虚拟校园全景漫游系统的实现

基于图像绘制（IBR）技术来建立具有真实感的虚拟环境是近年虚拟现实技术研究的热点,其中基于子图像的全景图像拼接技术研究、全景图像的网上浏览和漫游是生成全景漫游系统的关键因素.本文以普通数码照相机拍摄的序列图像为基础,通过柱形全景拼合算法保证全景图的自然、逼真,并给出了全景图浏览器端的实现,该方法成功用于石河子大学虚拟校园的构建.     

从低分辨率图像序列重构高分辨率图像

从多视图几何技术出发,利用透视同伦变换技术、切点累积生成和运动估计及几何校正等技术将一组真实场景照片重构出一幅高分辨率的柱面全景图。由此研发的交互式全景漫游生成系统ADPW具有全景图生成、基于超媒体架构的多媒体信息融合、交互式全景漫游、发行(脱离系统运行)等功能,不仅实现了高度真实感的多媒体实时交互漫游,还可以发行相应的虚拟场景浏览器,脱离ADPW开发工具单独运行,可作为用户二次开发工具以便用户进一步开发。     

基于二维变分模态分解的矿井图像增强方法

针对煤矿主皮带图像的低光照、多尘雾、噪声大等问题,提出一种基于加权引导滤波的二维变分模态算法对主皮带图像进行增强。该算法对预处理的图像进行二维自适应非递归变分分解,对分解后的低频子模态进行加权引导滤波,增强图像的边缘细节以提高图像清晰度;并采用去噪能力强维纳斯滤波器。通过与自适应双边滤波和加权引导滤波技术仿真对比,该方法在图像边缘细节、滤除噪声等方面视觉效果不错,同时客观的峰值信噪比参数较高,均方差参数较低。     

基于Web AppBuilder的虚拟校园系统设计与实现——以华南师范大学为例

以华南师范大学校园为研究区域,基于Web AppBuilder框架,结合Arc GIS Server地图服务、全景图技术和Cesium三维引擎库构建了一个网络虚拟校园系统.该系统实现了校园全景漫游、三维场景可视化漫游和2.5维地图信息服务等功能.实践证明了基于Web AppBuilder框架能快速实现虚拟校园系统二三维集成开发,有效降低WebGIS应用系统开发难度,并很大程度上提高了开发效率.     

基于Web AppBuilder的虚拟校园系统设计与实现

以华南师范大学校园为研究区域,基于Web AppBuilder框架,结合ArcGIS Server地图服务、全景图技术和Cesium三维引擎库构建了一个网络虚拟校园系统. 该系统实现了校园全景漫游、三维场景可视化漫游和2.5维地图信息服务等功能. 实践证明了基于Web AppBuilder框架能快速实现虚拟校园系统二三维集成开发,有效降低WebGIS应用系统开发难度,并很大程度上提高了开发效率.     

基于同值压缩的自适应中值滤波

为了在图像去噪处理中更好地保持或还原图像细节,针对脉冲噪声,把滤波窗口中等值的像素压缩后作自适应中值滤波,提出基于同值压缩的自适应中值滤波算法,并用实验来检测其优越性.该滤波算法执行速度快,去噪性能和图像细节保持及还原能力明显优于经典中值滤波及自适应中值滤波.     

一种自适应窗口滤波算法研究

提出了一种滤波窗口方位、尺寸和形状都可随图像纹理结构自适应变化的开关滤波算法。滤波窗的尺寸可随图像梯度值的变化而变化,滤波窗方位排列与图像对应点像素最小梯度值方向一致。同时,为了将受噪声污染的点和图像的细节纹理像素点分开,给出了一种噪声点检测判据和开关算法流程。与传统均值、中值及相关文献提出的自适应平滑滤波算法相比,由于本文算法在降噪的同时兼顾了图像的局部纹理分布结构,因此在保护图像细节方面做得更好。仿真实验结果证明了本文算法的有效性。     

基于引导滤波的红外图像预处理算法

针对红外图像固有噪声和灰度分布非均匀性影响图像质量的问题,提出一种基于引导滤波的红外图像预处理方法。根据引导图的局部信息,在红外图像的不同位置动态生成滤波核函数,从而可以在平滑场景的同时保持甚至增强边缘细节。实验表明,本文方法可以有效滤除噪声,保持场景强边缘,改善灰度分布非均匀性;且由于引导滤波算法复杂度与滤波半径无关,处理速度快。此外,应用实验表明该方法可以提高融合图像视觉效果,增强目标跟踪的定位精度,在图像增强中能够有效避免伪边缘的产生。     

基于场景的自适应红外焦平面非均匀校正技术

为提高基于场景的自适应算法性能,根据图像非线性滤波理论,提出采用中值滤波进行图像前处理的自适应红外焦平面校正技术。该算法经过仿真图像序列和实际图像测试,达到较高的非均匀校正水平,降低了固定图案噪声,保护了图像细节。同时算法具有计算复杂度低,可以有效获得随帧数变化的探测器增益和偏置参数。     

