检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于sift流红外弱小目标的检测和跟踪

微型电脑应用 2010年第1期26卷 37-39,42,61页

作者：牛志彬周越上海交通大学

相邻帧图像的流场表现了有关目标物体和背景的运动特性。该文通过使用稠密sift局部特征描述子描述相邻帧图像像素,并以流的角度来处理,获得包含目标和背景的混合流场。由于红外弱小目标与其邻域背景具有明显的运动特性差异,而这必然会... 详细信息

相邻帧图像的流场表现了有关目标物体和背景的运动特性。该文通过使用稠密sift局部特征描述子描述相邻帧图像像素,并以流的角度来处理,获得包含目标和背景的混合流场。由于红外弱小目标与其邻域背景具有明显的运动特性差异,而这必然会表现在求得的小目标和背景的混合流场中。根据该流场的平台-阶梯特性采用特定算法分割得到弱小目标的具体位置。实验表明,sift流方法克服了经典的使用光流实现弱小目标检测和跟踪的缺点,鲁棒性强,不失为一种新的处理红外弱小目标的思路。

关键词：红外弱小目标检测和跟踪 sift流光流金字塔

基于图像匹配-点云融合的建筑物立面三维重建

在线全文

学校读者我要写书评

暂无评论

计算机学报 2012年第10期35卷 2072-2079页

作者：王俊朱利西安交通大学电子与信息工程学院西安710049 西安交通大学软件学院西安710049

随着计算机技术的快速发展,基于图像的建筑物三维重建逐渐成为计算机图形学和计算机视觉领域的研究热点之一.由于建筑物图像背景复杂、序列长且杂乱无序,现有的三维重建算法存在耗时长、局部几何细节重建效果差的问题.文中针对这些不足... 详细信息

随着计算机技术的快速发展,基于图像的建筑物三维重建逐渐成为计算机图形学和计算机视觉领域的研究热点之一.由于建筑物图像背景复杂、序列长且杂乱无序,现有的三维重建算法存在耗时长、局部几何细节重建效果差的问题.文中针对这些不足提出了一种基于图像匹配实现点云融合的建筑物立面三维重建算法.首先寻找新添加的建筑物局部图像在原始图像集中的匹配图像,组成规模较小的图像集并重建出局部点云模型,然后通过匹配不同点云模型在同一幅图像上的投影点,找到点云模型之间的一致对应点集,接着求解点云集合之间的最佳对齐变换,实现整体和局部点云模型的融合,最终生成建筑物立面完整的三维模型.实验表明,采用文中算法进行三维重建,可以有效地减少重建时间,提高重建精度.

关键词： sift流图像匹配点云融合三维重建

在线全文

学校读者我要写书评

暂无评论

引入外点剔除机制的双波段红外图像的配准

红外与激光工程 2015年第B12期43卷 23-28页

作者：张宏伟樊祥朱斌施展脉冲功率激光技术国家重点实验室(电子工程学院) 安徽合肥230037

为实现双波段红外图像的精确配准,针对云层背景红外光谱辐射特性不一致、采用不同传感器等原因导致大量外点存在的情况,提出了一种引入外点剔除机制的异源图像配准方法。先利用稠密sift流对外点进行鲁棒性估计,然后以归一化相关系数作... 详细信息

为实现双波段红外图像的精确配准,针对云层背景红外光谱辐射特性不一致、采用不同传感器等原因导致大量外点存在的情况,提出了一种引入外点剔除机制的异源图像配准方法。先利用稠密sift流对外点进行鲁棒性估计,然后以归一化相关系数作为代价函数,采用基于梯度的方法实现了双波段红外图像的精确配准。实验结果显示,通过剔除外点的方法,能使配准参数快速收敛于全局最优,对相关性较差的双波段红外图像仍能保持较高的配准精度。

关键词：双波段图像配准 sift流外点剔除全局最优

在线全文

学校读者我要写书评

暂无评论

显著性特征约束的交互式协同分割

计算机科学 2017年第B11期44卷 269-272页

作者：王怡徐文迪余慧斌郑河荣潘翔浙江工业大学计算机科学与技术学院杭州310023 杭州网新闻中心杭州310041

针对背景区域干扰导致无法准确计算共同对象相似性的问题,提出利用图像显著性和sift流对齐算法改进图像协同分割质量。该算法首先计算图像显著性特征,然后通过sift流与交互式分割结果进行对齐和匹配,从而通过显著性与匹配结果得到像素... 详细信息

针对背景区域干扰导致无法准确计算共同对象相似性的问题,提出利用图像显著性和sift流对齐算法改进图像协同分割质量。该算法首先计算图像显著性特征,然后通过sift流与交互式分割结果进行对齐和匹配,从而通过显著性与匹配结果得到像素标签的可能性,最后采用最小割理论进行分割边界优化。实验结果表明,与已有的协同分割算法相比,该算法能够提高分割质量。

关键词：图像协同分割 sift流图像显著性图割

在线全文

学校读者我要写书评

暂无评论

RGB-D视觉内容理解及其应用

RGB-D视觉内容理解及其应用

作者：罗浩华北电力大学

学位级别：硕士

相比于二维视觉内容,三维视觉内容的研究包含更多的特殊性和挑战性,因此受到越来越多研究者的关注。RGB-D图像是三维视觉内容的一种,它包含了目标的色彩信息(RGB图像)和空间信息(深度图像)。深度数据为传统二维图像的研究增加了新的线... 详细信息

