基于图割的图像匹配算法

用标号表示视差,建立能量函数,把匹配问题转化为能量函数最小化问题;通过构造网络,使能量与网络的割的容量相联系;利用图的网络流理论给出能量函数的最小化,从而获得图像匹配的视差数据.与目前已有基于图割的匹配算法相比,本算法将标号从1维向量推广到2维向量,适用于更一般情形下的视觉匹配,并且在全局上获得能量函数最小.实验结果表明,所提的匹配算法准确率较高.     

军用机载红外遥感系统的空间分辨率

本文系统地评述了红外遥感系统的空间分辨率定义与有关问题,并着重根据军用侦察系统对空间分辨率的要求,定量地分析了空间分辨率的各种限制性因素,从而为系统平衡设计与合理的应用要求提供依据。本文还分析了空间分辨率测量中的有关问题,提出相应的研究内容。     

一种结合几何相容性分析的谱匹配算法

为了可靠地实现点模式匹配,提出了一种基于谱图理论与几何相容性分析的点模式匹配算法。利用拉普拉斯矩阵的特征向量获得待匹配点集间谱匹配代价的表示;结合以邻近关系表示的几何相容性,定义了一种混合形式的匹配目标函数;给出了基于松弛迭代的求解算法。仿真数据和真实图像上的比较实验表明所给出的方法具有较好的精度与时间性能。     

基于近似距离序的重复模式图像匹配算法

由于重复模式图像局部信息的歧义性,即使在视角变化很小的情况下,仅通过比较局部描述子之间的相似性得到的匹配结果往往并不可靠。为了解决这个问题,该文根据特征点空间的分布特性,给出了一种新颖的几何相容性表示方法近似距离序;结合利用局部描述子获得的匹配代价,定义了一种混合形式的目标函数,将匹配问题转化为一对一约束下的优化问题;最后,通过概率松弛法求解目标函数的极大值,获得特征点之间的对应关系。在不同类型图像上的比较实验表明,所提出的方法能够有效地解决重复模式图像匹配问题。     

癌症基因分类的Laplace谱方法

 本文尝试着将图的Laplace谱理论应用于癌症基因表达谱数据的分类上.计算出训练集中每个类的均值作为类中心,选出与类中心欧式距离最小的若干样本用laplace矩阵构造完全图,记为代表该类的标准图.用待测样本依次替换标准图中所有的点,将生成的新图与标准图进行特征点匹配,并计算匹配点数总和.将待测样本划分为总匹配点数最多的那个类.通过对白血病两个亚型(ALL与AML)与结肠癌数据进行留一法实验,验证了本文方法的有效性.     

基于CCS的图像边缘检测和提取设计

Matlab对数字图像的处理在工程化方面存在一定的不足。针对这一不足,利用硬件仿真平台CCS,采用数字图像灰度梯度最大值法、Sobel算子边缘检测算法对数字图像进行检测,实现了数字图像的边缘提取。实验表明,Sobel算子边缘检测算法对数字图像进行边缘检测和提取的效果比较理想,且为图像处理提供了一种硬件实现方法。     

基于非抽样Contourlet变换的彩色图像数字水印算法

研究了小波变换和Contourlet变换的不足,利用非抽样Contourlet变换的多尺度性、多方向性以及平移不变性特征进行彩色图像数字水印.先对图像进行非抽样Contourlet变换得到不同尺度不同方向上的系数.然后为了满足水印的不町见性和稳健性,在低频系数和高频系数中采用不同的嵌入强度.并依据人类视觉的彩色感知特性,在蓝色分量中嵌入较多水印,在其他颜色分量选取变换系数能量最大的区域嵌入水印.与同样嵌入规则的Contourlet变换算法和平稳小波变换算法相比.该算法具有更好的稳健性,利用该算法得到的水印相似度更高,最高町提高约0.5.     

机载红外侦察系统研制进展及有关问题

本文全面评述了红外侦察系统的发展趋势,分析了面临的课题。将红外行扫描仪与红外前视进行了比较,说明两者的发展是并行不悖的。着重说明发展先进的红外探测器特别是红外CCD推扫系统的重要性,并指出和激光技术相结合的主动红外成象系统是重要的发展方向之一。从高数据率的遥感图像对实时处理的迫切要求出发,说明必需改变传统的信号处理方式,大力采用先进的信号处理技术。     

一种基于修正的最小生成树及其邻接谱的特征匹配算法

提出一种基于修正的最小生成树及其邻接谱的特征匹配算法.该算法利用两幅图像的特征点分别构造最小生成树,并对最小生成树进行修正,然后对修正的最小生成树的赋权邻接矩阵进行SVD分解,获得点的特征表示,进而利用特征值及特征向量来构造匹配矩阵,实现特征匹配.该算法的优点在于采用图的最小生成树（而不是整个图）,可以减少多余信息的干扰,提高匹配精度,实验结果表明,该算法具有较高的匹配精度.     

基于视图感知的单视图三维重建算法

尽管由于丢弃维度将3维(3D)形状投影到2维(2D)视图看似是不可逆的,但是从可视化到计算机辅助几何设计,各个垂直行业对3维重建技术的兴趣正迅速增长。传统基于物体深度图或者RGB图的3维重建算法虽然可以在一些方面达到令人满意的效果,但是它们仍然面临若干问题：(1)粗鲁的学习2D视图与3D形状之间的映射;(2)无法解决物体不同视角下外观差异所带来的的影响;(3)要求物体多个观察视角下的图像。该文提出一个端到端的视图感知3维(VA3D)重建网络解决了上述问题。具体而言,VA3D包含多邻近视图合成子网络和3D重建子网络。多邻近视图合成子网络基于物体源视图生成多个邻近视角图像,且引入自适应融合模块解决了视角转换过程中出现的模糊或扭曲等问题。3D重建子网络使用循环神经网络从合成的多视图序列中恢复物体3D形状。通过在ShapeNet数据集上大量定性和定量的实验表明,VA3D有效提升了基于单视图的3维重建结果。