三维帧间配准预测的V-PCC改进算法

针对视频点云压缩(video-based point cloud compression,V-PCC)把点云序列分解成2D的非规则图像块(patch)进行编码,破坏点云连续性,不利于后续帧间预测的问题,设计一种三维配准帧间预测结合V-PCC帧间预测的改进算法.首先,为了提高点云配准的有效性,设计一种基于运动一致性的二叉...     

一种高分辨率遥感卫星帧间图像配准的方法

针对某高分辨率遥感卫星高精度图像配准要求,提出了一种采用边缘特征的提取和特征点提取相结合的方法,解决了卫星云图存在云层遮挡导致图像边缘信息无法准确提取的问题。该方法基于改进的Canny算法和Harris检测算子对图像的边缘特征和特征点进行提取,并采用Hu氏不变矩实现图像特征点的匹配,通过仿真试验验证了该方法对提高图像配准精度的有效性。     

一种深度图帧内预测模式决策改进算法

为减小3D-高效视频编码(three dimensional-high efficiency video coding,3D-HEVC)的编码复杂度,提出一种深度图帧内预测模式决策改进算法.一方面,采用拉普拉斯边缘检测法对是否遍历深度模型模式(depth modeling modes,DMMs)进行快速判决;另一方面,利用预测单元(prediction unit,PU)的楔形分割线与其纹理特征的相关性,只对候选预测模式中的帧内角度模式相关的楔形分割进行搜索,减少楔形分割模式遍历的数量,实现DMM1模式的快速决策.经测试,算法在平均编码比特率增加很少的情况下,深度模型模式的平均编码时间降低了53.65％,而深度图的合成质量基本不变.     

H.264的帧间预测改进

帧间预测采用基于块的运动补偿,从一个或者多个先前编码的图像帧中产生的一个预测模型。这种以一种预测帧之间允许达到更高的压缩率、使得相邻帧在时间上具有冗余的优势,并给出了帧间编码的基本预测模板。     

一种基于帧间差与图像分割的运动目标分割方法

视频图像中对运动目标进行分割是十分有意义的.传统的背景减除法和帧间差法在提取运动目标的时候各有自身难以克服的缺点.基于阈值、边缘、直方图的图像分割一般只适合于静态目标的分割.提出一种结合图像分割(Graph Cuts)和帧间差的新方法进行运动目标分割.帧间差法具有良好的稳健性,而Graph Cuts算法则弥补了帧间差无法获得完整运动信息的缺点.利用帧间差法得到不完整的运动信息对Graph Cuts进行分割约束可以准确、稳定地提取出运动目标.     

基于改进ICP算法的三维点云刚体配准方法

针对含有噪声和外点的三维点云刚体配准问题,由于迭代最近点(iterative closest point, ICP)算法的配准精度较低,为此,该文提出了一种基于改进ICP算法的三维点云刚体配准方法。考虑到伪Huber损失函数对噪声和外点不敏感、鲁棒性强,首先,建立了基于伪Huber损失函数的三维点云刚体配准模型。其次,利用RGB-D点云数据中颜色信息辅助建立点云对应关系,以提高改进ICP算法中对应点匹配的准确性。最后,结合奇异值分解(singular value decomposition, SVD)和Levenberg-Marquardt(LM)的优化算法对三维点云刚体配准模型进行优化求解。实验结果表明,该文所提三维点云刚体配准方法的配准精度高,能够有效抑制噪声和外点对配准精度的影响。     

基于帧间运动的视频分割

视频分割是视频结构化和检索的重要技术 ,目前主要通过镜头分割得到。但许多应用需要对镜头根据摄像机运动作分割 ,现有技术不能满足应用实时需要。提出了一种对P帧运动向量稳健分析计算帧间运动并进行分割的方法。与传统光流法、M估计法比较 ,该算法只在压缩域上进行 ,不需迭代 ,具较强实时性。文中阐述了方法的基本思想、理论依据与实现 ,实验表明 :该方法具有很好的效果     

快速 HEVC 帧间预测编码单元深度选择算法

为提高编码效率, 提出一种快速 CU(Codizy Unit)深度选择算法。 首先, 计算当前 CU 的平均深度预测值 (MPD: Mean Predrition Depth), 根据 MPD 值对当前 CU 进行初步分类以减少 CU 深度选择的冗余遍历; 然后, 根据获得的参考帧同位置 CU col (Co-located CU)的率失真(RD: Rate Distortion)代价与其深度总和的比值作为参 数对当前 CU 深度选择做进一步终止判断。 实验结果表明, 与原始算法 HM16 相比, 快速 CU 算法在平均比特 率减少 0. 10%, 峰值信噪比仅降低 0. 08 dB 的情况下, 编码平均时间减少了 59%, 与文中参考文献[9]和 文献[13]算法相比, 编码时间平均减少了 11%, 有效降低了编码复杂度, 提高了编码效率。     

基于层间预测的空间可扩展帧内编码算法

利用空间可扩展编码中的层间预测技术,提出了一种基于层间预测的空间可扩展帧内编码算法.对于空间基本层上的图像宏块,采用与H.264/AVC标准兼容的帧内编码方法进行编码.对于空间增强层上的图像宏块,除了本层中的邻块数据之外,进一步利用基本层上的对应宏块数据对其进行帧内预测编码.特别是在无法获取本层邻块数据的情况下,使用基本层上的对应宏块数据作为扩展数据源来预测编码,以提高编码效率.实验结果表明,与传统的单层帧内预测算法相比,本算法提高了增强层编码的信噪比,同时编码码率和计算复杂度基本不变.     

