【摘 要】
：
立体匹配算法是实现三维立体合成的一项重要技术,本论文提出了一种改进的基于图像分割的立体匹配算法。首先,采用区域算法获取初始视差图,在此过程中利用交叉检测剔除不可信点;同时,应用Mean-Shift算法实现图像分割;最后,结合初始视差图及图像分割的结果,利用均值滤波器,对每个分割块分配相同的视差值,得到最终的视差图。实验结果显示此算法具有很好的精确度和速度。
论文部分内容阅读
立体匹配算法是实现三维立体合成的一项重要技术,本论文提出了一种改进的基于图像分割的立体匹配算法。首先,采用区域算法获取初始视差图,在此过程中利用交叉检测剔除不可信点;同时,应用Mean-Shift算法实现图像分割;最后,结合初始视差图及图像分割的结果,利用均值滤波器,对每个分割块分配相同的视差值,得到最终的视差图。实验结果显示此算法具有很好的精确度和速度。
其他文献
针对运动模糊图像的深度图估计以及减少网络训练成本,提出了基于左右视图一致性约束的多尺度去糊递归网络LRSDR-Net。首先,利用多尺度去糊子网络对图像进行去糊重建。在此基础上,利用自编码网络生成视差图像。最后,利用基于平行光轴的双目对极几何模型对视差图进行深度估计生成深度图像。通过与同类方法的主观定性与客观定量对比,实验结果表明,所提方法在视差估计的相对绝对误差、相对平方误差、均方误差与log均方
目前视频在教育、健康、工业等领域有着广泛的应用。这一领域的重要研究表明,视频和图像的处理仍然是一个挑战,进一步的深入研究是相当复杂的。在过去的几十年里,在这一领域的研究中,人们提出了不同的方法和应用。最常用的一种方法是通过关键帧提取技术来对视频数据进行压缩。提出了一种简单、快速、高效、复杂度低的方法,该方法利用直方图差异来实现视频关键帧。算法在读取视频、确定该视频的帧数以及通过计算两个连续帧绝对差
真实世界的布料具有不同的微观丝线结构,导致不同布料具有各种各样外观。布料真实感绘制在影视制作、电子商务等领域具有重要应用价值。为获取布料微观丝线几何信息,传统方法需要微米CT扫描仪等昂贵复杂设备,并且采集过程费时费力,难以普及。为降低布料丝线获取复杂度,本文提出一种基于单幅微距图像的丝线获取与建模方法,仅需装有微距镜头的普通消费级相机拍摄的微距图像。该方法首先通过单幅微距图像的明暗信息获得丝线的大
在竞争激烈的市场中,互联包装成为了食品饮料制造商与消费者进行联系的一种独特方式。消费产品中越来越多地运用二维码等解决方案,将物理包装转变为互动工具。这样消费者便能获取自己想要的信息,同时企业也能建立起自己的信任度和知名度。互联包装正变得越来越流行,消费者对此到底是怎么看待的?他们是怎样与数字化包装互动的?为什么?包装二维码这种解决方案是怎样帮助品牌方与目标受众建立更密切关系的?
基于2D图像的多人姿态估计是理解人类行为的一项基础技术,同时也极具挑战性。近年来,由于卷积神经网络的快速发展,多人姿态估计的准确率得到了显著提升。但与此同时,算法和模型的复杂度也不断提高,这使得算法的研究和应用变得更加困难。本文通过研究人体检测的准确性、人体姿态估计的优化对多人姿态估计准确率的影响,提出了一种简单有效的自上而下的多人姿态估计算法,它由3个模块组成,人体检测、人体姿态估计以及人体姿态
运动推断结构(SFM)被广泛的应用在三维重建领域,该系统可以用无序的图片进行三维重建。但是在现实生活中,很多物体都是重复性的结构,又因缺乏先验信息,如果仅依靠特征匹配,极易导致错误的图像匹配,最终重建出错误的三维结构。虽然某些物体的结构较为对称,各表面也十分相似,但是仍然包含有大量的背景信息可以利用,并且重建结果的错误往往只是个别图像误匹配所导致的。对此提出一种结合视觉词袋模型和背景信息的三维重建
针对基于广义霍夫变换类的扩展目标跟踪算法在跟踪时要求提取出准确的边缘轮廓,及冗余的边缘点导致算法的速度下降等问题,提出一种结合Harris角点与广义霍夫变换的扩展目标跟踪算法。首先,在当前帧提取目标的Harris角点并计算每个角点的梯度角;然后,建立当前帧跟踪点与Harris角点的R-table表,R-table表建立了跟踪点与角点的空间位置关系;最后,在下一帧来临时,通过提取的Harris角点与
为了解决相机在成像时的曝光失真问题,设计并实现了一套结合自动调光的曝光融合系统,完成单幅图像的调光和图像序列的曝光融合功能。该系统基于Visual Studio开发,以拍摄图像为输入数据,依据多曝光融合算法,在PC端接收待处理的拍摄图像进行曝光融合,并通过调光算法计算得出反馈量,反馈曝光参数。同时此系统也具备图像文件的信息管理系统功能,用户可以将图片文件进行可视化操作,如调整缩放、尺寸裁剪、自定义
预定义边界框是目标检测算法的核心技术之一,当前目标检测器的预定义边界框生成策略获得的边界框存在着数量冗余和正负样本不平衡问题。LA-SSD目标检测模型是在经典检测器SSD的基础上引入位置预测子网络,该子网络可以预测图像中当前位置处目标对象存在的概率,并使用位置预测的结果作为模型训练时的权重送到预测特征层,辅助对象检测的类别和边界框回归预测。实验表明LA-SSD模型大幅降低了模型训练时参与训练的预定
从数字图像中定位圆形目标是机器视觉领域中的一项重要任务。对常用圆形目标定位方法而言,从降质灰度图像中定位圆形目标面临着准确性较差的问题,针对该问题,提出一种采用轮廓差分概念的圆形目标定位方法。与其他方法相比,该方法不需要对图像进行降噪、反模糊和边缘提取等操作,而是直接从图像平面中计算轮廓差分,通过搜寻轮廓差分的极大值而实现圆形目标的定位。在降质图像上的实验表明,该方法比圆霍夫变换和EDCircle