检索结果-内蒙古大学图书馆

中国图象图形学报 2018年第4期23卷 490-499页

作者：富振奇邵枫蒋刚毅郁梅宁波大学信息科学与工程学院宁波315211

目的显示设备的多样化使得图像重定向的作用日益凸显。不同的重定向方法产生不同视觉感受的重定向图像,而如何评价重定向图像的质量,优化重定向算法是当前研究的热点与难点,为此,提出一种结合双向相似性变换的重定向图像质量评价方法。... 详细信息

目的显示设备的多样化使得图像重定向的作用日益凸显。不同的重定向方法产生不同视觉感受的重定向图像,而如何评价重定向图像的质量,优化重定向算法是当前研究的热点与难点,为此,提出一种结合双向相似性变换的重定向图像质量评价方法。方法首先对原始图像和重定向图像进行像素点双向匹配,利用网格顶点坐标对计算前向变换矩阵和后向变换矩阵。然后由相似性变换矩阵与标准变换矩阵间的距离得到重定向图像的几何失真。由网格面积缺失得到重定向图像的信息损失。最后结合网格的显著性,融合前向匹配与后向匹配的几何失真和信息损失得到重定向图像的质量。结果该方法在Retarget Me和CUHK数据库上的KRCC(Kendall rank correlation coefficient)和SROCC(Spearman rank-order correlation coefficient)性能分别达到了0.46和0.71,较现有方法有较大提升。在前向匹配与后向匹配测试中,双向匹配的测试结果优于单向匹配。结论本文方法将图像的重定向处理看做相似性变换过程。实验结果表明,从相似性变换矩阵中提取的相关特征能够较精确度量重定向图像的几何失真,而由此引发的网格面积缺失也能准确反映出重定向图像的信息损失。另外,采用双向匹配机制一定程度上减少了像素匹配误差对实验结果的影响,有效提升了重定向图像质量预测的准确性。该方法对重定向图像的质量评价效果好,适用于重定向图像的质量预测及算法优化。

关键词：重定向图像质量评价相似性变换双向匹配几何失真信息损失

来源：评论

学校读者我要写书评

暂无评论

基于Mean Shift的相似性变换和仿射变换目标跟踪算法

引用

中国图象图形学报 2011年第2期16卷 258-266页

作者：李培华肖莉娟黑龙江大学计算机科学技术学院哈尔滨150080

传统的Mean Shift(MS)算法只能对发生平移和尺度变化的目标进行跟踪,而对于具有相似性变换或者更复杂的仿射变换的目标跟踪效果很不理想或无法跟踪。为了解决这一问题,提出了两种基于MS的改进算法。第一种算法针对仿射变换,根据奇异值... 详细信息

传统的Mean Shift(MS)算法只能对发生平移和尺度变化的目标进行跟踪,而对于具有相似性变换或者更复杂的仿射变换的目标跟踪效果很不理想或无法跟踪。为了解决这一问题,提出了两种基于MS的改进算法。第一种算法针对仿射变换,根据奇异值分解理论,仿射变换矩阵可以分解成两个旋转矩阵和一个对角矩阵的乘积,在此基础上建模了一种新的候选目标模型。通过Bhattacharyya系数将目标跟踪问题转化成以仿射变换参数为变量的最优化问题,推导相关参量的一阶偏导数并令其为零从而得出相对于仿射变换的MS算法。另外,针对进行相似性变换的目标也提出了一种新的候选目标模型,并用类似的梯度下降算法估计目标的平移向量和旋转角度。实验结果表明,提出的算法能够跟踪具有相似性变换或仿射变换的目标,比传统的MS算法具有更好的跟踪性能。

