基于随机游走模型的物体识别

针对传统物体识别算法中只依赖于视觉特征进行识别的单一性缺陷,提出了一种结合先验关系的物体识别算法。在训练阶段,通过图模型结构化表示先验关系,分别构建了图像-图像、语义-语义两个子图以及两子图之间的联系,利用该图模型建立随机游走模型;在识别阶段,建立待识别图像与随机游走模型中的图像节点和语义节点的关系,在该概率模型上进行随机游走,将随机游走的结果作为物体识别的结果。实验结果证明了结合先验关系的物体识别算法的有效性;提出的物体识别算法具有较强的识别性能。     

结合物体先验和空域约束的室内空域布局推理

对结构化室内场景的空域布局结构进行估计是计算机视觉领域的研究热点之一.然而,对于内部堆放了众多杂乱物体的室内场景,现有的大多数方法容易受到各种物体遮挡的影响而无法对这一类场景的布局结构进行准确推理.为此,本文方法充分考虑了房间和物体之间的几何和语义关联性,参数化地对房间和内部物体的三维体积分别进行描述,并且提出利用多种高层图像语义来获取物体的先验信息.此外,还在此基础上加入了空域排他性和空域位置等多种空域约束,进而在改进室内场景空域布局估计的同时为物体的识别和定位提供关键信息.本文方法不仅具有较低的求解复杂度,而且通过试验表明相比于现有的经典方法在杂乱的室内场景中能够取得更为鲁棒的空域布局推理结果.     

基于背景学习的显著物体检测

目的 显著物体检测的目标是提取给定图像中最能吸引人注意的物体或区域,在物体识别、图像显示、物体分割、目标检测等诸多计算机视觉领域中都有广泛应用。已有的基于局部或者全局对比度的显著物体检测方法在处理内容复杂的图像时,容易造成检测失败,其主要原因可以总结为对比度参考区域设置的不合理。为提高显著物体检测的完整性,提出背景驱动的显著物体检测算法,在显著值估计和优化中充分利用背景先验。方法 首先采用卷积神经网络学习图像的背景分布,然后从得到的背景图中分割出背景区域作为对比度计算参考区域来估计区域显著值。最后,为提高区域显著值的一致性,采用基于增强图模型的优化实现区域显著值的扩散,即在传统k-正则图局部连接的基础上,添加与虚拟节点之间的先验连接和背景区域节点之间的非局部连接,实现背景先验信息的嵌入。结果 在公开的ASD、SED、SOD和THUS-10000数据库上进行实验验证,并与9种流行的算法进行对比。本文算法在4个数据库上的平均准确率、查全率、F-measure和MAE指标分别为0.873 6、0.795 2、0.844 1和0.112 2,均优于当前流行的算法。结论 以背景区域作为对比度计算参考区域可以明显提高前景区域的显著值。卷积神经网络可以有效学习图像的背景分布并分割出背景区域。基于增强图模型的优化可以进一步实现显著值在前景和背景区域的扩散,提高区域显著值的一致性,并抑制背景区域的显著性响应。实验结果表明,本文算法能够准确、完整地检测图像的显著区域,适用于复杂图像的显著物体检测或物体分割应用。     

物体基视频编码中的运动物体分割

针对物体基视频编码应用,提出了一种基于运动的图像序列分割方案,它同时结合了亮度和运动信息,使用重构式开－闭形态滤波器等形态变换工具。此外,还提出了一种区域生长型的分水岭算法,它直接对要分割的图像而不是其形态梯度信号进行分割,克服了传统形态分割方法使用形态梯度信号而导致轮廓信息丢失的缺点。在具体实现算法时,文中采用了一种基于分级队列结构进行图像扫描的巧妙方法,大大提高了算法的效率。模拟结果表明,该方     

雕塑物体的布尔运算

本文提出了一种带有trimmed曲面物体的快速布尔运算算法。算法首先对trimmed曲面在其trimmed区域内离散,并进行离散求交,在离散求交时保证三角形边面仅求交一次;算法采用交点表与连续跟踪相结的方法跟踪交线,并在跟踪交线的同时用Euler算子建立起交线的数据结构且对特殊交点进行特球处理;算法最后用一种新的交点修正法对离散交线进行求精。     

制作一个纸板物体

说到独特的促销礼品，没有什么能比得上纸板创作。Mark James，这位Card Boy的背后人物，教你它是如何完成的。     

三维物体的形态图表达方法

三维物体的表达方法是计算机视觉中的关键问题之一，现有的各种三维物体表达方法虽然在各自的识别中得到应用，但都存在各自的局限性，用形态图表达三维物体是一种以视点为中心的表达方法，由于它列举了一个物体所有可能的“定性”形象，即它可使用最少的二维投影线图（特征视图）来表达一个完整的三维物体，因此使三维物体识别转化为2D与2D的匹配，该文首先定义了二维线图拓扑结构等价的判别准则，然后给出了构造透明物体形态图的方法，最后根据拓扑结构等价准则来得到不透明物体的形态图和特征图，并用圆锥与圆柱相交的实例进行了验证。     

物体形状位置图像处理算法

本文介绍了使用图像处理方法对运动物体的形状和位置进行测量的算法,并给出了部分程序。     

图像区域粗糙分割情况下的区域物体分类

提出一种改进的语义物体分类方法,可在图像区域分割结果不精确的情况下,对图像区域进行分类.结合统计文本分析中的bag-of-words方法与多示例学习,将图像区域物体切分为若干小图像块,提取图像区域物体的图像特征作为其粗糙语义概念并计算置信度;根据粗糙语义概念进一步提取出各种区域物体类型的语义特征作为其特征语义概念;使用分类器对特征语义概念进行学习,实现了对区域物体的分类.实验结果表明,采用文中方法可在分割粗糙的图像区域上获得很好的区域物体分类准确率.     

