基于序列视差图像的全息立体显示方法

通过获取的序列视差图像，用计算全息与图像处理技术产生了一个全息立体图的显示．在计算全息中采用了基于衍射的光栅条纹生成方法，将视场分为连续的8个区域，每个区域由一个空间频率不同的基本条纹衍射生成，利用迭代算法计算了基本条纹函数．然后对序列视差图像经过二维离散处理，通过光场投影与几何光学成像法，转换到一张全息图上，由包含8个基本条纹的全息素衍射生成序列视差全息图像．从而使观察者获得三维感的立体图像，并给出了实验结果．该算法为基于照片的全息立体图的生成提供了新的方法．     

基于视频图像序列的动态物体跟踪定位算法的研究

视频图像动态物体跟踪的算法是计算机视觉的核心课题之一,具有重要的理论意义和广泛的实用价值。本文提出了一种改进的三帧差分的运动目标实时检测算法,对3帧连续的边缘图像进行3帧差分运算,最后通过阈值分割和形态学处理完成对目标的提取。该方法计算简单,实验结果表明该方法能对运动目标进行准确检测,且具有很好的鲁棒性。此外,利用基于物体特征的轨迹记录算法清晰的记录了物体的行进轨迹。实验证明,该算法在运动物体实时检测和跟踪方面有效可行。     

一种改进的视频图像中雨滴去除方法

提出了一种改进的视频图像中雨滴去除方法.通过分析雨滴的物理光学特性,首先将连续5帧的视频图像存储在一个数组中,并求该5帧图像的同一像素点的最大、最小值;再将最大、最小值作差,当差值大于0时,证明该点被雨滴覆盖;然后将要处理图像的该点分别与最大、最小值作差,并取绝对值,当该点与最小值的差值大于与最大值的差值时,用最小值取代该点的灰度值;最后将该方法与Nayar帧时差法进行比较.实验表明,该方法能够更好地去处视频图像中的雨滴.     

一种基于背景重建和视差图的立体视频对象分割算法

提出了一种基于背景重建和视差图的立体视频分割算法,利用背景、视差和边缘等信息进行运动对象分割。该算法首先采用基于块的背景重建方法获取视频序列的背景信息,再利用背景相减法获得运动对象的初步分割结果,然后利用立体匹配获得的视差图对初步分割结果进行修正,最后利用边缘信息和后处理操作获得最终的立体视频运动对象。实验表明,该算法能够有效地从运动背景中将视频运动对象完整地提取出来。     

刀具磨损图像视差图的非标定方法

刀具磨损检测的视场范围很小、现场工况复杂(存在机床护罩和刀具保持架的遮挡),而以往对摄像机进行标定的方法多用于大视场环境,并不适合于加工现场的刀具磨损检测。为此,文中提出一种采用非标定双目视觉方法获取刀具磨损图像视差图的方法,无需标定参考物和人工干预。首先,利用SURF(speeded-up robust features)算法检测图像对中的特征点;其次,利用8点算法计算基本矩阵,再利用极点无穷远变换完成图像对的校正;最后,利用基本区域匹配方法完成图像对视差的计算。进行了加工现场的磨损刀具图像获取实验,先对比了重构出的刀具视差图轮廓与实际轮廓,接着分析了刀具视差图的精度。结果显示,重构轮廓与实际轮廓基本相符,重构出的视差图的绝对误差在5个像素点以下,相对误差在10%至30%之间,说明在小视场和复杂工况下,用非标定方法获取的刀具视差图能够满足现场检测的精度要求,并且该方法具有灵活和高效的特点。     

基于局部卷积的视频图像像素补偿方法

为了修复高速运动目标视频图像的缺失像素,提出了一种基于局部卷积的视频图像像素补偿方法(局部卷积补偿方法).首先引入局部卷积方法,分割神经网络模型,重建视频图像帧;再激活源视频图像及对应像素空间;最后采用线性均值补偿方法补偿视频图像内插帧空洞,并判断视频图像匹配程度,完成视频图像像素补偿.对比实验结果表明,局部卷积补偿方法的平均梯度为11.239,明显高于遥感图像分类方法、单幅图像超分辨率重建方法和多尺度递归图像超分辨率重建方法的平均梯度,说明经过局部卷积补偿方法补偿后的视频图像具有较高的清晰度.     

