基于无人机序列图像的三维场景重建

阐述了无人机拍摄的序列图像三维重建的方法,主要涉及图像之间特征点的提取与匹配、稀疏点云重建、密集点云重建、三维点云格网化、纹理映射,最后通过实例演示三维重建过程和最终效果,表明此方法可以重建出高精度、照片级逼真的三维场景.     

基于非定标图像序列的三维重建

本文介绍了非定标图像序列的三维重建的应用需求、基本概念和当前国际上研究进展情况。     

从序列图像中获取点目标三维运动参数

本文研究了摄像机有机动,而点目标在短时间内作匀速直线运动的情形.研究表明,只要点目标——摄像机相对运动方程满足可观测性条件,那么就可从三幅序列图像中确定点目标的三维运动参数,进而估计出它的空间坐标.文中还对算法的抗干扰能力进行了分析,结果表明,摄像姿态以及点目标——摄像机相对运动方程的曲率是影响算法抗干扰能力的两大因素。最后给出了计算机模拟结果.     

基于多幅图像序列的三维重建

基于多幅图像序列的三维重建技术, 以两幅图像的三维重建算法为基础, 采用由运动中恢复校准的结构方法, 在已知摄像机参数的情况下, 利用KLT特征点跟踪算法, 实现了多幅图像的三维重建, 并利用集束调整优化了重建结果.     

基于小波变换的分开——合并图像分割

小波变换具有良好的“时间－频率”局部化特性及多尺度变焦距特性,对于二维图像蝗小波变换,其梯度模值提供了图像的边缘信息,在大尺度时,图像边缘稳定,但存在有 移,小尺度时,边缘定位精确,但易受噪声影响,噪声和边缘都具有较高的空间频率,噪声的能量小,在大尺度下,其小波变换系数值小,边缘的能量大,在大尺度变换下,其小波变换系数值大,由多尺度小波变换系数的变化情况,估计边缘的类型,采用多尺度小波变换系数作为     

基于序列图像的工业钣金件三维重建与视觉检测

针对目前工业制造领域面临的难题,提出利用非量测数字摄像机进行工业钣金件高精度三维重建与视觉检测.采用二维直接线性变换分解摄像机参数初值并结合光束法平差进行高精度标定;利用最小二乘模板匹配提取像面上的点、直线信息并进行混合光束法平差,从而进行钣金件的高精度三维重建及其尺寸制造误差的检测.所开发的视觉检测系统硬件成本低、自动化程度较高,实际数据的多次实验均取得了优于1/8 000的相对精度,说明所论述的方法为工业零件的自动化三维检测提供了一条可行途径.     

一种新的基于形状的灰度图像插值方法

通过2幅已知的灰度图像，用数学形态学的方法确定出插值图像的轮廓．通过求出轮廓内任意插值点与中心点的位置关系，分别找出其在2幅源图像上的对应点．如果2个对应点的灰度值较为接近，可通过线性插值直接求出此插值点的灰度；如2个对应点的灰度值相差较大，则判断插值点的相对位置与哪个对应点的相对位置接近，并认定插值点的灰度值即为此对应点的灰度值．对轮廓内所有的点采用上述算法，即可求得最终的插值图像．算法将图像的形状信息和灰度信息较好地结合起来．实验结果表明其插值结果是令人满意的．     

基于触觉图像序列的三维规则物体识别方法

提出一种基于二值化触觉图像序列的三维规则物体识别方法.触觉图像序列是通过装有高分辨力和高柔性触觉传感阵列的平行移动式夹持型手爪系统来获取的.实验表明,所述方法不仅能有效地识别一般平面物体,而且能有效地识别接触面是非凹曲面的物体。     

计算机视觉技术在人体测量中的应用

论述了计算机视觉在人体测量中的应用,给出了人体测量计算机视觉系统的基本组成、重要设计因素和图像处理典型技术,并提出了一种结构光测量算法.     

基于序列图像的视觉定位

提出了一种静止摄像机条件下基于计算机视觉的工业机器人的定位算法。采用单目视觉系统,由线性摄像机模型推导出定位测量模型。通过序列图像,以一种改进的自适应混合高斯模型更新背景,运用背景差分法检测出运动目标,用CAMSHIFT算法实现对运动目标的跟踪,确定其位置和姿态,估计出运动参数,反馈给机器人指导其准确运动。实验结果表明,该方法快速、有效,能够满足视觉定位的实时性要求。     

基于结构光的三维全身人体扫描仪

提出了一种基于结构光方法的三维全身人体扫描仪的设计方案．该方案使用线激光源,并采用双摄像机互补,多扫描头数据融合的方法克服人体自遮挡,获取人体表面的完整轮廓线．依据该方案进行的仿真实验验证了三维全身人体扫描仪的系统结构与三维信息获取方案的合理性。     

基于序列图像的全景图像拼接

基于图像建模和绘制的虚拟环境构造是近年来虚拟现实技术研究的热点。其中基于序列图像的全景图像拼接技术研究是虚拟环境临场感的一个关键因素,文章以普通照相机拍摄的序列图像为基础,通过相邻两幅序列图像差值图像极值点的搜寻,可以快速提取两幅序列图像之间的重叠部分,并采用线性加权法使得缝合后的图像自然、逼真。最后给出了本算法在PC机拼接的效果图。     

