频率上转换三维立体显示模型与计算机模拟

综述了频率上转换三维立体显示技术的研究现状以及应用前景，分析了上转换显示发光的基本原理和实现上转换三维立体显示的基本操作，最后通过计算机对频率上转换三维立体显示过程作了模拟，并列举了应用上转换三维显示的空中交通管理模型。     

中药材三维组织结构的表面重建技术

研究了由中药材的连续截面图象重建其三维组织结构并进行三维显示的技术。利用模式识别技术对手理建对象中的不同结构进行识别和匹配;采用三菜平面逼近法生成物体的三维表面。根据重建过程生成的三维数据结构在ＳＧＩ图形工作站上提供线框模型显示和光照模型显示以及灵活多样的观察方式。文中提供的三维重建和显示方法有助于对中药材各种组织结构的立体形态的观察和研究,并且适用于生物医学图象处理领域。     

基于ObjectARX参数化模型块动态显示系统

以ObjectARX为开发工具对AutoCAD2008进行二次开发,实现了在界面中即时显示模型以及定型产品的自动化设计。分析定型产品的几何结构确定参数构成,构建产品的二维图形和三维模型;在对话框上建立自定义视图控件,该控件类似AutoCAD的视口,通过该视口即可把二维图形和三维模型块分别显示在视图控件中。以轴承盖零件为例,对该方法进行了验证,结果表明参数化模型块动态显示系统效果良好。     

地上下集成模型立体显示系统

为了在网络环境下使地上下无缝集成模型具有更加逼真的显示效果,分别采用主动式和被动式两种方法实现三维模型的立体显示.地上下集成模型以CD-TIN为纽带,将地上建筑物、地表与地下空间实体进行无缝集成.根据立体图像对的生成原理实现三维模型的立体显示,并使用ActiveX控件实现三维模型的网络化表达,从而构建了一个网络环境下的地上下无缝集成模型立体显示系统.观察者通过佩戴立体眼镜即可观察三维立体模型.实验结果表明,采用立体显示方法能增强模型的显示效果,使观察者产生较强的沉浸感,有利于对三维地学模型的观察和分析.     

基于体素的医学图像三维表面模型重建

三维表面模型重建是将CT和MRI等医疗影像设备获得的二维图像重建成三维立体表面显示图像的过程·重点研究了其重建算法的具体实现:在建模上采用了基于体素的三维物体体积重建;在显示上提出了基于Ray Casting的三维物体二维直接显示技术·所以,和传统采用三角面拟合的方法相比,具有图像重建过程无需生成中间数据,无需进行3D物体的边界检测等优点,同时该算法并行性好,易于采用硬件方法实现加速·     

三维可视化显示心外膜电生理参数的方法

利用一种三维可视化显示心外膜电生理参数的方法,巧妙地将空间三维曲面变换到平面上并用Delaunay三角剖分进行图像处理,用重心坐标系进行插值,从而重建出一个较光滑的心外膜模型及其上的电生理参数分布.此方法提供了心外膜电生理参数直观且快速的显示方法.     

一种基于地形特征的数字高程模型缩放方法

近年来,由于显示设备的多样化及其功能的不断增强,对数字高程模型提出了更高的要求。本文提出一种基于地形特征的三维可视化数字高程模型缩放方法。与传统的缩放方法不同,本文提出的方法不仅对数字高程模型进行缩放,而且还能保留数字高程模型的特征。该方法由VisualC++6.0实现,并在真实的数字高程模型上完成对比实验。通过比较可以看出本文提出的方法比传统的缩放方法更加有效,而且,为数字高程模型提供了更好的三维显示效果。     

三维态势系统中战场要素模型的建模方法

在三维态势显示系统中,对各种战场要素模型有着不同的显示要求和建模方法.首先对战场要素模型进行了分类.然后分析了各类模型的处理方法.重点针对三维线状和面状不规则战场要素,提出了一种基于原模型的通用可视化方法.该方法可以方便地处理所有类型的线状和面状要素,具有通用、简单、灵活、效率高的特点,可以应用于各种三维态势处理系统中.     

真三维影像的编解码和几何校正方法研究

通过介绍真三维显示模型,解释了基于可视体素的显示技术.针对LED真三维显示分辨率较低的问题,采用光投影阵列的真三维显示方案,结合真三维显示固有的连续图像的特性,研究了真三维编解码算法,建立了基于光线追踪的几何校正模型.实验证明,该方法可构建实用的高分辨率真三维显示器,同时能够展示准确的物体.     

基于C#的三维模型可视化技术研究

本文基于Visual C#．NET开发环境,介绍了利用DirectX和OpenGL图形接口实现三维模型可视化显示的方法,并通过示例程序对以上两种接口的显示效果和执行效率进行了综合比较．为进一步实现三维模型可视化技术在计算机辅助设计系统中的应用提供了理论和现实依据。     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.     

序列图像运动自适应V1-MT光流估计算法

针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT(motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能.     

