武夷山竹筏育制场,南平,福建,中国

<正>武夷山竹筏育制场是武夷山九曲溪旅游漂流用竹排的储存及制作工厂,项目位于武夷山星村镇附近乡野中的一块台地上,由竹子储存仓库(未建成)、竹排制作车间、办公及宿舍楼这3栋建筑及其围合的庭院组成。每年冬天这里要采集晾晒约2.2万根毛竹,之后储存于竹子仓库,用于每年1800张竹排的制造。建筑的布局与朝向结合地形、风向考虑。制作车间分为两组,内部为大跨度空间,横向满足毛竹9m长烧制时移动的需要,长向则按照火烧竹尾、     

基于改进 Census 变换的图像立体匹配算法研究

针对传统的 Census 区域匹配算法过分依赖窗口中心像素信息,导致算法受到噪声干扰时匹配精度降低的问题,提出一种基于改进 Census 变换的匹配算法.采用局部像素反差值为中心像素选择的评判标准,对传统的 Census 变换进行改进,增强了窗口像素信息的利用,提高了算法对像素值突变的适应性,使算法有更好的鲁棒性;代价聚合阶段采用引导图滤波算法并结合多尺度聚合模型,增强平坦区域像素间的区分度;采用 win-take-all 算法选取最优视差值,完成视差计算;采用区域投票策略和中值滤波算法完成视差精化.利用该改进算法对 Middlebury 平台提供的标准图像进行实验,实验结果表明该算法较传统Census 算法有较好的抗噪能力和立体匹配精度.     

熵域流形空间中的目标尺度感知策略

针对场景中不同目标的尺度感知问题,提出一种基于熵度量的场景目标尺度感知计算模型。通过对熵域空间中流形分布的统计特性分析,描述图像流形空间中的目标分布规律,在四叉树金字塔描述的基础上,依据尺度感知评价函数,形成了多目标尺度感知计算过程。实验结果说明,四叉树空间金字塔近似人类视觉感知的层次结构,基于熵域流形空间的目标描述可以有效实现目标尺度感知。     

基于局部特征的遥感图像快速自动配准

针对图像处理领域中遥感图像的配准问题,提出一种基于图像局部特征的快速、自动配准方法。该方法选取具有良好尺度、旋转不变性以及精确特征点定位能力的SIFT局部特征,使用其特征向量间的欧氏距离作为相似性度量进行特征点匹配,并依据仿射变换误差准则去除奇异匹配特征点对,采用仿射变换的几何模型,实现了遥感图像的快速自动配准。实验结果表明,方法是高效、精确以及稳定的。     

基于二阶矩的SIFT特征匹配算法

摘要：为了解决了图像视角变化时造成的匹配率低的问题,作者提出了基于二阶矩的SIFT特征匹配算法。算法在尺度空间检测出特征点,用仿射的二阶矩来估计特征点的椭圆邻域,把椭圆邻域梯度的主方向作为该特征点的方向,生成特征向量,最后采用欧氏距离作为度量函数进行特征向量的匹配。实验表明,改进后的算法继承了SIFT算法对图像缩放、旋转等不变性,而且增强了图像对视角的仿射不变性,极大地改善了匹配效果。     

基于尺度-空间极值的织物起球目标检测

针对织物起球等级客观评估中的起球特征提取问题,提出了一种基于尺度-空间极值的毛球目标检测算法。首先建立各向异性高斯毛球目标模型,然后应用高斯尺度空间理论及精简的各向同性毛球目标模型,构造与该目标模型最优匹配算子近似的高斯偏导多项式作为检测算子,以其匹配能量输出作为尺度选择依据,并根据尺度-空间极值原则,定位并确定毛球目标的各向同性尺度,再基于此尺度下的局部结构张量矩阵估计各向异性高斯模型参数,最后根据该模型对毛球进行局部分割和识别。实验结果表明该算法能够较好地识别和分割毛球。     

基于二阶方向导数尺度空间的小目标检测

目标的尺度信息,是2维图像中小目标检测性能发挥的重要因素。该文提出一种基于二阶方向导数尺度空间的小目标检测方法,直接利用目标尺度信息对所感兴趣的目标进行选择。在Lindeberg尺度空间理论的基础上,该文采用偏微分方程方法,推导了最大和最小二阶方向导数的尺度空间,并分析了其在目标尺度表示上的特点。同时,给出构造尺度空间的参数选择依据,分析不同目标在尺度空间上的变化规律,提出利用二阶方向导数尺度空间进行小目标检测的具体实现算法。通过方法对比和对实际数据的处理,表明了该文方法具有较为稳健的小目标检测性能,提高了Laplace尺度空间对非圆结构目标的检测能力。     

改进SIFT特征在图像匹配中的应用

对SIFT算法进行研究,针对SIFT特征描述符的高维数和高复杂度问题,进行了改进。通过对大量的不同类型的图像进行特征匹配实验,实验结果表明,当图像存在不同程度的几何变形、辐射畸变和噪声影响时,改进后的算法更稳定、更快速。     

基于尺度空间相关的SAR图像NeighShrink滤波算法

为有效滤除相干斑噪声和保持图像的结构信息,该文提出了基于尺度空间相关的SAR图像NeighShrink滤波算法。首先,利用所提出的单选择可调参数的尺度空间相关法,检测对数SAR图像经平稳小波变换所得细节子带中分别与噪声相关及与结构信息相关的小波系数。然后,对与噪声相关的小波系数,直接采用NeighShrink算法以获得较好的平滑效果;而对于与结构信息相关的小波系数,则提出加权的NeighShrink算法来达到结构信息保持的目的。仿真实验验证了该文算法的有效性。     

序列图像特征提取与匹配算法的改进

在计算机视觉领域中特征点匹配是一个重要课题。针对ORB（ORiented Brief,方向描述符）算法缺少尺度不变性的特点,将SURF（Speeded-Up?Robust?Features,快速鲁棒特征）算法与ORB相结合,提出了基于算法组合的改进算法SUORB（Speeded-Up?ORiented Brief,快速方向描述符）。组合算法的基本思路是利用SURF算法建立多尺度空间,然后通过ORB算法为检测出的特征点建立描述符,最后根据生成的二进制描述符实现特征点匹配。实验结果表明,SUORB算法基本弥补了ORB算法的不足,若图像尺度发生变化,SUORB匹配算法比ORB匹配算法的准确度明显提高;同时SUORB算法保留了ORB算法的快速性。