基于序列图像的粒子滤波跟踪算法

基于序列图像的目标跟踪方法研究已成为当前计算机视觉领域的一个重要研究内容.构建一个准确、实时和鲁棒的跟踪系统是该领域的研究重点.本文提出了一种改进的基于粒子滤波器算法的快速目标跟踪方法.通过提取序列图像中目标的HSI颜色空间直方图作为目标模板,建立系统的状态转移模型和观测模型,应用重采样技术,最后利用粒子的加权和估计最终目标位置和形状.通过软件仿真实验,本文提出的算法较传统的目标跟踪算法具有更好的实时性,准确性和鲁棒性.     

水印图像的混沌置乱算法

利用混合光学双稳混沌序列的伪随机性和初值敏感性,提出一种用于数字水印中的水印图像置乱算法.该算法针对水印图像,没有使用过多的额外技术,所以算法的复杂度较低;因为混合光学双稳混沌序列的伪随机特性,所以图像置乱的效果比较理想;混沌序列对初值具有敏感性,因此提高了置乱算法的安全性,使水印的安全依赖于密钥,且只需1个密钥,不同于logistic混沌序列需2个密钥.在数字水印技术中使用这种置乱技术,可以有效抵抗例如剪切等集中式攻击,使水印更具鲁棒性.     

基于Arnold变换和混沌序列的灰度图像置乱算法

Arnold变换是数字图像置乱中常用的一种方法。但是,Arnold置乱具有周期性,并且其周期有一定的规律。因此可以采用穷举法计算出置乱时使用的加密密钥,轻而易举的还原出水印信息,安全性不高。为此,本文应用一种改进的水印预处理技术,将混沌序列和图像置乱技术结合起来对灰度水印图像进行加密。实验结果证明了算法的可行性。     

基于序列图像的相似材料模型变形测量

针对传统模型观测方法中存在的缺点,提出利用基于非量测数字相机的数字近景摄影测量技术进行相似材料模型变形测量.推导了利用二维直接线性变换分解相机内外方位元素初值的实用算法,利用最小二乘影像匹配对控制格网点和变形标志点进行高精度定位.结合自检校光束法平差进行变形标志点坐标的高精度解算.利用模型模拟开采不同时刻的序列立体影像像对的解算结果,完成相似材料模型的变形测量和实时位移分析.试验得出变形标志点的平面测定精度高于±1mm.可以满足本次试验条件下相似材料模型变形监测的精度要求.     

一种基于小波变换的序列图像压缩编码

研究一种动态图像小波域系数的压缩方法 .根据图像小波分解和人类视觉的特点及其子图象间的相关性 ,对系数进行不同间隔的量化 ,同时结合简单有效的数据结构———帧比特平面对系数进行扫描及压缩编码 .     

基于多视图像序列跟踪的SAR地面运动目标检测

为基于合成孔径雷达(SAR)检测地面切向运动目标,提出基于多视图像序列跟踪的检测方法。在SAR多视图像序列上,具有切向速度的地面运动目标在子视图像间的位移轨迹可近似为一条斜线。该算法利用具有方向性约束的动态规划实现动目标在SAR多视图像序列上的轨迹跟踪,进而沿散焦轨迹作非相干积累可显著改善微弱目标检测性能。基于跟踪信息可实现动目标切向速度估计和解Doppler模糊。基于实测机载SAR数据的数值实验证明了该方法的有效性。     

深度残差网络和LSTM结合的图像序列表情识别

为了改善图像表情和图像序列表情识别效果,针对传统表情识别特征提取复杂和效果不理想问题,提出了一种深度残差网络和局部二值模式(local binary patterns,LBP)相结合的特征提取方法,利用深度残差网络提取数据集的空域特征,长短期记忆网络(long short-term memory,LSTM)处理时域特征,实现空域与时域特征的结合。研究了不同层数的残差网络、不同形式的LBP算子以及其他网络结构对人脸表情识别的影响,对比了支持向量机和随机森林实现的序列表情识别算法。在Cohn-Kanade数据集和AFEW6.0数据集上进行了验证,实验结果表明,算法在验证集上的准确率分别为73.1%和58.4%,相比其他算法有一定程度的提升。     

基于医学图像的三维交互测量技术研究

三维测量技术在机器视觉、自动加工、工业检测以及生物医学等众多领域都具有重要意义和广阔的应用前景。但利用传统的测量方法,许多三维测量工作只能在基于面绘制的基础上进行表面点的测量,无法测量其内部结构组织。对此,提出了一种在体绘制基础上可对任意部位进行测量的方法;并以可视化类库VTK为基础,在Windows平台上,以VisualC++为开发工具,研究实现了一个三维医学模型测量系统。主要讨论了三维观察的具体过程和三维交互拾取技术,系统对诊断具有参考价值,为虚拟手术及远程医疗打下了良好的基础。