相比于二维视觉内容,三维视觉内容的研究包含更多的特殊性和挑战性,因此受到越来越多研究者的关注。RGB-D图像是三维视觉内容的一种,它包含了目标的色彩信息(RGB图像)和空间信息(深度图像)。深度数据为传统二维图像的研究增加了新的线索。相比于点云数据,深度数据的数据量小但精度较低,适合在较小的场景中进行目标识别、跟踪等研究。近年来出现了像微软公司的Kinect这样价格低廉,鲁棒性好的RGB-D图像采集设备,使研究人员可以更方便的获取RGB-D图像进行研究。鉴于RGB-D图像在科研和实际应用中的重要性都日益增加,如何利用现有的图像快速准确的获取深度图像成了一个值得研究的问题。论文针对成组的图像(Image Collection)进行研究,探索其深度信息获取方法。在一组同一场景不同角度的图像中,图像之间具有语义相似性,可以认为其深度分布也具有相似性。论文首先利用了sift Flow获取单幅图像的深度信息。采用了GIST特征和KNN算法,从RGB-D数据库中检索出多个与输入图像相似的候选图像。之后,利用sift流实现输入图像和候选图像的匹配。sift Flow是参考了光流法,利用sift描述符实现了相似图像之间的像素的匹配。为了克服计算量大的问题,采用经典sift Flow算法的处理方法,通过对图像降采样建立三层金字塔,在匹配过程中先寻找出一个模糊的位置,然后不断细化最终得到较为明确的位置。经过匹配,可以将候选图像的深度信息迁移到输入图像对应的区域,从而得到输入图像的一个初步估计的深度数据。论文在单幅图像深度信息获取的基础上,利用成组图像,对深度信息进行精化。为了从候选数据中选出最精确的,使图像最平滑的数据,论文采用了空间正则化的方法,通过迭代计算的方式将初步估计结果精细化。论文采用均匀化的Harris角点作为采集特征的兴趣点,利用Haar小波变换和KNN算法找出图像的重叠区域,对重叠区域进行双线性插值使深度信息进一步精化。实验结果证明,本文估计深度图像的方法在一定程度上是有效的。

关键词：深度估计语义相似 sift流深度传递

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于主题模型的动态场景分类

基于主题模型的动态场景分类

作者：林卉苏州大学

学位级别：硕士

场景分类是指根据特定意义对图像数据集进行自动标注，是当前计算机视觉领域的一个研究热点。本文以动态场景为研究对象，以视觉词包-语义主题建模-动态场景语义分类为主线，研究基于主题模型的动态场景分类方法。研究内容主要包括动态... 详细信息

场景分类是指根据特定意义对图像数据集进行自动标注，是当前计算机视觉领域的一个研究热点。本文以动态场景为研究对象，以视觉词包-语义主题建模-动态场景语义分类为主线，研究基于主题模型的动态场景分类方法。研究内容主要包括动态场景视觉词典的构建，基于先验知识的消息传递主题模型建模以及动态场景语义分类的实现。论文的主要工作如下： 1、针对现有主题语义场景分类方法大多局限于静态图像集，视觉单词生成方法不能直接适用于动态场景的问题，在充分考虑动态场景中的空间和时间随机动态的情况下，提出采用sift（Scale Invariant Feature Transform）流特征描述的动态场景视觉单词生成方法。该方法在特征提取阶段采用sift特征点，对尺度、旋转、仿射变换具有稳健性，对静态图像帧中的局部信息也更具有较强的鲁棒性;在计算流场时，避免了传统光流中对像素灰度值不变的假设，在相邻的图像帧之间以稠密的sift描述子作为流场的基础，能够克服噪声点对流场计算的干扰。在量化阶段，针对视觉特征量化为视觉单词丢失特征的空间位置信息问题，采用均匀分块的思想，按照sift流的位置量化为视觉单词，解决了缺少空间位置信息的问题。实验证明，提出的动态视觉词典生成方法能够得到较好的分类性能，该方法比采用灰度差分特征的描述方法分类准确率平均提高了10%左右。 2、针对传统主题模型（PLSA、LDA）在动态场景分类中训练时间长、分类精度不高的问题，本文在研究TMBP（Topic Model of Belief Propagation）模型的基础上，提出一种引入先验知识的改进Knowledge-TMBP主题模型。该模型通过动态视觉单词和图像文档间的逆向文档序数作为先验知识的表达，改写原始TMBP模型中的消息传递，从而保证重要的视觉单词在主题推导中具有更大的决定性。 3、基于动态场景语义分类的应用。论文实现了基于提出的动态视觉单词、在TMBP模型以及Knowledge-TMBP模型下的动态场景分类。在包含14类动态场景的数据库上做了相关的实验，对比分析了PLSA、LDA、TMBP和Knowledge-TMBP四种主题模型以及低层时空特征的分类性能。实验结果表明，Knowledge-TMBP模型的训练时间比PLSA、LDA明显缩短，比TMBP模型训练时间稍长，但它的分类准确率比其他三个模型有所提高。与低层时空特征SOE（Spatiotemporal Oriented Energy）的分类方法相比，该方法的分类召回率提高了2%。

关键词：动态场景 sift流主题模型先验知识置信推理

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多视点图像的本征图分解

多视点图像的本征图分解