基于密集视点插值的实时视频拼接方法

针对宽基线场景下的拼接因视差导致伪影和瑕疵的问题,提出了一种基于密集视点插值的实时视频拼接方法。该方法采用在左右相机的基线上补充密集中间视点的方式,为拼接的重叠区域合成平滑过渡的插值视图,以更好地对齐多个输入。为生成该插值视图,利用立体匹配中的匹配代价,设计了网络用来预测在原视图中采样的像素位移场。所提方法在没有插值视图真值的情形下,利用视点间的空间变换关系,指引网络学习视图生成规则。实验结果表明,所提方法能提升视频图像拼接后的视觉观感,并可以达到实时性能,满足实际场景中的应用需求。     

亮度优化立体视频视觉舒适度评价

结合立体视频帧左右视图的灰度图,采用鲁棒性算法与软剪刀算法相结合的"画笔"方案来提取立体视频帧的前景区域,合成视差图并提取水平视差,计算深度视差;根据主观评价结果建立视差深度-视觉舒适度模型,再结合亮度对视觉舒适度的评价模型进行优化,使模型的评分更接近人类视觉系统的评分;结合人类主观评价实验的结果,用逆向代入法求出模型的系数确定模型,最终实现基于人类视觉系统特性的对立体视频视觉舒适度的评价。实验结果表明:通过视觉舒适度模型计算得到的结果与人类主观评价结果之间的误差率不超过5%,其中大部分视频误差率不超过1%。说明评价模型更符合人类主观感知结果的立体视频视觉舒适度,模型评分更接近人类视觉系统特性的主观实验评分,这为立体视频舒适度的评价提供了参考。     

基于小波多分辨率网格划分的双目立体视觉方法

基于双目立体视觉的三维重构足机器视觉技术中重要的研究内容,在机器人视觉导航、航空测绘、医学成像和上业检测等很多领域都有广泛的应用.研究空间网格候选点三维坐标与图像中二维坐标的映射关系,对基于网格候选点投影灰度相似性的立体视觉方法进行改进,建立多分辨率网格节点并与小波分解网像实现一一对应关系,通过逐级分析嘲格节点的映射像点灰度相似性,确定由粗到精的候选点筛选策略.最终恢复被测物体的深度信息.Matlab平台下的仿真实验町以验证,小波多分辨率网格节点的构建不但改善了计算效率,也避免了过多候选点带来的随机误差,使三维重建精度得到了提高.     

基于轮廓跟踪的车载红外视频彩色化方法

提出一种车载红外视频快速彩色化方法,利用轮廓特征点跟踪获取每帧物体类别的轮廓区域,采用类别特征色彩对各区域传递色彩。构建各景物样本特征色彩集,以各类景物在自然彩色图像中表现出来的特征色彩作为红外图像中对应景物的色彩;利用改进的高效K Means方法对红外关键帧进行聚类,得到分割区域,提取轮廓特征点;通过KLT算法跟踪特征点,得到其在下一帧中的位置并同时修正,采用B样条插值进行轮廓复原,得到该帧的各类别轮廓区域;最后将特征色彩按类别赋予各区域,从而给各帧图像着上合适的颜色,实现红外视频序列的快速彩色化。实验结果表明, 该方法与基于运动估计的算法相比可提高近5倍的处理速度,并且能够得到与自然景物色彩较接近的彩色化视觉效果。     

投影仪和双相机组成的三目立体视觉系统标定方法

在完成对投影仪的参数标定后可将投影仪看作另一个相机,并将其与双目相机组成三目立体视觉系统.不同于借助高精度平面靶标的传统标定法,本文只需一个简易制作的无标识白纸靶标即可获得由双目系统提供的特征点世界坐标.使用线性模型和包含薄棱镜畸变系数的畸变校正模型完成对投影仪的初步参数标定,采用改进的光束平差法对投影仪与双相机的参数...     

基于双目立体视觉的视线跟踪系统标定

针对使用主动红外光的视线跟踪系统存在的限制,构建了在自然光条件下允许头部自然移动的视线跟踪系统,该系统通过双目立体视觉系统获取眼睛特征参数,在三维空间中重构眼睛视线向量来估计眼睛的视线。通过头戴式标定板来估计头部姿态,减少了视线跟踪过程中头部移动带来的误差影响;提出了一种视线跟踪系统中个人参数的标定方法,该方法先假定眼睛视轴与光轴重合,由此计算出眼球的中心、半径、眼睛视轴与光轴的夹角的初始估计值,用非线性优化算法对这些初始值进行优化。通过实验表明,提出的视线跟踪算法对使用者限制较少,同时具有较高的视线估计精度,能满足很多视线跟踪应用场合的需要。     

基于多源信息融合的果树冠层三维点云拼接方法研究

构建了基于彩色相机和光学混合探测(PMD)相机的多源视觉系统,旨在建立具有真彩色信息的果树冠层三维点云模型,为果树的剪枝、疏花疏果和采摘等果园管理提供技术支持。针对PMD相机获取的目标场景三维点云,结合PMD相机的幅度图像和密度聚类算法提取有效点,利用前期研究的图像配准方法得到多源图像之间的坐标转换关系,完成了果树冠层多源信息融合。通过主成分分析法得到较好的初始位置,再采用最近点迭代算法,实现两组三维点云之间的拼接。对自然场景下的开花期和坐果期的果树冠层三维点云拼接方法进行了实验验证,结果表明多视角三维点云拼接误差为2.62cm,可以较好地弥补单个角度下拍摄造成的数据缺失,实现了果树冠层完整的三维显示。     

基于可分解马尔科夫网的视频图像检测方法研究

研究了可分解马尔科夫网的概念、方法,分析了可分解马尔科夫网在序列图像数据挖掘中的作用与意义,并直接将马尔科夫网的结构作为决策或推理依据,应用于问题求解,拓广了可分解马尔科夫网应用的可能性;以真实交通违章的视频图像为例,以多种粒度(节点数)广泛研究建立视频图像间的可分解马尔科夫网并分析其对问题的适用性,通过网络结构分析来检测视频图像间的差异,从而发现某种有意义的模式(例如,交通违章);仿真结果表明所提方法具有实用价值和较好效果;研究结果表明可分解马尔科夫网可以很好地揭示数据间的抽象近邻关系,并且这种网络具有很好的知识表达和逻辑推理的作用,是重要的模式识别方法。     

联合多级深度特征表示和有序加权距离融合的视频行人再识别方法

针对目前视频行人再识别中存在视角、光线变化,背景干扰与遮挡,行人外观与行为相似,以及相同行人在不同模态特征下距离的差异性而导致的匹配不正确问题,提出一种联合多级深度特征表示和有序加权距离融合的视频行人再识别方法。在行人特征表示阶段,提出了行人多级深度特征表示网络,该网络不仅能学习视频序列中行人的时空特征,还能获取行人的全局外观特征和局部外观特征。在有序加权距离融合阶段,将行人的特征表示输入到距离测度学习中,分别计算行人在三类特征下的独立距离,并将距离排序后,根据距离的排名优化距离权值,最后融合三类距离得到最终距离,从而准确匹配行人。通过在公共数据集中的实验表明,所提方法不仅能够提高视频行人再识别的识别率,还具有丰富和完整的行人特征表示能力。