非线性约束下的准单应变换图像拼接算法

来源 :计算机应用 | 被引量 : 0次 | 上传用户:lai34965
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对准单应变换图像拼接算法造成图像非重叠区域存在纵向投影失真的问题,提出了一种基于非线性约束的图像拼接算法。首先,该算法利用非线性约束来平滑过渡分界线左右的图像区域;然后,利用抛物线方程替换准单应变换的直线方程;最后,利用网格化的方法提高图像纹理映射的速度,并利用基于最佳缝合线的方法融合图像。对于尺寸为1 200像素×1 600像素的图像,所提算法的纹理映射耗时波动范围为4~7 s,并且其斜线结构的平均偏离程度在11~31。与准单应变换图像拼接算法相比较,所提算法的纹理映射的耗时降低了55%~67%
其他文献
针对蝙蝠算法存在易陷入局部最优、后期收敛速度慢及收敛精度低等问题,提出一种改进的并行蝙蝠算法(IPBA)。设计一种基于免疫浓度的混沌初始化,选择出适应度高、浓度低的个体组成更高质量的初始群体;引入并行策略,将种群分为探索与开发两个子群体,采用不同的惯性权重和停滞变异策略分别进化,可有效防止早熟,并加快算法收敛速度。此外,子群体间定期进行个体迁移和信息交换,充分发挥并行优势,提高算法的整体性能。通过
雾计算是部署在网络边缘的分布式系统,任务调度是雾计算中最重要的研究问题之一。针对雾计算环境下任务请求的合理调度问题,提出基于雾计算的遗传蚁群算法。算法前期利用遗传算法快速搜索能力避免蚁群算法前期搜索能力不足的问题,后期利用蚁群算法正反馈的特性进行解空间的搜索。仿真实验结果表明,该算法在CPU执行时间和分配内存方面优于传统的遗传算法和蚁群算法。
针对传统环境下运行的推荐算法预测精度不高的问题,提出一种基于矩阵分解和随机森林算法的推荐模型。提出的基于数据分割策略和新的学习过程的分布式推荐模型是在Apache Spark上设计的。通过数据分区、模型训练和偏好预测三个步骤处理大规模数据,提高预测质量,解决数据稀疏问题。为了提高模型在大数据环境下的性能,采用基于矩阵分解(Matrix Factorization, MF)和随机森林(Random
从机器学习的角度理解,车辆路径规划问题(VRP)可转化为单代理有限状态空间的强化学习问题进行研究。针对小规模VRP问题,提出时间差分模型,使用Sarsa和Q-learning算法进行优化。针对大规模VRP问题,构建环境模型,通过蒙特卡洛法优化代理策略和值函数。在公开数据集上的实验结果表明,强化学习能有效求解小规模VRP问题,并在大规模VRP问题上超过一般的启发式算法。
针对大多数跨模态哈希方法采用二进制矩阵表示相关程度,因此无法捕获多标签数据之间更深层的语义信息,以及它们忽略了保持语义结构和数据特征的判别性等问题,提出了一种基于多级语义的判别式跨模态哈希检索算法——ML-SDH。所提算法使用多级语义相似度矩阵发现跨模态数据中的深层关联信息,同时利用平等指导跨模态哈希表示在语义结构和判别分类中的关联关系,不仅实现了对蕴含高级语义信息的多标签数据进行编码的目的,而且
建筑信息模型(BIM)图纸多人协同创作在大型建筑项目中很重要,而现有的基于Revit等建模软件或云服务的BIM图纸多人协同创作方法存在BIM图纸版本混乱、不易溯源以及数据安全风险等问题。针对这些问题,设计了一种基于区块链的BIM图纸多人协同创作系统。该系统采用链上链下协同的存储方式,使用区块链和数据库分别存储BIM图纸创作过程中每次创作后的BIM图纸信息以及完整BIM图纸,利用区块链去中心化、可追
在空间数据不确定性重建领域,多点统计法(MPS)得到了广泛的应用,但由于计算成本较高,其适用性受到了影响。通过使用金字塔结构的全卷积生成对抗网络(GAN)模型学习不同分辨率的训练图像,提出了一种基于多分辨率GAN模型的空间数据重建方法。该方法从高分辨率训练图像中捕获细节特征,从低分辨率训练图像中捕获大范围特征,因此该方法重建的图像包含训练图像的全局和局部结构信息,同时保持一定的随机性。把所提算法与
CRAFT算法是一种新型SPN结构的类AES型轻量级可调分组密码算法,可以有效地抵抗差分故障攻击。为了对CRAFT算法抵抗积分攻击的能力进行评估,采用基于混合整数线性规划(MILP)的方法自动化搜索比特可分性的工具,对CRAFT算法的积分区分器进行搜索,搜索到了最长为12轮的积分区分器,同时得到一条平衡比特数最多的9轮积分区分器。这是目前为止对该算法获得的最长区分器,同时利用这些积分区分器可以对算
在大规模城市环境下,因为光照变化、摄像机拍摄角度变化、存在大量移动物体、地表外观变化,使得视觉位置识别变得尤为困难。针对该问题提出一种基于SENet改进的ResNet的视觉位置识别方法PlaceNet。在自建百万级街景数据集上进行训练,在自建数据集和SL数据集上进行测试。结果表明PlaceNet精确度和查询效率比NetVLAD更高。
针对传统模糊C均值(FCM)聚类算法在处理噪声图像时易受到噪声影响的问题,提出了基于FCM的小波域特征增强的噪声图像分割方法。首先,将噪声图像进行二维小波分解;其次,对近似系数进行边缘增强,同时利用人工蜂群(ABC)优化算法对细节系数进行阈值处理,并将处理后的系数进行小波重构;最后,对重构后的图片使用FCM算法来进行图像分割。选取5幅典型的灰度图像,分别添加高斯噪声和椒盐噪声,使用多种方法进行分割