【摘 要】
：
本文提出一种基于散斑联合相位混合光场调制的三维重建方法。该方法基于双目立体视觉原理，在被测物体表面投射两帧散斑和三帧相移条纹图案。首先，使用采集的散斑图像进行立体匹配得到粗视差图，并通过调整条纹频率顺序解析出两组截断相位，然后通过两组相位辅助粗视差进行精确匹配，最终完成高精度的三维重建。与传统方法相比，该方法不需要相位展开，且解决了当匹配点出现在截断相位周期分界处附近时容易导致匹配错误的问题。实验
论文部分内容阅读
本文提出一种基于散斑联合相位混合光场调制的三维重建方法。该方法基于双目立体视觉原理，在被测物体表面投射两帧散斑和三帧相移条纹图案。首先，使用采集的散斑图像进行立体匹配得到粗视差图，并通过调整条纹频率顺序解析出两组截断相位，然后通过两组相位辅助粗视差进行精确匹配，最终完成高精度的三维重建。与传统方法相比，该方法不需要相位展开，且解决了当匹配点出现在截断相位周期分界处附近时容易导致匹配错误的问题。实验证明，我们提出方法具有高速度、高精度及高鲁棒性。
其他文献
An Ms6.4 earthquake occurred in Yangbi， Yunnan， China on May 21， 2021， which has obvious foreshock activity and abundant aftershocks. Based on the seismic observation data recorded by the Yunnan seism
深度神经网络飞速发展过程中暴露出的安全问题已经逐渐引起了人们的关注和重视。然而，自对抗样本的概念提出以来，针对深度神经网络的对抗攻击算法大量涌现，而深度神经网络自身的复杂性和不可解释性更增大了防御攻击的难度。本文提出基于噪声溶解的对抗样本防御方法，利用深度模型的鲁棒性及对抗噪声的脆弱性，通过噪声溶解过程破坏对抗攻击的隐蔽性，随后经过区域自适应滤波过程有针对性地滤除对抗噪声，得到去噪图像。实验结果表
针对传统模型在动态背景和前景对象移动缓慢的条件下前景检测精度下降的问题，提出了一种基于l_(1/2)范数和显著性约束的模型.该模型利用l_(1/2)范数来约束运动前景，以提高运动前景在动态背景的检测精度；再引入视频每一帧的显著性约束，通过对每一帧图像进行低秩稀疏分解来检测移动缓慢的目标.实验表明，在动态背景干扰下，与近期六种主流算法相比，本文算法在综合指标上取得最优.与次优模型相比，平均查全率提高
由单幅图像重建三维结构并感知三维对象的语义理解极具挑战性。针对单幅图像难以直接生成三维重建点云问题，提出一种融合Point Net与3D-LMNet的联合优化网络模型进行三维重建并完成语义分割。首先基于3D-LMNet网络进行训练生成三维点云，并完成局部分割，同时，对网络损失函数进行联合优化来预测分割点云。然后，通过分割点云的语义信息改善重建效果，生成带有语义分割信息的三维点云重建模型。最后，针对
为解决太赫兹(Terahertz， THz)图像内泊松高斯混合噪声导致芳纶纤维蜂窝材料脱粘缺陷轮廓检测精度低的问题，基于Anscombe变换与小波阈值法构建了THz图像降噪模型。高斯噪声方差为降噪模型的必要参数，但实际THz图像噪声分布未知，且噪声与纹理在高频混叠，给方差准确估计提出了挑战。为此，首先以样件纹理几何形状为先验信息，构造了Benzene-ring算子去除THz图像纹理，使其小波域高频
镜质体反射率自动测试及煤岩显微组分智能识别需结合图像分析和深度学习算法，而图像分析一般在较大视域下采集图像，以获得全面的图像信息。本文利用蓝宝石、钇铝石榴石和钆镓石榴石3个光学各向同性的标准物质，研究煤岩显微镜光照对大视域下采集显微图像特征的影响，分别假设显微镜光源为点光源和面光源对其进行理论分析，采用基于低通滤波和顶帽变换的数字图像处理技术对非均匀光照产生的影响进行校正，并以实际样品测试结果进行
人体姿态估计通常使用高分表率表示的方法来实现对关键点的检测，但网络参数较大，运算较为复杂。首先，使用稠密连接网络（DenseNet）并进行轻量化改进，提出密集连接层，使得各层之间连接更加紧密，从而降低网络的运算参数，优化网络的运算速度；其次，在降低参数且精度保持不变的情况下，多尺度融合阶段提出上采样和反卷积模块结合的融合方式，使得输出的特征信息更加丰富，检测结果更加准确。最后，利用COCO 201
2021年05月22日02时04分在青海省果洛藏族州玛多县境内发生M_(S)7.4级地震，此次玛多M_(S)7.4级地震是2008年汶川M_(S)8.0级大地震之后中国震级最大的一次地震，及时查明其同震地表破裂展布及特征，对于正确认识发震构造和区域防震减灾具有重要意义。根据震后现场调查，结合高分辨率卫星遥感图像的解译分析、余震数据和典型地震地表破裂的无人机低空摄影测量等结果，初步获得了此次地震6处
目前工业线缆收卷采用收排线机和人工两种方式进行，收排线机工作效率高但缺少对线缆收卷缺陷的判断与修正，因此收卷质量远低于人工方式。因此提出一种仿人识别和收卷控制的方法，对人工收卷中的观察识别和手动校正等环节进行模仿。基于模糊控制理论提出收卷控制系统，模仿人工收卷的“决策”过程，利用基于深度学习的视觉系统实现人工“观测”环节，排线横移速度的微调实现人工“校正”环节。经实验检验，多种神经网络对缺陷的识别
目的：齿痕舌分类识别是目前中医舌诊客观化的重要研究内容之一。目前齿痕舌的的识别方法上存在效率低、准确率不高的问题。方法：提出了一种基于深度学习和随机森林的齿痕舌分类方法。首先分别准备齿痕舌样本，并利用深度学习分割模型进行舌体分割；在相关中医专家的指导下对每张舌图像的齿痕进行标注；基于YoloV5深度学习算法训练齿痕检测模型；根据检测出的齿痕区域，提取相关特征构建齿痕舌特征向量；建立随机森林（Ran