一种用于三维重建的多视图前景目标自动分割算法

基于序列图像的三维物体重建之前,从图像中分割前景目标可节约大量时间。但传统的分割算法需要通过用户输入来确定前、后景,而基于图像的三维重建需要大量的图像,造成极大的人工浪费。为此提出一种用于三维重建的多视图前景目标自动分割算法。对每个图像进行颜色一致性和几何一致性分析,确定前景和后景大致区域,得到初始输入,并以此构建能量方程。使用Graph Cut算法求解方程得到粗略分割结果;使用Matting细化分割边界,得到高质量的分割结果;使用分割后图片重建出物体三维模型。实验结果表明,该算法可自动分割出多视图图像的前景目标,且具有极高的准确率和良好的边缘。将该算法用于三维重建的前期图像处理,可大大提高三维重建的速度。     

基于距离视图表示与逐点细化结合的点云语义分割方法

三维点云语义分割是机器实现环境感知的重要途径。在现有的研究中,基于体素的算法和基于点的算法在面对大规模的点云数据时计算效率低下。而基于距离视图的算法,在对点云进行投影和反投影时会不可避免地造成精度损失。针对上述问题,提出了基于距离视图表示与逐点细化结合的点云语义分割新框架RPNet。充分的实验表明,所提出的方法在三维点云室外场景数据集SemanticKITTI上的平均交并比达到64.2%,推理速度达到58帧/秒,兼顾了高精度和高速度。     

一种自动分割图像颜色的算法

图像颜色分割是图像处理的一项技术。本文提出一种基于直方图采用磨光技术的自动分割图像颜色的算法。通过给定图像的颜色数，经过磨光算法处理，自动确定图像的中心色及分割限，准确地归并图像颜色。此算法可适用于黑白或彩色图像的处理。     

足球机器人视觉图像的快速识别

FIRA MIROSOT机器人足球比赛中，视觉系统是比赛系统中获得环境信息的唯一途径。视觉系统的识别速度和精度对比赛的胜负有很大的影响。针对传统的视觉缺陷，在色标设计方案、彩色空间的转换、色彩的阈值判别和图像分割几个方面进行改进，明显地减少了计算量，提高了实时性。实验结果表明，比赛中该方案在运算速度和精确度2方面都具有很大的优越性。     

一种自动确定分割阈值的指纹图像分割方法

针对传统的基于灰度特性的指纹图像分割方法的不足,提出了一种自动确定分割阈值的改进算法。首 先,对图像进行直方图均衡化处理。然后,提出一种自动确定分割阈值的方法,利用图像的灰度均值及方差分割图像。最后,对分割后的图像进行后处理。实验表明,该方法简单实用,处理速度快,鲁棒性好,满足实时性要求较高的自动指纹识别系统的要求,是一种行之有效的分割方法。     

基于图像的工程图视图分离

视图分离是工程图三维重建的关键步骤之一。该文提出了一种新的工程图视图分离方法，通过将二维视图中的图元转换为图像，利用图像域中离散像素点的连贯性，快速稳定地在图像域中找到视图轮廓和轮廓的最小包围矩形，达到分离视图的目的，然后在图形域中精确确定视图最小包围矩形。该方法的分离过程与视图中图元组合复杂性无关，并能自动分离任意视图数目的工程图。     

基于图切割的图像自动分割方法

针对图切割在图像分割中的研究主要集中于交互式图像分割,提出一种基于图切割,对彩色图像和灰度图像均可进行自动分割的方法。通过对图像进行初始化,建立能量函数的数据项、光滑项,图切割求解及迭代执行等步骤自动实现图像的分割,既无需用户人工交互进行约束,也无需对图像建模及对数据分布进行估计,可以较快速度获得良好的分割结果。通过实验对彩色图像和灰度图像进行自动分割,实验结果验证该方法的有效性。     

图像分割技术及其在路面开裂损坏识别中的应用

研究了一种基于神经网络的图像分割技术，并将其应用于路面识别。该方法通过分析路面的照片，根据路面图像灰度与纹理的特征来判断路面损坏的类型、面积和严重程度，得出路面状况指数，具有速度快、数据质量高、方便等优点，远远优于目前的人工调查方法。     

实视图选择研究

定义了数据仓库领域的视图选择问题,并讨论了与该问题相关的代价模型、收益函数、代价计算、约束条件和视图索引等内容;介绍了3大类视图选择方法,即静态方法、动态方法和混合方法,以及各类方法的代表性研究成果;最后展望未来的研究方向.     

