视差估计下VR图像几何特征数字化提取

来源 :计算机仿真 | 被引量 : 0次 | 上传用户:pc84119
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
为了快速理解图像信息,提高可视化识别分类效果,提出视差估计下VR图像几何特征数字化提取.将图像几何特征分为面积、周长、质心与延伸方向等类型,利用视差估计法获取图像相邻块间相似尺度,设定阈值,选取最佳参考视点;根据参考视点,引入高斯卷积核确定空间内核,构建尺度空间,保留图像边缘信息;定义候选点,初步划分关键点区间,针对候选点空间函数值,通过阈值比较,过滤出对比度较低的点,建立关键点集合;利用离散Gabor小波变换方法,得出Gabor变换系统数均值和方差,组成几何特征向量;结合最大能量值实现所有特征空间的向量排序,完成几何特征数字化提取.仿真结果表明,上述方法可利用较少的特征点准确提取出几何特征,更有利于图像识别分类.
其他文献
学位
针对当前超分辨率图像噪声识别方法,未考虑获取多方向阈值分割图像,导致超分辨率图像噪声识别时间长、识别精度和识别覆盖率低的问题,提出基于多方向阈值的超分辨率图像噪声识别方法.依据一维函数灰度曲线获取局部阈值,利用灰度波动局部阈值分割法,分割局部阈值图像,分析图像中噪声曲面的曲率变化率、弹性变化率、边界法矢、曲面离散率、外载荷修正量等特征值,将分析出的特征性质整合成一组特征向量,通过分类器进行计算,实现超分辨率图像噪声识别.实验结果表明,所提方法的超分辨率图像噪声识别精度较高,能够有效缩短超分辨率图像噪声识别
学位
针对传统直方图均衡化(HE)算法在处理低质量图像时出现的细节信息丢失、部分灰阶合并的不足,提出一种彩色图像在HSV空间的加权HE图像增强算法.通过增加权重参数实现自适应调节图像像素信息的目的,算法构造了一种新的自适应映射函数.图像灰度级经过两次不同的映射有效地克服灰阶合并和细节丢失现象.对于输入图像进行颜色幅度拉伸和饱和度信息拉伸至最大化,完成对图像颜色信息的恢复.仿真结果证明,算法弥补了其它算法处理结果中出现的对比度低下和颜色信息丢失等不足,算法有效地改善了图像的质量.
学位
针对传统多视点视频图像列阵自编码方法编码效率低、响应时间长的问题,提出基于串匹配的多视点视频图像阵列自编码方法.首先根据串匹配算法,组建视点之间相互对应的对极线校正索引表.将其应用于视觉估计中来缩小两视点之间的视差搜索范围,然后将原有的视差搜索二维降到一维,利用拟合三维二次函数确定不同关键点的具体坐标位置以及尺度,同时删除无用的响应点,在得到匹配点后,通过描述子来准确描述特征点,匹配不同的描述子信息,获取符合标准的匹配点集,以达到多视点视频图像阵列自编码的目的.仿真结果表明,所提方法能够有效提升编码效率,