建立自己的虚拟现实实验室

比较系统地阐述了在建设虚拟现实实验室,进行方案设计时需要仔细考虑的各种问题,以及在选择产品和软件时应该注意的各个细节,从而使用户建立一个价廉物美,满足应用需求的虚拟现实实验室。     

局部模式纹理描述符在光照变化的人脸识别中的应用

针对光照变化的人脸识别系统识别率偏低的问题,提出了基于局部模式纹理描述符的人脸识别方法,通过提取出局部模式对光照改变不敏感的纹理特性,采用距离转换度量(Distance Conversion Metrics, DCM)和K均值(K-Mean)算法,有效地提高了人脸识别的识别率。所提方法的有效性分别在ATR-Jaffe及Yale两大人脸库上得到了验证,实验结果表明,与其它最先进的几种方法相比,所提方法在处理非限制条件下的人脸识别问题上取得了更好的识别效果。     

基于Image Quilting算法的纹理合成

基于样图的纹理合成方法是继纹理映射、过程纹理合成方法后发展起来的纹理拼接技术,用于解决传统方法中出现的缝隙、扭曲、变形和参数调整等问题.Image Quilting算法是简单易行的接缝消除方法,采用Image Quilting算法合成纹理并生成Wang Tile集,继而拼接大图像.实验表明,Image Quilting算法能够较好地保持纹理特征的连续性,但在接缝处可能破坏纹元特征.     

基于特征关联融合的图像检索方法

鉴于单一特征检索效果的不足,提出基于颜色和纹理特征相互关联融合的图像检索新方法。利用非等间隔量化HSV颜色空间,提取图像的颜色特征,利用Gabor小波提取图像的纹理特征;对内容分布简单的检索图像,采用图像底层特征串行关联(FSC)方法,对内容分布复杂的检索图像,采用基于典型相关分析(CCA)的图像底层特征并行关联(FPC)的方法,融合颜色特征和纹理特征进而检索图像。     

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。     

基于中点偏移算法的云的模型设计

自然景观的模拟在许多方面得到了应用，云是自然界中的一项重要景观，对云进行模型设计显得十分重要。针对目前大多数的云的模型设计方法难以在普通PC机上快速实现真实感较强的云的模型设计的问题，提出了一种自然景观中云的模型设计方法。该方法以分形理论为基础，设计并实现了一种云的纹理生成算法，并采用纹理映射技术，绘制云的图像模型，得到了较为逼真的模拟结果。     

一种基于遗传神经网络的医学图像分割方法

针对一类具有纹理特征的医学图像,提出一种结合纹理信息,利用遗传神经网络的图像分割方法。该方法以混合递阶遗传算法优化径向基神经网络,同时优化其结构及参数。试验表明,该方法应用于生物医学图像,能够区分图像不同的纹理区域,获得较好的分割效果。     

一种基于定位和非对称补偿的伪装目标分割方法

伪装是欺骗观察者感知系统的一种手段, 善于伪装的个体在纹理特征上与背景具有高度的相似性。为解决前景与背景因相似而导致的像素归属歧义, 提出一种基于定位和补偿网络(locating and compensation network, LCNet)的伪装目标分割网络。该方法效仿了捕食者从搜索→确立→聚焦的寻猎过程, 涵盖双主干网的强感知提取、定位模块的双注意力以及级联的非对称补偿模块的细化像素模糊。实验表明, 在4种评价指标下, LCNet在3个具有挑战的伪装数据集上都显著优于现有的6种最新模型, 具有较高分割性能。     

基于Gabor滤波器和模糊支持向量机的纹理分割

文章提出基于Gabor多通道滤波器和模糊支持向量机的纹理分割.采用Gabor滤波器提取特征向量,送入FSVM进行分类,并与SVM、RBF神经网络的分割结果做比较.结果表明:FSVM和SVM比RBF神经网络具有较好的泛化性能,训练时间也大大减少.此外,FSVM比SVM分类错误率低,有更强的抵抗噪声能力.     

数字地面模型的加密与显示

介绍以航测数据重建三维地形模型,改进三次样条曲面算法用于格网加密,提出以格网为基础的地表、地物快速显示算法,实现地物造型、树木及地表纹理的三维表示。