光强倒数色度空间的彩色人脸光照预处理

为了解决彩色人脸识别中色彩信息易受光照影响的问题,提出一种基于光强倒数色度空间（IICS）的彩色人脸图像预处理方法。本方法首先将图像均匀地分割成子块;将每个图像块变换为 IICS 空间中的一个二维数据集,并根据数据集的线性分布特性估计图像块的光照颜色;然后对全部图像块的光照估计进行颜色直方图统计,根据直方图对分块估计的结果进行合并;最后,利用估计得到的光照和对角模型将图像光照校正到标准白光下,用于人脸识别。在 AR 和 FERET 人脸库上的实验表明,通过引入本光照预处理,有效增强了彩色人脸识别方法对光照变化的鲁棒性,提高了识别精度。     

Estimating Illumination Parameters Using Spherical Harmonics Coefficients in Frequency Space

An algorithm is presented for estimating the direction and strength of point light with the strength of ambient illumination. Existing approaches evaluate these illumination parameters directly in the high dimensional image space, while we estimate the parameters in two steps: first by projecting the image to an orthogonal linear subspace based on spherical harmonic basis functions and then by calculating the parameters in the low dimensional subspace. The test results using the CMU PIE database and Yale Database B show the stability and effectiveness of the method. The resulting illumination information can be used to synthesize more realistic relighting images and to recognize objects under variable illumination.     

Simulating Human Visual Perception in Nighttime Illumination

This paper presents an image-based algorithm for simulating the visual adaptation of the human visual system to various illuminations,especially in dark nighttime conditions.The human visual system exhibits different characteristics depending on the illumination intensity,with photopic vision in bright conditions,scotopic vision in dark conditions,and mesopic vision between these two.A computational model is designed to simulate multiple features of mesopic vision and scotopic vision,including the chromaticity change,luminance change,and visual acuity loss.The system uses a source image under bright illumination as input.Then assuming that the viewer has already adapted to the new conditions,the color spectrum of the input image is reconstructed to replace the source with modifications of the chromaticity and the luminance of the relighted scene.A bilateral filter is used to simulate the visual acuity loss.The model parameters have clear physical meanings and can be obtained from experimental data to achieve realistic results.The algorithm can be used not only for visual perception simulation,but also as a day-for-night tool to produce realistic nighttime images from daytime images.     

一种光照条件自判断的夜间灰度图像增强算法

借鉴双直方图均衡(BBHE)和图像分割的思想,对夜间灰度图像进行光照条件自判断的增强研究,对光照条件较好、光照条件较差和光照条件较差但存在少数极亮区域的图像分别采用不同的方法进行增强处理.实验结果表明:所提算法可以突出夜间灰度图像暗处的细节,增大图像的对比度,并有效解决增强后图像整体亮度过高的问题,具有较强的普适性.     

基于改进SRResNet深度学习网络的低照度图像超分辨率重建方法

为解决低照度条件下低分辨率图像的超分辨率重建问题,提出一种基于改进SRResNet（super-resolution residual networks,超分辨率残差网络）深度学习网络的低照度图像超分辨率重建方法。通过将读取的图像下采样、亮度降低等处理生成低照度低分辨率图像,并将该图像与高分辨率图像作为数据对输入学习模型,以便改进SRResNet的训练数据对的生成方式,优化训练过程,从而构建面向单帧低照度彩色图像的基于改进SRResNet训练的超分辨率重建方法。实验结果表明：与现有流行的图像超分辨率重建方法相比,该方法的峰值信噪比（peak signal to noise ratio,PSNR)、结构相似性（structural similarity,SSIM）指标整体为最优,低照度环境下的超分辨率重建图像更为清晰明亮、细节更丰富,该方法训练出的深度学习网络的重建效果更好。     

基于变分结构引导滤波的低照度图像增强算法

针对低光照条件下获取的图像存在亮度低、可见性差等缺陷,提出了基于变分结构引导滤波的低照度图像增强算法。首先在输入图像的每个像素点处计算R、G、B三通道的最大值,并使用最大值滤波获取亮通道图。其次,创新性地构建基于变分模型的引导滤波器对亮通道图进行精炼从而估计出照射分量,并根据Retinex理论,去除照射分量得到反射分量。最后,采用同态滤波和线性拉伸进一步提高反射分量的对比度以输出清晰的图像。综合实验表明,该算法能快速有效地增强低照度图像的亮度和对比度,且能较好地保持图像细节。     

基于模糊自适应谐振理论的彩色目标跟踪系统

提出了一种在变光照条件下进行彩色图像分割和目标跟踪的方法 .通过在色度、饱和度、亮度HSI(hue ,satura tion ,illumination)空间自组织非监督地进行颜色聚类 ,使用增加、削减和融合聚类的方法 ,寻找适当的聚类数量 ,使目标跟踪更加精确 .该方法基于模糊自适应谐振理论 (fuzzyadaptiveresonancetheory ,FuzzyART) ,具有在线升级目标颜色模型的能力 ,可以克服环境光线变化所带来的影响 .在复杂背景和变光照条件下的目标跟踪实验结果证实了该方法的有效性 .     

基于GAN的低照度图像增强算法研究

针对低照度图像增强问题,提出一种基于GAN的循环式图像增强网络,引入无监督学习方式,通过降低循环一致性损失和对抗性损失,估计低照度图像的原始光照图,并利用建立的图像增强模型公式,对光照不足环境下采集到的图像进行亮度等方面的增强．在人工合成低照度图像数据集和真实自然低照度图像数据集上,均进行了质化评价和量化评价,实验表明,与现有的一些图像增强方法相比,本文所提出的方法具有更好的图像增强效果,能够由低照度图像复原出生动、清晰、直观、自然的高质量图像．