生物特征计算进展

生物特征计算旨在实现人体生物特征的自动感知与分析,建立生物特征与人的身份、情感、行为、健康情况和美学评价的对应关系的可计算模型.结合作者近十余年来在生物特征计算方面的研究,从生物特征识别、医学和美学生物特征计算三个方面对生物特征计算的进展和趋势进行了介绍和展望.     

基于结构光技术的动物内脏三维重建研究

针对内窥镜手术监控中二维图像三维重建的需求,对结构光三维重建中的标定和匹配中的关键技术进行改进,使用改进后的标定方法和编码策略有效重建了动物内脏目标。为减少错检,在格雷码条纹之间加入一个像素宽的红色,来判断条纹边界像素点的存在与否。使用灰度重心法可精确实现条纹边界定位。针对三步相移法标定投影仪过程中相位去包络的不稳定性问题,使用双频投影栅线法,避免了复杂易产生噪声的去包络过程。实验结果表明,使用文中提出的策略可以有效重建动物内脏目标。     

基于空间正则化约束的支持向量相关滤波器目标跟踪方法

基于支持向量相关滤波器(Support Correlation Filters,SCF)的目标跟踪方法存在严重的样本边界不连续问题,因此模型判别能力受到严重限制。本文将空间正则化项引入到SCF中,提出了基于空间正则化约束的支持向量相关滤波器(Spatially Regularized SCF,SRSCF)模型。相比于SCF,SRSCF不仅可以借助更大的图像区域进行模型学习,同时也能缓解样本的边界不连续问题对模型学习的负面影响,由此得到判别能力更强的模型。此外,本文提出了一种ADMM(Alternating Direction Method of Multiplier)算法求解SRSCF模型,其中每个子问题具有解析解。实验结果表明,相较于SCF,SRSCF能够有效地提升跟踪精度,同时仅增加较少的计算开销。     

面向全变分图像复原的增广拉格朗日方法综述

图像复原旨在根据退化图像重建高品质原始图像,其复原的质量和速度问题一直都是图像处理领域研究的重要方向。由于其图像边缘保持特性,全变分(TV)最小化模型在图像复原领域取得了很大的成功。然而,全变分图像复原是一个典型的非光滑优化问题,需要发展相应的快速优化算法,而增广拉格朗日方法(ALM)则是近年来发展起来的一类代表性方法。结合相关进展,综述了全变分图像复原模型,变量分裂(VS)法和典型ALM算法,并通过实验从CPU运行时间、峰值信噪比(PSNR)和品质评价等方面分析了不同的变量分裂和ALM方法对图像复原性能的影响。     

基于三层材质模型的面部真实感交互式渲染

基于三层材质模型,设计了实时交互式渲染平台,利用基于物理的双向反射皮肤分布函数,模拟了光线在皮肤表面的反射.采用高斯模糊线性之和与纹理坐标扭曲纠正,有效地模拟了光线的次表面散射效果.结合表面反射和次表面散射,得到了最终的面部真实感实时渲染.该平台具有友好的交互式界面,在光线旋转时,可以查看反射和散射的效果,实现实时添加高动态范围背景、调节光照强度或者模糊程度等基本交互操作,更好地辅助用户对虚拟人进行控制和设计.