三维物体的检测研究

本文介绍的是如何用三维视觉传感器实时采集的距离图像数据作为输入数据，直接利用轮廓匹配和高级匹配的方法，有效地探测了障碍物的位置。     

采用密度估计进行物体计数

物体计数在医学领域的细胞计数、智能交通领域的行人计数问题中都有着广泛的应用。目前有大量的算法针对物体计数问题展开研究,其中基于密度图像估计的计数算法首先通过学习得到密度图像,然后将密度图像所有位置上的概率求和得到物体的数量。采用基于密度图像估计的算法框架对物体计数进行研究,提出了一种最小化平方误差的密度估计算法。该算法具有解析解,在最终错误率相近甚至更优的前提下,可以有效节省训练时间。与另一种近邻特征加权技术进行对比,估计出的密度图像在视觉效果上与真实密度图像非常接近。     

在GPU上基于物体空间的碰撞检测

碰撞检测是模拟现实世界关键要素,也是计算机图形学研究的核心内容.提出了一种利用GPU的SIMD、遮挡查询和浮点纹理功能等特性进行碰撞检测的新方法.算法同时遍历一对基于传统的CPU方法的包围体层次树,在遍历的过程中进行所有必要的运算,包括最后的三角形相交测试都是在GPU的顶点着色器和像素着色器中进行的.测试结果显示达到预期的效果.不同于其它的基于GPU的方法,本算法的所有计算都在物体空间中进行,而且对多边形模型的形状和拓扑结构不作任何要求.     

图像物体分类与检测算法综述

图像物体分类与检测是计算机视觉研究中的两个重要的基本问题,也是图像分割、物体跟踪、行为分析等其他高层视觉任务的基础.该文从物体分类与检测问题的基本定义出发,首先从实例、类别、语义三个层次对物体分类与检测研究中存在的困难与挑战进行了阐述.接下来,该文以物体检测和分类方面的典型数据库和国际视觉算法竞赛PASCAL VOC竞赛为主线对近年来物体分类与检测的发展脉络进行了梳理与总结,指出表达学习和结构学习在于物体分类与检测中占有重要的地位.最后文中对物体分类与检测的发展方向进行了思考和讨论,探讨了图像物体识别中下一步研究可能的方向.     

三维物体识别研究进展

出于工业和医疗等领域大量现实应用的需要,如今三维物体识别已成为一个很活跃的研究领域。一般来说,三维物体识别系统可以通过两个阶段的处理来完成三维物体的识别和定位,首先用传感器获取的场景输入数据来得到场景的表达;然后将它与数据库中存储的物体表达相匹配。为了推动该领域研究进一步发展,因而对近１０ａ年中该识别过程中必须解决的感传器类型、三维物体表达方法和匹配策略等３个方面问题的研究成果进行了综述,对主要方法进行分类和总结;并提出了一些三维视觉系统中还需要深入研究的问题,包括对所研究物体形状的限制、复杂背景的影响和表达以及识别中的“整体和局部”的矛盾等。     

让透明物体从背景中全身而退

我们平时在制作合成图片时．经常会遇到需要将某样物体从原图中抠出来再加入别的图片的情况。虽然这种情况只需要简单的一两步就可以实现．但如果所选的物体是透明的．用同样的方法就会出现明显的失误。为了避免这种情况．这次笔者将平时用Photoshop处理这类图片的经验和简单的方法拿出来和大家分享．希望能给大家带来方便。     

融合显著物体检测的图像显示适配

目的 图像显著适配旨在自动调节图像尺寸,对图像内容进行非均匀缩放,以便在受限的展示空间内更好地保留显著物体。为了解决显示适配过程中显著物体部分扭曲的问题,提出一种基于显著物体检测的图像显示适配方法。方法 本文方法采用显著物体分割结果来替代显著性图,以改进显示适配结果。首先,采用显著性融合和传播的方法生成显著性图;接着,结合输入图像和显著性图,采用自适应三阈值方法实现显著物体分割;然后,以此为基础,生成输入图像的曲边网格表示;最后,通过对不同网格的非均匀缩放,生成符合目标尺寸的适配结果。结果 在面向图像显示适配的公开数据集RetargetMe上,将本文方法与现有的10种代表性显示适配方法的结果进行了人工评估和比较。本文方法可以有效地减少显著物体出现部分扭曲的现象,能在48.8%的图像上取得无明显缺陷的适配效果,比现有最好的方法提高了5%。结论 基于显著物体检测的图像显示适配方法有助于提高显示适配过程中对显著物体处理的一致性,减少由于显著物体部分扭曲而引起的明显人工处理痕迹,从而达到提升显示适配效果的目的。     

基于遗传算法的虚拟物体变形研究

为缩短工艺构思的时间,增加构思的效率,通过虚拟物体变形进行工艺设计构思.采用基于遗传算法实现虚拟物体的变形.应用数学模式搭配遗传算法演变造型的方法产生了特殊的效果,不仅可给予设计者以更多的思考空间,而且增加了设计人员进行构思时的思考方向.     

基于Vega和OpenGL的柔性物体建模

针对虚拟现实中柔性物体仿真的现状,充分利用Vega的高级仿真功能和Opengl灵活性可移植性的特点,给出了基于Vega、Opengi的柔性物体建模方法,根据质点-弹簧模型,将柔性物体简化为一系列独立的单元网格,并利用运动学原理给出了简化的数学模型,最后以飘扬的红旗为例,在VC++6.0环境下,对此方法进行验证实现.