Shadow free texture acquisition of a large scale scene for city modeling

Texture acquisition of a large scale scene is one of the critical research areas in computer vision and can be used in other application areas such as computer graphics (CG), the intelligent transportation system (ITS) and the 3D geographic information system (GIS). Moreover, to acquire texture without noise (e. g. , a shadow, an obstacle body) is vital for such work. Although obstacles can be removed by using 3D geometric data, shadow elimination is still a difficult problem and strongly required for the CG and ITS community, especially for city modeling and simulation purposes. In this paper, we propose an automatic multiple image fusion technique and an efficient and simple shadow removing technique to retrieve high quality texture images of an urban area. The image fusion can be efficiently achieved by epipolar plane image (EPI) analysis, and the shadow elimination can be successfully carried out by an illumination-independent color clustering technique. The strength of this algorithm is that we can successfully fuse multiple images and eliminate shadows from the fused single image, especially in low dynamic range images, which have proven difficult using previous techniques.     

基于加权小波分析的遥感图像融合算法

提出一种基于加权小波分析的遥感图像融合算法. 首先在光照色度饱和度空间上提取多光谱图像的光照强度分量, 对光照强度分量进行主成分分析获得修正的光照强度, 再将修正的光照强度与小波分析高频区域进行加权融合, 最后进行小波分析与光照色度饱和度空间逆变换获得遥感图像的最终融合结果. 该方法有效解决了在低频空间分辨率与高频空间分辨率的图像融合过程中, 小波分析方法丢弃低频分量易产生分块模糊现象, 且主成分分析方法易产生光谱图像信息域失真的问题. 在不同场景遥感图像的融合上进行仿真实验, 结果表明, 该算法在一定程度上解决了图像融合后边缘模糊、 融合结果中出现模糊块状阴影等问题, 并在清晰度、 纹理细节和真实性上获得了较大提升, 且能针对不同的融合需求调整合适的加权系数, 使遥感图像的融合达到最佳效果. 在光照色度饱和度空间, 加权小波分析进一步提升了遥感图像融合的效果, 不仅充分表达了各种遥感图像的细节, 而且能较好地保留原始光谱信息.     

基于Lab颜色空间与Gabor小波变换的图像检索技术

随着图像等多媒体资源的日益丰富,传统检索方式已不能再满足检索需求,为了便于图像的检索和识别,基于内容的图像检索技术应运而生.将L*a*b*颜色空间划分子区域,通过计算累加直方图与Gabor小波的方法组合提出了综合检索方法,实验表明可以取得较好的效果.     

基于小面元配准的倾斜遥感图像拼接

针对倾斜遥感图像拼接中存在配准精度不高,重叠区域出现重影的问题,提出了利用三角网进行小面元配准及加权融合的拼接方法.首先,求解全局单应性矩阵进行图像预对齐,并利用转换矩阵提取图像重叠区域;其次,利用特征匹配对构建重叠区域Delaunay三角网并对相应三角网逐个进行仿射变换实现精确配准;最后,利用渐出渐入式融合消除图像重...     

基于小波变换的分块融合算法

目前许多关于图像融合的研究都在空域中进行,隐藏水印图像抗攻击的能力较差.本文采用了基于小波变换的图像融合技术,提出了基于小波变换的分块融合算法,使图像的鲁棒性得到很大提高,尤其是抗JPEG压缩和抗噪声干扰的能力较强,算法可应用于数字图像的版权保护和信息隐藏领域.     

室外光源光谱辐照度与K-means结合的单幅图像阴影检测

针对室外自然条件下单幅图像阴影检测困难,提出一种基于光谱辐照度的阴影检测算法。通过对户外光源的光谱特性进行分析,估算出阴影三色衰减模型(TAM)参数,由此得到阴影区域较暗的TAM图像。利用K-means方法将TAM图像分割为阴影区域和非阴影区域,结合中值滤波和形态学算子对阴影区域优化,成功提取出图像中的阴影部分。仿真表明该算法不需要复杂的特征学习过程,能够极大地提高运算速度;同时无需对图像校准以及获取任何先验知识,且可以用于相对复杂的真实场景中。     