关键词：目标跟踪 Mean Shift算法仿射变换相似性变换

来源：评论

学校读者我要写书评

暂无评论

基于稀疏编码的动态纹理识别

引用

中国图象图形学报 2014年第8期19卷 1185-1193页

作者：刘洋李一波姬晓飞王杨扬南京航空航天大学南京210016 沈阳航空航天大学沈阳110136

目的线性动态系统有效地捕捉了动态纹理在时间和空间的转移信息。然而,线性动态系统属于非欧氏空间模型,无法直接应用传统的稀疏编码进行分类识别,为此提出一种基于稀疏编码线性动态系统的求解方法并应用于动态纹理识别。方法基于约束... 详细信息

目的线性动态系统有效地捕捉了动态纹理在时间和空间的转移信息。然而,线性动态系统属于非欧氏空间模型,无法直接应用传统的稀疏编码进行分类识别,为此提出一种基于稀疏编码线性动态系统的求解方法并应用于动态纹理识别。方法基于约束凸优化公式,将稀疏编码和控制论中相似性变换结合,优化学习模型参数,解决应用稀疏编码进行分类识别的问题,实现有效的动态纹理识别。结果在公开的动态纹理图像数据库UCLA上进行实验并与其他方法进行比较,实验结果表明,本文方法具有更好的性能,识别率可达97%,且对遮挡具有更好的鲁棒性。结论本文方法对动态纹理及遮挡情况具有更好的识别率。

关键词：稀疏编码遮挡动态纹理识别相似性变换

来源：评论

学校读者我要写书评

暂无评论

基于线性动态系统稀疏编码的异常事件检测

引用

计算机科学 2014年第10期41卷 300-305页

作者：刘洋李一波南京航空航天大学自动化学院南京210016 沈阳航空航天大学自动化学院沈阳110136

线性动态系统模型结合稀疏编码实现异常事件检测。线性动态系统可有效地捕捉动态纹理在时间和空间的转移信息,描述视频的时空小块。然而,线性动态系统属于非欧氏空间,无法直接用传统的稀疏编码进行异常检测。基于约束凸优化公式,将相似... 详细信息

线性动态系统模型结合稀疏编码实现异常事件检测。线性动态系统可有效地捕捉动态纹理在时间和空间的转移信息,描述视频的时空小块。然而,线性动态系统属于非欧氏空间,无法直接用传统的稀疏编码进行异常检测。基于约束凸优化公式,将相似性变换与稀疏编码结合,可实现线性动态系统稀疏编码的优化求解。实验表明,所提出的方法具有更好的性能。

关键词：稀疏编码异常事件检测线性动态系统相似性变换

来源：评论

学校读者我要写书评

暂无评论

一种基于浮点数编码遗传算法的颅像叠加方法

引用

计算机应用研究 2016年第6期33卷 1890-1893页

作者：刘薇李康耿国华唐文哲西北大学信息科学与技术学院西安710127

针对计算机辅助颅像重合技术中三维颅骨模型与二维人脸照片的颅像叠加问题,提出一种基于浮点数编码遗传算法的自动叠加方法。首先使用遗传算法寻找三维颅骨相对于二维照片上对应标志点的最佳匹配几何变换f,遗传算法采用浮点数编码,选择... 详细信息

针对计算机辅助颅像重合技术中三维颅骨模型与二维人脸照片的颅像叠加问题,提出一种基于浮点数编码遗传算法的自动叠加方法。首先使用遗传算法寻找三维颅骨相对于二维照片上对应标志点的最佳匹配几何变换f,遗传算法采用浮点数编码,选择、交叉、变异算子分别使用最佳保留选择算子、启发式交叉算子和随机变异算子,然后通过相似性变换和透视投影变换,将三维颅骨模型映射到二维人脸照片上,实现最佳颅像叠加。实验表明,此方法实现了自动化的颅像叠加,且耗时短,准确度高。

