【摘 要】
：
针对立体视觉系统采用圆形特征点标定时存在的空间圆形投影边缘模糊和偏心现象问题，利用改进Zernike矩和偏心误差修正进行圆心的高精度定位，以此提高相机参数的标定精度。首先考虑了由于立体视觉成像系统的标定场景光照强度不均匀引起的圆形特征投影图像边缘模糊的问题，引入高斯误差函数对边缘过渡段的灰度分布进行描述，建立了高斯边缘模型，并基于该模型计算投影图像的Zernike矩，然后利用改进Zernike矩实
论文部分内容阅读
针对立体视觉系统采用圆形特征点标定时存在的空间圆形投影边缘模糊和偏心现象问题，利用改进Zernike矩和偏心误差修正进行圆心的高精度定位，以此提高相机参数的标定精度。首先考虑了由于立体视觉成像系统的标定场景光照强度不均匀引起的圆形特征投影图像边缘模糊的问题，引入高斯误差函数对边缘过渡段的灰度分布进行描述，建立了高斯边缘模型，并基于该模型计算投影图像的Zernike矩，然后利用改进Zernike矩实现高精度的圆形特征投影边缘像素坐标定位。此外，分析了影响圆形特征中心投影点和拟合圆心间偏差大小的因素，基
其他文献
现有唇语识别研究多专注于提高识别精度、研究多模态输入特征等方面，对提高唇部视觉特征的有效性关注不多。而唇部的视觉信息在视觉语音识别和唇语识别中起着关键作用，尤其在音频被破坏或无音频信息时，唇部视觉信息尤为重要。如何获取准确有效的唇部视觉特征是当前唇语识别的重难点工作之一。文章从唇语数据集、传统视觉特征提取方法、视觉特征提取的深度学习方法三个方面综述了唇语识别方向近年来的最新研究工作：首先，总结了唇
microRNAs (miRNAs)是一类内源性的非编码的小RNA分子，它们在植物的生长发育和胁迫响应过程中起重要调控作用。本研究对植物miRNAs参与生物和非生物胁迫(盐胁迫， 干旱胁迫， 温度胁迫， 营养胁迫和病原菌生物胁迫)响应过程的研究进展进行了综述，指出了miRNAs在植物研究过程中存在的问题并对未来发展情况进行了展望，为推动miRNAs在植物逆境胁迫中的研究和应用提供思路和参考。
随着深度伪造技术的发展，生成的图片视频质量越来越逼真，给社会带来了巨大的安全风险。针对现有的检测方法参数量大、网络较深，模型结构复杂等情况，本文首先对取证领域的经典检测模型XceptionNet进行优化，提出一种轻量化的取证模型Xcep＿Block8，在降低模型参数量的同时，仍保持了较高的检测精度。其次，针对类别不均衡问题，本文通过增加较少类别样本的采样概率，较好的解决了正负样本不均的情况。最后本
立体显示是未来显示技术发展的重要方向，而左右眼视图颜色不一致是立体显示中常见的现象，可导致人眼观看时视觉不舒适。在立体显示条件下，不一致颜色的双目融合研究是传统颜色视觉研究的扩展和补充，不仅对了解人眼视觉系统视信息处理过程及机理有一定的科学意义，而且对解决现有立体显示技术视觉不舒适难题也有应用价值。本文对人眼双目颜色融合的相关研究文献进行了整理，从双目颜色融合、颜色融合与立体融合的交互作用及双目颜
线束端子压接高度不当会导致线芯被剪断或线芯之间空隙较大，人工检测线芯数量判断端子压接后线芯是否断裂，存在劳动强度大、易产生视觉疲劳等问题，本文提出一种基于深度学习的线束端子显微图像线芯检测算法用于线芯计数。针对端子线芯显微成像呈密集且不规则排列的特性，使用K-means多维度聚类算法对线芯边界框聚类，生成与线芯边界框相匹配的锚框；为处理端子图像中不同属性锚框类别极不均匀的问题，利用梯度均衡机制重构
在现有纸质机械工艺卡中，表格元素存在纵向线段不连续、框线错位、跨页等不规则现象，导致传统的OCR（Optical Character Recognition，光学字符识别）算法无法准确定位识别表格元素，因此提出一种融合局部特征的非规则表格识别算法。首先，进行区域分块阈值求解，包括分块提取、局部横向线段检测、行距均值聚类求解、基于行距阈值的分块区域纵向线段检测；其次，进行表格区域预定位识别，包括源文
近年来，特征融合在视觉跟踪系统的准确性和鲁棒性方面发挥着重要作用。传统的特征融合方法通常通过直接求和或引入注意力机制进行融合。且在分类网络中，只使用一层特征进行分类，忽视了为鲁棒模型的不同级别的特征分配适当的权重的重要性。针对这一问题，本文提出了一种基于深度学习的注意力融合目标跟踪算法。首先提出了一种基于ResNet改进的网络结构，引入一个注意力机制，形成一个迭代的注意力模块，将其原来的直接相加的
准确预测土壤有机质（SOM）含量的空间分布对于改善土壤质量、提高区域土壤管理水平具有重要意义。为探索预测陕西渭北旱塬区农田SOM含量的最优模型，借助地理探测器选取与SOM含量密切相关的影响因子作为建模的协变量，选用普通克里格方法（OK）、地理加权回归模型（GWR）、偏最小二乘回归模型（PLS）、地理加权回归扩展模型（GWR_(PLS)）和随机森林模型（RF）这5种常用方法对训练集样本SOM含量的空
具有检测率高、虚警率低、实时性好等优点的红外小目标检测算法在红外遥感领域有重要的应用价值。由于复杂背景下小目标对比度低和信噪比低，传统红外小目标检测算法难以保证检测性能。在课题组提出的RISTDnet（Robust Infrared Small Target Detection Network）基础上，面向更为多样的目标结构特征和更高的实时处理性能要求，提出一种增强型红外小目标检测网络EISTDn
通过激光扫描仪获取的三维文物稠密点云模型,在数据存储、远程传输与处理等环节易导致资源过度消耗。针对此问题,本文提出一种基于贪婪方法的快速压缩与恢复框架。该框架将点云模型视为三维离散几何信号,首先,基于哈希散列的八叉树方法对稠密点云构建邻域约束关系;其次,计算点云邻接矩阵并构建离散拉普拉斯基对原信号稀疏表示;然后,通过随机高斯矩阵对原信号进行随机采样并完成信号压缩。在信号恢复中,通过抽样信号经过传感