人工蜂群优化的非下采样Shearlet域引导滤波图像增强

针对现有图像增强算法边缘保持性能不佳、抗噪性弱的问题,提出了一种改进的引导滤波图像增强算法——ABCO-NSST-GF。通过非下采样Shearlet变换(NSST)将图像分解成低频和高频2部分,利用引导滤波来增强低频系数,避免了高频噪声的放大;对图像的高频系数进行非线性增益函数变换,在增强边缘及细节的同时抑制噪声。最后,对处理后的低频和高频系数实施NSST反变换,重构出最终的增强图像。由于引导滤波中的盒滤波半径与正则化参数对增强结果有较大影响,采用了混沌蜂群算法搜索其最佳值,确保增强结果达到最优。针对约70幅实际工程图像进行了实验,结果表明,ABCO-NSST-GF算法能够明显改善图像视觉效果,与NSCT自适应阈值法等4种算法相比,所得图像清晰度、对比度和信息熵平均提高25.2%,与空域引导滤波算法相比,P峰值信噪比平均提高20.9%。     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

基于像素特征的路面裂缝图像自适应滤噪

分析了破损路面图像的像素点区域特征，针对不同区域提出加权邻域滤波和自适加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的，所以算法中能根据图像的区域特征自适应的进行滤波。试验表明，本算法能够有效滤除噪声，并具有很好的细节保护能力。     

基于卷积神经网络的卫星遥感图像拼接

针对传统算法不适用于外观发生较大变化的图像拼接问题, 提出一种基于卷积神经网络的遥感图像拼接方法, 通过深度学习使模型实现对遥感图像的配准和拼接. 通过两次实验将该算法与传统算法进行对比. 首先, 以欧氏距离作为评价指标, 分别通过两种算法在不同图像数据集上进行统计, 对它们的图像配准能力进行评估. 其次, 在真实的遥感图像拼接应用场景下对比两种算法实现的遥感图像拼接效果. 实验结果表明, 卷积神经网络模型对外观发生较大形变的图像具有更好的配准能力, 因此对于外观产生较大变化的遥感图像, 可采用该算法代替传统算法实现图像拼接, 得到更精确的全景图像.     

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

航拍图像暗通道先验去雾算法速度改进

针对暗通道先验去雾算法复杂程度较高, 利用引导滤波精细化大气透射率图层时间较长的问题, 提出一种用中值滤波精细化透射率图层的算法改进航拍图像去雾速度. 改进算法定义了一种算法简单且具有边缘保护效果、与滤波窗口无关、 时间复杂度为O(1)的中值滤波器, 对云雾均匀的输入图像, 用中值滤波较好地模糊了计算暗通道图层而产生的块状处理结果. 通过计算机编码并采用无参考的客观图像质量评价方法比较算法改进前后的去雾图像效果, 定量分析与实验结果表明, 当原始图像云雾分布较均匀时, 用中值滤波算法时间复杂度低, 相比引导滤波更易实现, 既能节约去雾时间, 又能实现图像平滑处理.     

采用亮通道先验的低照度图像增强算法

针对低照度彩色图像亮度偏低、对比度差等问题,提出基于亮通道先验的低照度图像增强算法.首先,分析Retinex算法所存在的缺陷,提出了亮通道先验.然后,将原RGB彩色图像转换到HSV彩色空间,对亮度分量V使用亮通道先验和引导滤波估计光照分量和反射分量,并且采用自适应对数校正对光照分量进行提升.最后,将增强后的图像转换到RGB彩色空间.实验结果表明:该算法快速有效,能够很好地提升图像整体亮度和对比度,图像细节得到增强,克服了颜色失真和光晕等问题,增强后的彩色图像更为明亮、自然.     

一种基于SURF的图像配准改进算法

为了更好地构造逼真的虚拟环境,提高虚拟场景中图像配准的效率,提出了一种改进的SURF算法。改进算法根据特征点的数量和其间疏密关系作为判定条件,可以在更短时间内得到数量适当且分布相对均匀的图像特征点,同时在特征点匹配阶段利用Hessian矩阵迹的正负性提高特征点匹配的速度。针对误匹配影响图像拼接准确性的问题,采用随机采样算法（RANSAC）提高匹配的精确度。实验结果表明该算法节省了特征点检测和匹配的时间,提高了匹配效率。     

一种自适应图象压缩编码算法

提出了一种自适应图象压缩编码算法（ＡＣＣ）,该算法将绝对矩方块截断编码算法（ＡＭＢＴＣ）、内插法和四叉树技术有机结合起来,根据图象的局部特性调节编码算法．仿真结果表明ＡＣＣ算法与文献［５］中自适应算法相比,在相同的压缩倍数下,能得到更好的编码性能．     

基于潜在半径优化策略的数字图像抠图算法

针对目标图像利用导向滤波算法进行图像抠图时参数需要根据不同图像进行人为设定的问题,提出了一种利用隐藏的支持向量机LSVM(latent support vector machine)自动设定参数的潜在半径优化的数字图像抠图算法.该方法首先是应用LSVM潜在性的思想,利用已知数据库模板训练输入目标图像的样本集,再利用样本集将导向图像和二值图像以不同半径进行分块并进行判定,确定半径值,从而能够自动产生合理参数.最后利用导向滤波器对图像进行抠图,从而优化抠图算法,最终实现抠图算法的智能化和灵活化.     

基于细胞神经网的快速图像分割方法

细胞神经网(CNN)是一种局部互联的非线性并行模拟视觉处理系统,具有适合硬件实现处理速度快的优点.首先利用CNN-PDE非线性异质扩散滤波对图像作预处理,随后给出了一种基于CNN的图像分割方法.分割试验结果及仿真时间估计表明,CNN分割方法能以非常快的速度完成相应处理,是高效可行的.