关键词：颅像叠加遗传算法浮点数编码相似性变换透视投影变换

来源：评论

学校读者我要写书评

暂无评论

基于EMD的目标跟踪算法与实现

基于EMD的目标跟踪算法与实现

引用

作者：赵楠楠黑龙江大学

学位级别：硕士

目标跟踪技术是计算机视觉领域中的热门课题之一，目前该技术已广泛应用于民用、军用和工程等各个领域，本文主要研究基于EMD(Earth Mover\'s Distance)的目标跟踪算法研究与实现。\n 论文首先提出基于EMD的相似性变换和仿射变... 详细信息

目标跟踪技术是计算机视觉领域中的热门课题之一，目前该技术已广泛应用于民用、军用和工程等各个领域，本文主要研究基于EMD(Earth Mover\'s Distance)的目标跟踪算法研究与实现。\n 论文首先提出基于EMD的相似性变换和仿射变换跟踪方法，该算法是对DEMD（Differential EMD）跟踪算法进行的改进算法。原始的DEMD跟踪算法将目标建模成直立的椭圆，仅粗略定位目标所在的位置不能准确跟踪具有相似性变换或仿射变换的目标。本文提出的算法首先根据相似性或仿射变换矩阵建模目标，然后通过优化代价函数估计候选目标模型的相似性变换和仿射变换参数，从而实现跟踪具有相似性变换和仿射变换目标的目的。该算法主要适用于跟踪发生简单几何形变（如平移、旋转、尺度和错切等）的目标。\n 若目标具有复杂形状或目标形状发生复杂形变时，简单的几何图形已不能准确表达目标，为了进一步跟踪具有复杂形变或复杂形状的目标，论文提出基于EMD的偏微分方程跟踪方法。算法首先建模目标的区域泛函，最优化区域泛函得到相应的偏微分方程，然后求解偏微分方程得到最终的目标轮廓。论文提出的算法与传统的基于Bhattacharry距离的偏微分跟踪算法相比，具有对光照变化不敏感，允许部分匹配等特点。论文同时比较了在相同跟踪框架下，采用两种不同特征进行跟踪的结果（SIFT特征和颜色特征）。\n 一个完善的视频跟踪系统必须能实时准确地跟踪目标才具有现实意义，基于EMD的偏微分跟踪算法虽跟踪效果很好，但计算EMD模型和偏微分方程均非常耗时，为了满足跟踪算法的实时性，本文提出了基于GPU的并行EMD偏微分方程跟踪算法。算法对比较耗时两个部分（计算EMD和求解偏微分方程）使用GPU进行加速，实验结果表明跟踪时间大幅降低。

关键词：目标跟踪算法 EMD技术偏微分方程目标轮廓相似性变换仿射变换

来源：评论

学校读者我要写书评

暂无评论

基于颜色不变量和SURF的彩色图像拼接

引用

计算机工程与应用 2013年第12期49卷 113-115,128页

作者：高盛丰王正勇臧媛媛何小海四川大学电子信息学院成都610064

提出了一种基于颜色不变量和SURF算法相结合的彩色图像拼接方法。该方法利用图像彩色信息计算得到的颜色不变量信息代替灰度信息作为输入,提取图像SURF特征点并进行特征点匹配,根据相似性变换原理对误匹配点进行过滤,提高变换矩阵计算... 详细信息

提出了一种基于颜色不变量和SURF算法相结合的彩色图像拼接方法。该方法利用图像彩色信息计算得到的颜色不变量信息代替灰度信息作为输入,提取图像SURF特征点并进行特征点匹配,根据相似性变换原理对误匹配点进行过滤,提高变换矩阵计算的准确率,采用亮度渐变原则对重叠区域进行像素平滑过渡,实现图像无缝拼接。实验结果表明,该方法在保持算法的快速性和准确性的同时,获得的配准点多而且准确,采用亮度渐变原则拼接增强了对光照变化的鲁棒性,且有效地消除了拼接痕迹,在图像拼接和地质分析领域有一定的实用价值。