基于双面成像的色织物密度自动测量技术

探究了色织物纱线密度自动测量的方法,通过一套实验室自行开发的双面图像采集系统采集色织物的正反双面图像,利用Radon变换和仿射变换对采集得到的双面图像进行对位和匹配,通过2种不同融合算法将双面图像进行融合,借助快速傅里叶变换技术(FFT)提取融合图像中对应周期性结构的特征频率点,利用快速傅里叶反变换技术(IFFT)对特征频率点进行重构,最终测得织物密度。分析了色织物单面图像和双面融合图像的傅里叶频谱图,发现单面图像的纹理分布是片段式的,对应的频谱是分散的,而双面融合图像的频谱能量集中在水平或垂直方向,对应的纱线频率点容易提取。试验结果表明:基于双面成像测得纱线密度与密度镜法测得结果相比,最大误差为1.96%,平均误差为0.86%,该方法可以提高色织物纱线密度测量的准确性。     

基于图像条件的二元合成生成算法

生成对抗网络(GAN)是一种无监督学习方法,该算法巧妙地利用博弈的思想来学习生成式模型,但由于GAN通常从单个潜在源采样,因此常常丢失场景中的多个实体交互信息。为了捕获不同对象之间的复杂交互,包括它们的相对缩放,空间布局,遮挡,提出了一种基于图像条件的生成对抗网络,利用"分解—合成"的流程,模型可以根据输入对象的纹理和形状从它们的关节分布生成逼真的合成图像。通过使用Shapenet数据集,在2D和3D图像中分别对55个常见对象类别约51 300个图像模型进行试验,比起传统的SLP和cGAN,算法的图片质量有4%以上的提高。     

基于小波的图像融合算法的实现

图像融合技术以其综合多传感器信息的优越性日益受到越来越多的重视，广泛地应用在医学、遥感、计算机视觉以及其它领域，其中有效实用的融合算法是图像融合的关键．本文着重讨论了基于小波变换的融合方法(基于像素的融合规则)及它的实现方式，经仿真，取得了很好的效果．     

阴影处理在交通监控系统中的应用

在视频交通监控系统中阴影去除结果与后续的整个监控系统有很大的关系,例如车型分类,车辆跟踪以及车流量统计和测速都会因为阴影产生很大的困难。本文结合车辆监控系统所观测的道路场景的特点,分析了具体情况下阴影的特殊性,提出一种有效的阴影去除算法。该方法将时间信息和道路纹理特征有效的应用于算法中。首先,在序列图片中进行运动物体分割;下来,在前景中应用边缘信息和纹理特征实现车辆和阴影的区分。经过实时系统的应用显示出很好的阴影去除性能。     

基于LTCP特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法在对图像纹理特征进行鉴别时精度较差的问题, 提出一种基于长期控制计划(LTCP)特征的计算机生成图像鉴别算法. 首先将彩色图像变换到颜色模型中, 对图像进行下采样, 获得较高尺度的纹理信息; 然后采用基于LTCP特征和共生矩阵的计算机生成图像盲鉴别算法, 对不同尺度的纹理图像LTCP特征及相邻像素一致性共生矩阵特征进行采集; 最后通过判别分类器对LTCP特征及相邻像素一致性共生矩阵特征实施分类预测, 根据分类预测结果实现计算机生成图像的鉴别. 实验结果证明, 该算法在计算机上生成的图像特征维度较低, 鉴别率和精度较高, 能实现计算机生成图像的准确鉴别.     

Kinect深度图像快速修复算法

深度提取是基于“纹理+深度”自由立体视频系统的关键技术,而立体视频实际应用系统需要高效快速的深度图提取.提出一种针对Kinect提取深度图的快速修复算法.首先,对Kinect提取的彩色纹理图和深度图进行对齐裁剪,并采用背景填充算法对裁剪后的深度图进行初步修复;然后,对初步修复后的深度图进行基于颜色匹配的快速修复,得到质量较好的可用深度图.实验结果表明,本算法能有效修复原始深度图中由于遮挡而引起的空洞,获取的深度图整体平滑度好、边缘清晰;在普通PC机上达到25~30 帧/s的处理帧率,实现了深度图的实时提取.     

