一维子空间的三维重建方法

为了从图像序列中恢复三维物体,假设相机为正投影模型,提出了一种基于一维子空间的三维重建方法.利用所有图像序列构成的行向量生成的子空间之和与三维空间点构成的行向量生成的子空间是同一线性子空间、同时由所有图像点构成的2个行向量外加一个行向量就可以组成该子空间的一个基底的特性,线性地求取子空间中的行向量,最后完成三维重建.模拟和真实实验结果表明,该重建方法具有鲁棒性好、重投影误差小等优点,而且能够将图像平等地对待.     

一种基于端元投影向量的高光谱图像地物提取算法

利用高光谱图像在波段空间中呈现凸面单体这一几何特性,提出了一种用于提取地物的端元投影向量生成算法,端元投影向量的生成以下面事实为依据:在高维波段空间中,每一个端元都游离于其他所有的端元构成的超平面之外,且是距离超平面最远的点.利用在Cuprite获取的AVIRIS数据对端元投影向量生成算法进行了验证,实验结果表明该算法可以有效地用于地物提取.     

矩阵表示的子空间学习算法综述

线性子空间学习是较为流形的一种特征提取方法,而向量表示的子空间学习方法则是目前众多线性子空间学习方法之一.近年来人们针对这一方法的缺点和不足,提出了若干矩阵表示的子空间学习方法,这些方法都是向量表示的子空间学习方法的拓展.首先介绍了几种经典的向量表示子空间学习方法,进而对几种有代表性的矩阵表示子空间学习方法进行了综述并比较详尽地给出了这些算法的推导过程,同时对算法的有效性等问题进行了分析比较,提出了一些新的理论观点和见解.     

基于压缩感知的MIT图像重建方法

针对目前磁感应成像技术(MIT)的图像重建质量存在精度较低的问题,提出了一种基于压缩感知原MIT图像重建方法.将MIT系统电压数据的采集过程视为压缩感知的线性测量过程,通过对灵敏度矩阵进行补零拓展和行向量随机重组操作重新设计了测量矩阵;采集到的电压向量也用相同的方式处理,作为压缩感知的测量信号.然后利用压缩感知信号重构算法恢复原始信号.最后进行了仿真实验,实验结果表明,利用本方法获得的重建图像误差和相关系数比传统图像重建算法要好.由此可见,这是一种精度较高的MIT图像重建方法.     

镜像基函数下过渡投影子空间人脸特征抽取算法

为强化鉴别信息的完整性,提升解决小样本问题(SSSP)的能力,该文构造了一种求解具有几何对称性的样本鉴别信息的特征抽取算法.从线性子空间的角度出发,利用人脸的几何对称性,依据奇偶分解原理,在原特征空间生成一组镜像对称基函数.构造一种矩阵变换,求出两个对称基之间的过渡矩阵,并在过渡矩阵空间上求取最优鉴别矢量集.该方法强化了鉴别信息的完整性,对解决SSSP是有效的.在ORL和FERET人脸数据库上的实验结果验证了算法的有效性.     

一种图像拼接的点特征匹配算法

为了解决旋转图像间的点特征匹配问题,提出了一种以空间位置分布关系为搜索依据的新的匹配算法.首先将已检测到的特征点生成三角形,随后利用相似三角形配对获取图像间的仿射变换关系,并根据这种空间位置分布关系进行进一步的对应点搜索,最后利用MLESAC算法进行对应点筛选,得到内点以及外点.用活动摄像机采集图像进行实验,首先验证了对于旋转图像点特征搜索的有效性,接下来又验证了图像间是平移关系但存在重影的点特征搜索,结果表明该方法能有效地对旋转和平移图像进行点特征匹配.     

SAR虚假图像欺骗干扰算法改进研究

虚假图像目标欺骗干扰是对合成孔径雷达(SAR)电子对抗战中的一种有效对抗方式.但是因为虚假图像目标是由许多虚假点目标构成,所以传统的欺骗干扰信号生成算法运算量非常大,实时性很差.为了克服虚假图像目标欺骗干扰实时性较差的难题,在对SAR虚假图像目标欺骗干扰快速算法的研究后提出了一种改进算法.利用虚假小型几何目标作为虚假图像的基本像素点,然后在距离向和方位向上搬移得到SAR虚假图像.算法的复杂度定量分析表明,算法运算量具有非常显著的改进效果,仿真试验结果证明了改进算法的有效性.     

基于标识与平面间单应性矩阵的虚实注册方法

提出了一种基于单应性矩阵与平面标识相结合的三维注册算法,解决了标识部分被遮挡情况下的虚实注册问题,提高了系统的健壮性、可用性．该方法将直接求解三维注册矩阵问题分解为利用图像间的匹配特征点来计算相邻两帧图像间的单应性关系,并利用该单应性关系恢复最终注册矩阵．就实验结果与ARToolkit的注册性能作了比较,结果表明该算法能够解决标识部分遮挡情况下的虚实注册问题,在健壮性方面明显优于ARToolkit．     

基于偏最小二乘的人脸超分辨率重构

提出了一种基于偏最小二乘(PLS)的超分辨率重构方法用于快速恢复高分辨率人脸图像.该算法利用主成分分析(PCA)方法将所有高、低分辨率人脸图像投影到各自的特征子空间中,通过PLS对高、低分辨率投影变量之间的统计关系进行回归建模.当输入的低分辨率人脸图像给定时,对应的高分辨率人脸图像可以由训练后的回归模型导出.实验结果表明,在离线训练的情况下,所提出的算法可以快速地给出令人满意的重构解.     

基于相似性概率约束的立体视觉稠密匹配算法

本文提出一种面向非结构化环境的快速立体视觉稠密匹配算法,能有效解决弱纹理、岩石局部遮挡条件下的精确立体视觉稠密匹配问题。该算法利用外极线约束缩小搜索区域的候选匹配点,有效解决遮挡和深度不连续的影响,利用Mean-Shift算法构建一个自适应阈值函数来分割图像,再对稠密视差图进行初值优化,提高了高相似度与弱纹理区域内的视差估计精度。利用本算法对实际环境图像和标准测试图像进行处理,实验结果表明对环境中的遮挡和弱纹理问题具有良好的鲁棒性,在室内外环境下均能够获取高质量稠密视差图。