基于分割的立体匹配法提取光场视差图

为了解决从光场相机采集的图像中提取物体深度信息的问题,提出一种利用Lytro光场相机设备,基于图像分割的立体匹配方法估计光场图像深度。首先对Lytro相机采集的原始灰度图进行解码和颜色校正,提取相应的子光圈图像;在Matlab环境下,结合图像颜色分割、自适应立体匹配对子图像进行处理,通过平面拟合技术和BP优化得到相应的深度估计图。实验结果表明,该方法提取到深度图在视觉精度上有了明显的提高。     

基于光线跟踪的虚拟场景立体图像对视差研究

立体图像对的视差是立体显示的基础,双目立体显示的基本原理就是将具有视差的立体图像对中的左右眼图像分别送入左右眼中,从而产生立体感.本文给出了一种在虚拟场景中利用光线跟踪计算立体图像对视差的方法,生成了视差图和深度图,并对视差的特点和影响视差的因素进行了分析.     

基于视频图像的运动目标检测与跟踪研究

实际生活中,每时每刻都有千万种物体在进行运动,而这些不同的运动物体对不同的群体传达着不一样的视觉信息,对于群体来说,这些视觉信息给他们带来了重要的现实意义。然而在人们用视觉捕捉到的信息里,往往只对对自己有存在价值的运动目标或物体感兴趣,研究基于视频图像的运动目标的检测与跟踪,有很大的现实意义和实际价值。目前在实验室环境中已实现了对运动目标的检测和跟踪。在运动目标检测方面,参考理论,用帧间差分法得到基本完整可靠的运动目标;在运动目标跟踪方面,利用一种低复杂度的分块搜索算法,能对其进行仿真实验与编程实现。     

基于直接线性变换法的视频图像车速测算技术

视频图像车速测算技术因原理简单、操作方便、准确率较高等优点,在交通事故再现及车速鉴定中得到广泛应用。为测算出目标车辆的速度大小及变化情况,准确定位目标车辆每一视频帧画面的方位是关键技术。直接线性变换法能较好的实现像方坐标系和物方坐标系的相互转换,对目标车辆进行精确定位。介绍了直接线性变换法的原理,运用直接线性变换法测算视频图像中目标车辆车速测算操作方法、实践中标定点和目标车辆特征点注意事项,提高直接线性变换法在视频图像车速测算的精度。     

根据算子方程得到矩阵方程的新方法－基函数展开法

矩量法在计算电磁学中占有重要地位。矩量法是选择适当的基函数和权函数，进而得到矩阵方程。但该方法得到的阻抗矩阵是一个满阵，在复杂电磁学问题中，不论是阻抗矩阵填充还是求逆都会花费大量时间。提出了一种根据算子方程得到矩阵方程的新方法－基函数展开法，并给出应用该方法的一个例子。可看到该方法中不需要选择权函数，且阻抗矩阵是一个对角阵，从而大大节省阻抗矩阵填充时间和求逆时间。     

一种新的融合图像效果评价方法

目的寻求一种新的融合图像效果评价方法。方法定义了一个新的基于模糊积分的融合图像空间分辨率评价指标。在此基础上,引进原有的偏差指数,利用加权求和定义了融合图像效果评价方法。结果提出一种新的融合图像评价方法。结论新方法更适于进行多光谱图像和高分辨率图像的融合结果分析。     