H.264/AVC中进行帧间预测的研究及实施

本文给出了一种帧间预测的设计方法及结果,该方法利用已编码相邻宏块的时间和空间相关性信息预先检测图像,对图像各区域可能采用的编码模式进行判定,从而大大简化了模式选择的过程.实验结果表明,该方法可以在图像质量基本保持不变的基础上,有效地降低编码的复杂度.     

基于KD-ICP算法的机器人拆解目标三维点云配准方法

随着我国核能产业发展,大量在役涉核装置运行过程中出现的事故和隐患需要通过涉核机器人进行远程处置,部分事故处置需对出险装置进行精确拆解,基于三维重建视觉图像定位是其关键技术之一。本文针对核应急事故中待拆解目标的精确重建,开展三维点云配准方法研究,在配准算法总体流程基础上设计出三维点云配准算法,利用高斯滤波进行点云数据去噪,提出一种兼顾点云信息完整性和算法效率的KD-ICP算法,利用FPFH和 PCA主成分分析实现特征点提取并降低点云数据量,使用4PCS进行点云粗配准,采用KD-ICP算法实现点云精配准。在所搭建的拆解机器人试验平台上,针对管、板及涉核装置模拟体等测试对象,对所提出的配准算法进行试验分析与评价,与其它三种常规算法的对比试验表明,本文所提出的点云算法在相同的条件下均方根误差最小,运行时间最短,具有更高的点云配准效率及较好的鲁棒性,为复杂拆解目标的三维重建及精确定位奠定了基础。     

一种基于关联图的蛋白质结构预测改进算法

采用一种改进的COMAR （Contact Map Reconstruction）算法求解基于关联图的蛋白质结构预测问题.根据蛋白质关联图和先验知识,并以半随机的方式生成距离信息,根据距离信息得到蛋白质的坐标,并通过坐标修正和摄动,使得重构结构的关联图与给定的关联图相一致.结果表明,阈值较大的关联图所重建的结构较好,与原COMAR算法相比,在相同的迭代次数下,改进的COMAR算法的精度较高.     

基于云自适应遗传算法的改进BP算法

针对标准BP算法对初始权值敏感、收敛速度慢、易陷入局部极小等问题,结合正态云模型云滴的随机性和稳定倾向性,以及遗传算法的全局搜索能力、收敛速度快等特性,提出了云自适应遗传改进BP算法.该算法首次将云模型和遗传算法结合调整神经网络的权值和阈值.由X条件云发生器产生改进的自适应交叉概率和变异概率.实验结果表明:云自适应遗传改进BP算法比标准BP算法收敛速度快.     

基于改进TADW的链路预测算法

针对经典的节点相似性链路预测算法只考虑网络拓扑结构或者节点属性信息的问题,使用词嵌入模型Word2vec学习得到节点文本属性信息的表示,进而改进TADW(text-associated deep walk)算法,弥补其语义信息表示能力的不足.基于改进的TADW图嵌入方法提出一种融合网络拓扑结构和节点属性信息的相似性指标,并基于此相似性指标提出链路预测算法.在三个真实数据集上的实验结果表明所提出算法可以提高预测精度,并具有更好的鲁棒性,同时使用图嵌入的方法有效解决了网络数据的稀疏性问题.     

一种改进的基于云模型理论的蚁群算法

研究了一种利用云模型来有效限制蚁群算法陷入局部最优解的方法。实验表明,该改进策略可使蚁群算法的全局搜索速度和优化性能均得到明显改善。     

基于三维激光扫描技术的城市三维建模方法

本文以拓普康GLS1500扫描仪作为实验设备,以建筑物建模为例,从数据采集、点云处理、三维模型建立和纹理映射等方面探讨了利用三维激光扫描技术进行城市三维建模的方法。     

基于改进随机抽样一致的点云分割算法

随着三维点云数据模型在三维建模、测绘、智能城市以及机器视觉等领域的应用,点云数据处理也成为一个研究热点.点云分割就是将三维空间中点云通过一系列算法,将散乱的点云数据划分成更为连贯的子集的过程,可以为后续的数据分析提供数据基础.针对随机抽样一致算法(random sample consensus,RANSAC)对杂乱、无...     

一种基于视觉感知的复合医学图像分割算法

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.     

利用三维激光扫描数据和KNNS-ICP算法进行变形分析

利用KNNS-ICP算法对扫描物体的变形量进行分析,提取目标物变形量的6个参数,即3个旋转变量和3个平移变量,充分利用了扫描点云中的几何信息,通过对目标物点云的整体分析来提取变形量,避免了利用单点进行变形分析的偶然性.ICP算法主要从不同目标物点云数据的获取、变形前和变形后点云的整体配准、对全局配准后的每个目标物点云进行局部匹配来获取变形量等3个阶段来进行.通过理想状况下的实验模型及非理想状况下的实验模型进行实例分析,论证了利用该方法进行变形监测的可行性.     

基于遗传算法的图像模糊边缘检测快速算法

全面分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法。该算法简化了Pal.King复杂的变换和逆变换,并采用了新的增强算子,针对Pal.King算法中对隶属度阈值的设置存在的不足,提出了利用遗传算法确定最佳隶属度阈值的方法。仿真表明,该算法检测的边缘细、连贯,适用面广,很有实用价值。