割与识别策略获得特征标志二维信息,识别率可达到95%以上。采用基于模约束的摄像机分层自标定方法得到特征在欧式空间下的三维信息,并通过多种优化方法减少误差的影响。该方法在硬件上实现简单,对测量条件要求不高。实际试验表明,相对误差可达到1.48%,重投影误差为0.3864像素。     

一种加权计算基础矩阵的高精度算法

分析了图像匹配点对基础矩阵的不同影响,引入具有明显几何意义的匹配点到对极线的距离作为匹配点的加权因子,将匹配点集合看作随机变量并将加权因子作为匹配点的概率分布。在此基础上对原始图像数据进行归一化处理,利用8点算法得到基础矩阵。大量的试验结果表明,该方法明显降低了计算余差,提高了基础矩阵的计算精度。     

基于分形理论和数学形态学的图像边缘检测方法

提出一种基于分形理论和数学形态学的边缘检测方法。该方法利用分形理论中离散分数布朗随机场来抑制噪声得到按分形维分布的灰度图像，采用数学形态学检测连续的特征边缘。试验表明，采用该方法比经典的边缘检测算子能够更好地达到视觉测量的要求。     

基于几何不变量的图像特征识别

图像的特征识别是图像处理和识别中的一个重要问题，几何不变量作为特征的特征值在很多领域已经得到了广泛的应用。实际中，普遍采用在仿射变换及射影变换下保持不变的仿射、射影不变量作为特征值。本文根据具体图像的特点，利用4类仿射和射影不变量构成特征的特征值空间，依据4步识别策略来识别图像中的特征点，从而完成识别任务。实验表明，这4类不变量能够较好地识别出实际图像中的特征。     

一种用于圆检测的改进Hough变换方法

Hough变换在图像处理中占有重要地位,但本身具有存储空间大计算时间长的缺点。文章利用圆的几何特性,针对Hough变换的缺点进行改进,并将其应用到图像中存在多个圆的情况。实验表明,该算法能较好地减少存储空间及降低计算时间,并能良好地对图像中多个圆进行检测。     

动画制作中面部关键点的表情捕捉技术

提出了一种在动画制作领域中的面部表情捕捉方法。该方法仅使用普通彩色摄像头进行视频采集,通过图像处理及模式识别等方法对视频的每一帧图像进行处理,识别图像中演员面部关键点(眉毛、眼睛、嘴巴等)及其物理坐标。通过将这些关键点与已做好的动画角色相关联,从而实时获得演员的面部表情并体现在动画角色中。该方法具有设备简单、实时性高等特点,能够显著提高动画制作的效率。