具有伪装图像像素不扩展的(2,2)视觉密码方案

针对视觉密码具有扩展度大, 分享为毫无意义的随机二值图像的问题, 提出了一种具有伪装图像的像素不扩展的（2,2）视觉密码方案。该方案对秘密图像分享时, 等概率随机抽取基本矩阵的一列, 然后将所得向量的每个元素分配给相应的分享图像。该方法用白色像素在恢复图像的黑色区域和白色区域出现频率的不同区分黑色和白色, 白像素在白色区域出现的频率比在黑色区域出现的频率高。解密后的秘密图像具有很好的视觉效果和安全性, 实验结果证实了该方案的有效性。     

基于OpenGL的三维城市景观模型的建立

用数码相机拍摄建筑物的立面相片 ,经PhotoShop处理、校正后获得建筑物三维几何模型的影像纹理 ,然后利用VC ++调用OpenGL图形库编程 ,建立了具有影像纹理的高度真实感三维城市景观模型。实践证明 ,在缺乏航空及遥感影像数据的地区 ,该方法可用来实施数码城市工程的建设。     

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

基于AHP-模糊评价法的化工企业风险分级管控研究

针对传统技术应用在网络推广平台上时,无法将推广平台中的图形转换为数据,从而导致平台反应时间较慢的问题,提出一种计算机图形图像绘制技术在网络推广平台上的应用。使用绘制技术处理平台内的原始图像,利用非数据集表示展示图形,利用形态运算不断复合集合处理非数据集,计算出平台图像布局数据,映射处理平台的纹理空间,计算得到图像纹理特征的表达数据,采用体绘制算法中的内插计算,采样转换平台图像数据,完成计算机图形图像绘制技术在网络推广平台的融合分析。实验结果表明:与应用了传统技术的网络推广平台相比,应用了计算机图形图像绘制技术的网络推广平台可以将展示内容图片转换为数据,减少了展示平台的反应时间。     

一种改进的基于统计的阴影检测方法

阴影检测与抑制是视频处理系统不可或缺的环节。该环节将直接影响目标跟踪、物体识别等的精确性。常用的阴影检测算法很难同时解决好阴影的误检和漏检这一对矛盾问题。本文根据Gabor滤波器在空间域上可选带宽和方向的特性,并结合基于统计的方法来实现阴影检测。这种方法的优点是综合考虑了亮度、色差和纹理特性,从而能优化阴影检测效果。     

Digital 3D Modeling of Whole Garment Based on Structure Illumination

IntroductionAs the development of production and design of wholegar ment in the infor mation age ,the digitalization of wholegar ment becomes more and more i mportant and necessaryin the field of textile . The digitalization of whole gar mentprovides the convenience and the advantage for the designand the production of whole gar ment .The digitalization of whole gar ment emphasizes on the3D model of it . Digital3D modelingis referred as a processof the recovery of three-di mensional model fro…     

A New Images Hiding Scheme Based on Chaotic Sequences

We propose a data hidding technique in a still image. This technique is based on chaotic sequence in the transform domain of covert image. We use different chaotic random sequences multiplied by multiple sensitive images, respectively, to spread the spectrum of sensitive images. Multiple sensitive images are hidden in a covert image as a form of noise. The results of theoretical analysis and computer simulation show the new hiding technique have better properties with high security, imperceptibility and capacity for hidden information in comparison with the conventional scheme such as LSB (Least Significance Bit).     

RGB and LBP-texture deep nonlinearly fusion features for fabric retrieval

Fabric retrieval is very challenging since problems like viewpoint variations, illumination changes, blots, and poor image qualities are usually encountered in fabric images. In this work, a novel deep feature nonlinear fusion network(DFNFN) is proposed to nonlinearly fuse features learned from RGB and texture images for improving fabric retrieval. Texture images are obtained by using local binary pattern texture(LBP-Texture) features to describe RGB fabric images. The DFNFN firstly applies two feature learning branches to deal with RGB images and the corresponding LBP-Texture images simultaneously. Each branch contains the same convolutional neural network(CNN) architecture but independently learning parameters. Then, a nonlinear fusion module(NFM) is designed to concatenate the features produced by the two branches and nonlinearly fuse the concatenated features via a convolutional layer followed with a rectified linear unit(ReLU). The NFM is flexible since it can be embedded in different depths of the DFNFN to find the best fusion position. Consequently, DFNFN can optimally fuse features learned from RGB and LBP-Texture images to boost the retrieval accuracy. Extensive experiments on the Fabric 1.0 dataset show that the proposed method is superior to many state-of-the-art methods.