一种新型的不变性快速图像识别方法

采用平面直角坐标系和其相对转化型式极坐标系 ,利用极角和极值的二重三阶累积量构造出二维的三阶累积量特征集合 ,并对该特征集进行快速 FFT变换得到频域的特征变换集合 .该特征集具有数据量少 ,保留了每幅图像的内部相位信息 ,又对图像的平移、旋转、比例和噪声变化不敏感的特点 .利用神经网络 ,实现了图像快速、并行、准确的识别 ,并有利于实现大量图像样本的存储 .实验中每副图像在提取30个特征的情况下 ,图像可较好地得以识别     

一种求取简单一级反应速率方程式参数的简便方法

提出了一种求取简单一级反应速率方程式参数的新方法。该方法原理和计算简单,对测定时间间隔无要求,也无需进行数值微分运算。四种简单一级反应体系被用于验证文中公式,计算结果优于现有方法。     

视频图像内文字的自动提取新方法

提出了一种基于彩色边缘检测、形态学和逻辑与运算的视频文字提取方法,首先,分别运用垂直、水平、对角三个方向的彩色边缘检测算子提取出原图的边缘图像,然后分别对上述三幅边缘图像进行数学形态学运算,得到三幅不同方向的连通域图。最后,将这三幅连通域图相与,消除无用的信息,得到最终的文字区域。实验证明,该方法具有高的文字提取率和好的鲁棒性。     

Study of a new method for three-dimensional restoration from single image

The aim of three-dimensional recovery technology from the image is to recover the relative height of each point on the surface from the light variations in the single image and carry out the recovery.A new method that recovers three-dimensional is presented object based on radius basis function for the image from the unknown light source direction,which constructs a surface equation by the network,uses the reflectivity function as a constraint,continuonsly estimates the light source direction in the self-le...     

Study of a new method for three-dimensional restoration from single image

The aim of threedimensional recovery technology from the image is to recover the relative height of each point on the surface from the light variations in the single image and carry out the recovery. A new method that recovers threedimensional is presented object based on radius basis function for the image from the unknown light source direction, which constructs a surface equation by the network, uses the reflectivity function as a constraint, continuonsly estimates the light source direction in the selflearning process of the network from the bright spots around the spread of the image, and eventually obtains a satisfactory surface equation. This method makes the resumption of surface good continuity and smoothness, and can recover the height value of each network point of the image and be automatically inserted in any point the among the network. It is suitable for the image of Lambert reflection model and the image of the Specular reflection model and the mixedreflex model.     

Study of a new method for three-dimensional restoration from single image

The aim of three-dimensional recovery technology from the image is to recover the relative height of each point on the surface from the light variations in the single image and carry out the recovery. A new method that recovers three-dimensional is presented object based on radius basis function for the image from the unknown light source direction, which constructs a surface equation by the network, uses the reflectivity function as a constraint, continuonsly estimates the light source direction in the self-learning process of the network from the bright spots around the spread of the image, and eventually obtains a satisfactory surface equation. This method makes the resumption of surface good continuity and smoothness, and can recover the height value of each network point of the image and be automatically inserted in any point the among the network. It is suitable for the image of Lambert reflection model and the image of the Specular reflection model and the mixed-reflex model.     

不同视角下海量高分辨率视频图像数据挖掘方法研究

当前高分辨率视频图像数据挖掘方法容易受到外界环境的干扰,提取的视频图像特征不可靠,且不同视角下提取的特征值有很大差异,导致视频图像数据挖掘精度大大降低。为此,提出一种新的不同视角下海量高分辨率视频图像数据挖掘方法,通过Harris角点检测方法对待挖掘高分辨率视频图像数据时空特征进行提取,依据高分辨率视频图像数据时空特征,通过自相关矩阵建立相同事物不同视角下的递归图,将递归图看作一幅图像,通过计算像素点的梯度向量构建递归特征描述符,对相同事物不同视角下的关联性进行挖掘,将具有相同递归图梯度特征的高分辨率视频图像数据汇聚在一起,实现数据挖掘。实验结果表明,所提方法挖掘精度高。