关键词：快速鲁棒特征(SURF) 颜色不变量相似性变换图像拼接

来源：评论

学校读者我要写书评

暂无评论

面向大范围环境的半稠密SLAM方法

面向大范围环境的半稠密SLAM方法

引用

作者：汪丹南京理工大学

学位级别：硕士

基于视觉的同时定位与建图（VSLAM，VisualSimultaneouslocalizationandmapping）是应用在移动机器人领域中的关键技术。其中基于直接法的单目视觉SLAM因为使用的传感器结构简单，价格低廉，可灵活地在各类场景中自由切换以及可实时重... 详细信息

基于视觉的同时定位与建图（VSLAM，VisualSimultaneouslocalizationandmapping）是应用在移动机器人领域中的关键技术。其中基于直接法的单目视觉SLAM因为使用的传感器结构简单，价格低廉，可灵活地在各类场景中自由切换以及可实时重建半稠密的环境地图等诸多优点，成为了视觉SLAM中的研究热点。但是由于单目传感器具有尺度不确定性，直接法对光照变化特别敏感，可能会造成机器人的定位和建图失败。为了提升大规模环境中SLAM的精度和鲁棒性，本文开展了如下的工作：　　(1)针对机器人在大范围的环境中移动时容易造成轨迹的累积漂移和相机位姿跟丢的问题，提出了一种鲁棒的基于场景识别的闭环检测方法。首先利用目标检测网络识别场景图像帧中显著的动态对象，并对该区域进行图像模糊处理从而滤除动态因子的影响。然后将处理后的图像作为卷积神经网络的输入，通过最后一层卷积层直接生成场景帧的陆标序列，再利用无监督深度神经网络提取陆标的卷积特征，得到基于陆标-卷积特征的图像描述。从而可以根据当前的场景帧与场景数据库是否存在相似场景来修正轨迹的累积误差以及当位姿跟踪丢失时进行重定位。最后在两个公开数据集GardensPoint和CampusLoop上分别从环境的视点变化、光照变化和综合变化的情况下对该算法进行了评估与分析。实验结果表明基于无监督深度学习的闭环检测方法在识别闭环时具有优越的性能。　　(2)考虑到SLAM算法对实时性的要求，本文借鉴了词袋模型能提升图像检索速度的思想，设计了一种能用于加快陆标-卷积特征匹配的词袋模型方法，通过将陆标的卷积特征进行聚类生成卷积特征的单词，得到基于陆标-卷积特征的词典，从而加速卷积特征的匹配。并采用投票机制加快查询帧和图像数据库之间的查询速度。同样也在GardensPoint和CampusLoop这两个公开数据集上对利用词袋模型和线性搜索方法的闭环检测的准确率和性能进行了比较。此外还利用了一个大规模的场景数据集KITTI验证了词袋模型框架能显著加快基于陆标-卷积特征表示的图像的检索过程。　　(3)分析和讨论了基于直接法的单目视觉SLAM算法的整体框架，并在前人的研究基础上对该算法进行了改进。为了提升直接法对环境中光照变化的鲁棒性，采用光度标定模型预先对相机采集到的每一帧图像进行处理。考虑到单目传感器会造成严重的尺度漂移现象，利用基于相似性变换的直接跟踪法，将环境中的尺度因子显式地表示出来以便进行优化。提出了一种更为合理的关键帧选取策略，同时考虑关键帧之间的距离和信息相似度。为了修正在大范围的环境中运行时的累积漂移，将基于无监督深度学习的闭环检测模块应用在基于直接法的单目视觉SLAM中，一旦系统中检测到闭环就将结果反馈给后端进行全局优化。实验表明了该闭环检测方法对提升整个系统的精度和鲁棒性具有重要的作用。此外，在实验验证阶段，利用直接法SLAM实时重建了大规模场景的半稠密点云地图，进一步说明了直接法的建图优势，为SLAM算法更广泛的应用提供了可能。

关键词：单目视觉SLAM 直接图像配准卷积特征词袋模型相似性变换

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：