古代印度的视差算法

古代印度的天文学家很早就认识到月亮视差对日食的影响，并对这一课题进行了研究和探讨．在前人的研究基础上，通过对原始文献的系统解读，详细论述了古代印度5～12世纪的视差算法算法沿革，阐明了古代印度视差算法的造术方法，证明了古代印度视差算法模型的合理性．     

基于小波变换的图像匹配算法

为了寻找立体像对中的对应点并求出视差,采用Ｍａｌｌａｔ的多尺度小波分析算法,在对图像进行多级分解的基础上进行逐级匹配,并且扩展了传统的视差定义,将两个限制条件：视差连续性和方向一致性融合进视差的定义当中,因而在视差求取的同时也完成了粗差剔除的过程,提高了算法的效率．实验证明,此方法在计算时间和精度上都是切实可行的．     

立体视差调整的快速估计方法

立体图像的视差调整多用于会聚调节和视差校正．为准确地计算出立体图像视差调整量的取值范围,建立了立体视差调整的快速估计方法．算法首先将人类立体视觉的Panum融合区应用于立体显示空间,给出计算立体显示屏幕Panum融合区的方法,然后推导出立体显示屏幕Panum融合区对视差调整量的限定,最后通过对立体图像深度线索的稀疏匹配快速估计出Panum融合区限定下视差调整量的适用范围．经实验验证．本方法可以快速、准确地得到视差调整量的适用范围,最大限度地避免立体图像中出现双眼复视的情况．     

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．     

一种基于特征的全景视图生成算法

全景视图在视频会议、虚拟现实等领域有广阔应用前景，而现有的合成技术对大角度旋转等失配以及存在视差的情况效果不佳，为此提出一种鲁棒性较好的全景视图生成算法．该方法首先利用可重复性特征估计透视运动模型，从而对相邻视图进行配准；然后利用显著特征对视图分层，并对重叠区域进行非线性融合，以减小视差对重叠场号的影响．多幅不同条件视图的合成实验表明，该算法在大角度旋转及视差等情况下仍能较好地合成视图．     

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.     

基于视频对象的自适应去帧/插帧视频处理

提出一种降低视频传输比特率的视频编(解)码的预(后)处理方法．该方法通过对视频对象做真实运动估值，把估值低于某一阈值的帧删去而不被传输，仅把被删去帧在序列中的序号传输。在解码后，根据所接收的序列号用相应的参考帧来恢复(替代)被删去的帧。对快速运动的图像序列，为了改善视觉效果，可以根据运动估值的大小，自适应地插入若干中间过渡帧。过渡帧用插值算法得到。     

基于多尺度的小基高比立体匹配方法

针对小基高比立体匹配中的＂黏合＂现象和深度精度问题,提出一种小基高比立体匹配方法.该方法通过将自适应窗口技术和多窗口策略相结合为参考图像确定匹配窗口;然后根据规范化互相关函数和＂胜者全取＂策略计算整数级视差;再以整数级视差为基础利用基于二分法的亚像素匹配方法计算亚像级视差;最后采用基于图像分割的迭代传播方法以获得稠密视差图.实验结果表明：该立体匹配算法减少了小基高比匹配中的＂黏合＂现象,同时获得了稠密的高精度亚像素级视差,其亚像素精度可优于1/20个像元.     

基于神经网络的股票估值综合模型

鉴于传统估值方法对我国股市不完全适用，结合经济类和工程类研究者对股票估价的一般方法，提出了一种基于神经网络的股票估值综合模型．模型以上市公司的财务数据、比率因素及历史股价作为输入变量，将市场均价作为输出值．通过实证分析，显示模型具有良好的估价性能，并且优于市赢率估价法，     

极限证明过程中的估值方法

数学分析主要以极限为工具研究函数，而对极限证明过程的分析处理的核心是对函数估值，本结合实例对一些基本的估值方法作一些初步探讨．     

基于冗余离散小波变换的立体图像视差估计

为提高立体图像视差估计的准确度及效率,从图像特征点入手,结合DT（delaunay triangle）网格技术,提出基于冗余离散小波变换的立体图像视差估计法．对参考图像进行冗余离散小波变换后,根据其平移不变性和各级子带大小相同的特点,通过各级高频子带相乘、叠加,再取相应闽值,得到参考图像特征点,并形成DT网格;以特征点为中心在目标图像中进行视差估计,得到各特征点的视差矢量,再结合仿射变换得到三角形内部各点的视差矢量,从而形成浓密的视差图．实验结果表明,根据视差图重建的目标图像PSNR值要高于传统的SAD块匹配法和Canny特征点法5～10db;对于CIF格式的立体图像,算法在Matlab7．0下时间消耗为15s．该算法在视差估计准确度和运算速度上具有较好性能,可应用于立体图像处理领域     

结合车道线检测的智能车辆位姿估计方法

基于视觉的智能车辆定位问题是自动驾驶领域研究的一大热点。在某些有效近景特征不显著的场景中,由于参与计算的特征数量不足,会导致位姿估计精度下降甚至失效。为此,本文提出一种结合车道线检测的相机位姿估计方法来提高位姿估计精度。首先,设计了一套基于自适应感兴趣区域和几何结构筛选法的车道线检测算法,精确检测到了左右车道线的内、外侧线;其次,对车道线区域内的点进行帧间匹配,得到新的匹配点对,并根据V视差图拟合出地面视差方程,求解出属于车道线匹配点对的准确视差值;最后,将这些匹配点对与ORB方法提取得到的匹配点对融合,共同参与相机的位姿计算。经实验验证,本文提出的算法提高了位姿估计结果的精度,解决了某些场景中有效特征点不足导致的位姿估计失效问题,具有良好的环境适应性。     

基于区域增长的自适应窗口立体匹配算法

针对基于区域的立体匹配算法支持窗口难以选择的问题, 提出一种新的自适应窗口区域立体匹配算法. 该区域增长的方法可以动态地获得形状和大小均具有自适应特性的支持窗口, 并通过区域视差范围估计、核心窗口视差近似、动态搜索步距调整等方法使算法得到改进. 研究结果表明: 该算法对于视差不连续和遮挡区域都有着良好的适应性;采用该算法获得的视差图像的准确度高达95%, 且计算时间缩短到5 s以内.     

基于区域的立体匹配算法研究

提出了基于区域的立体匹配算法,实现从彩色立体图像对中提取深度信息.其中利用平滑函数求取全局错误能量最小化获得的视差图更为可靠,但是计算时间也较长;而采用线性生长算法获得的视差图则计算时间短,但可靠性差.结果是利用滤波去掉了不可靠的视差估计,可以提高视差图的可靠度,还对算法生成的结果进行了比较.     

基于运动估计的置信度传播立体视频匹配算法

基于置信度传播(BP:Belief Propagation)的立体匹配算法与局部算法相比,视差准确度高,但需要耗费大量的计算时间。为此,提出一个基于运动估计的置信度传播立体视频匹配算法。该算法首先通过传统的BP算法获得I帧的匹配视差图,并保存每个像素获得最佳视差值的传递信息;然后,通过参考I帧的运动估计信息,得到重新排列的I帧视差值的传递信息,将其作为P帧置信度传播算法的初值进行迭代运算,从而大大减少了P帧置信度传播算法的迭代次数。实验结果表明,该算法能大大提高置信度传播立体视频的匹配效率。     

从双视图到多视图的协同优化立体视觉匹配算法

采用基于视图协同优化算法解决视觉匹配问题,通过对双视图立体匹配的研究到多视图匹配的推广,利用视差平面拟合进行多个视差集的合并.利用奇异值分解法解决线性方程,建立排除异常点的判别规则,解决遮挡及稀疏纹理的问题.实验结果表明:该协同优化算法是有效的,提高了匹配的精度.     

一种新的Vague集相似度量方式

在分析比较当前几种Vague集相似度量方法及其优缺点的基础上,提出一种新的Vague集相似度量方法.该方法充分考虑支持度以及真隶属度差距和假隶属度差距,并且区分隶属度差距的方向.该方法更符合实际,它为Vague集之间的相似度提供了一种更好的度量方法.     

一种基于深度特征的室外环境下激光地图辅助视觉定位方法

针对无GPS或弱GPS信号下的室外环境中的车辆无法定位问题,提出了一种利用激光地图辅助视觉定位方法。首先利用双目相机的视差图的深度与三维激光雷达地图进行匹配,然后通过最小化深度残差来估计六自由度相机位姿,接着利用视觉跟踪产生的良好的初始估计和提出的深度残差方法可有效地估计相机的位姿,最终通过估计相机的位姿完成定位。通过对比多个公开数据集,验证所提方法的准确性和有效性,最后利用实验小车采集校园数据,仿真和实验结果都证明利用此方法的有效性和在室外环境下的视觉定位的准确性。     

钢筋混凝土矩形贮液池温差效应的初探

根据热传导理论，推导出日照和液体温度作用下钢筋混凝土矩形贮液池壁面温差的近似解， 从而求得温差效应．结合数值算例，将温差效应与液压作用效应作了比较，提出了解决壁面温差效 应的方法，     

视差图误差检测与校正的通用快速算法

为了获取精确的立体匹配结果 ,提出了一种通用的视差图误差检测与校正算法。算法首先定义一个新的全局顺序匹配约束 ;然后将其用于视差图后处理过程 (而不是视差计算过程 )中 ,以检测出视差图中的匹配交叉区域 ;最后提出一种零交叉校正方法 ,校正其中的误匹配点。通过对一组真实立体图像序列及其视差图的实验 ,进一步证明了该算法的有效性。该算法可以作为视差图后处理过程附加在各种立体匹配算法之后