图像分割研究综述

图像分割是指将一幅图像分解的若干互不交迭区域的集合,是图像处理与机器视觉的基本问题之一。本文对常见的分割方法按照数据驱动与模型驱动两大类型进行了综述,并介绍了图像分割中的物理模型与随机场模型、半自动分割策略、图像分割的定量评价方法等。     

足球机器人彩色视觉图像的分割与识别

足球机器入世界杯(RoboCup)比赛要求视觉处理子系统能够准确地定位出场上机器人和球(共11个目标)的位置。受场地光照等比赛环境的影响,需要识别的各种色彩空间并非是规则且互不相交的矩形区域。因此用传统的阚值分割方法很难得到满意的结果。论文采用了一种结合阚值分割与种子点区域生长(SRG)的混合方法,这种方法先用阚值法将HSI色彩空间分成若干各不相交的子集,在每个子集中分别确定若干种子点,然后从这些种子点进行区域生长,在进行区域生长时,定义了一种适合HSI色彩空间的同类判据(homogeneity criterion),引入两个像素的联合抗噪因子P来衡量H的可信度。实验表明,采用的这种方法可以明显地提高区域分割的精度,实现彩色图像的准确分割,很好地满足了比赛的需要。     

MVC设计模式中的“视图模型”与“视图”

MVC是八十年代Xerox PARC为Smalltalk发明的一种软件设计模式,至今已被广泛应用到软件设计与研发中。然而,在软件项目研发与教学中经常会遇到对MVC理解不清的问题,尤其是对"视图模型"和"视图"的概念不清,导致对MVC模型的错误应用。本文通过实例详细讲解"视图模型"和"视图"的异同,从而使读者更好的应用MVC设计模式。     

工程图纸图像图文自动分割工具SegChar

文章分析了工程图纸图像图文分割的技术特点、关键步骤和基本框架,着重介绍了图文自动分割工具SegChar采用的技术,如:(1) 自动字符尺寸阈值过滤技术,可使图文分割过程自动化和智能化;(2) 任意方向、任意长度字符串检测技术,通过精确HOUGH空间需求、松弛共线、基于字符串的HOUGH域更新等策略,提高了字符分割的处理速度,降低了处理的空间复杂度,能够使复杂的中西文字符串得以完整提取.文章最后给出了性能评价.     

基于MFC的窗口分割的设计与实现

文章介绍了文档视图结构的窗口分割技术,并通过实例,提供相关的主要代码,手工实现基于MFC的单文档多视图的窗口分割,以及多视图之间的通信。用户可以根据需求应用这种方法实现窗口各式各样的分割,可扩展性好。     

基于视觉识别定位的苹果采摘系统研究

针对果实振荡、重叠影响采摘机器人采摘精度和效率的问题,研制了一种在农田 环境下利用视觉检测技术和机器人定位抓取技术的苹果采摘系统。首先利用图像处理技术对初 始图像进行图像预处理;其次根据图像角点提取算法检测图像曲率,通过计算曲线段上的多个 像素平均角方向之间的差值对曲率进行平滑处理,获取图像曲率集中峰值点;最后对图像曲率 峰值点进行像素坐标标定,并将该点像素坐标转化为物理坐标作为机器人的定位抓取目标点, 机器人根据定位目标点的位置信息调整运动姿态对果实进行实时追踪和识别,实现果实的精确 定位、抓取和采摘。试验证明,该系统下的机器人抓取果实的成功率高达九成以上,基本能够 满足实际生产中的果实采摘需求,可为苹果等球状果实精准识别、定位抓取提供参考。     

图像的模糊增强与聚类分割

本文对于被噪声污染而又要求按若干个灰度级作多区域分割的图象处理问题，给出了模糊增强的具体实现过程；并提出基于直方图对多个亮度进行聚类分析，通过建立聚类目标函数的最小化数据，确立多级灰度门限，从而实现图像的多级灰度的最佳分割。     

基于随机区域合并的自动彩色图像分割算法

针对彩色图像分割精度不高的问题,提出了一种具备多尺度空间约束的自动彩色图像分割算法。基于改进的随机区域合并方法,该算法首先实施双边分解并执行基于多通道信息和多尺度梯度的过度分割;然后,在CIE L*a*b*颜色空间中使用规范化的颜色直方图来表示每个子区域,构造一个基于过度分割结果的区域邻接图;最后,在区域邻接图上执行具备空间约束条件的随机区域合并策略,为每个尺度构造一张分割图。在BSDS图像数据库中进行 对比实验,结果表明,在直接视觉对比和量化分析上,相比现有的分割算法,所提方法表现出了更好的分割效果。     

一种基于场景图分割的混合式多视图三维重建方法

针对大范围三维重建, 重建效率较低和重建稳定性、精度差等问题, 提出了一种基于场景图分割的大范围混合式多视图三维重建方法.该方法首先使用多层次加权核K均值算法进行场景图分割; 然后,分别对每个子场景图进行混合式重建, 生成对应的子模型, 通过场景图分割、混合式重建和局部优化等方法提高重建效率、降低计算资源消耗, 并综合采用强化的最佳影像选择标准、稳健的三角测量方法和迭代优化等策略, 提高重建精度和稳健性; 最后, 对所有子模型进行合并, 完成大范围三维重建.分别使用互联网收集数据和无人机航拍数据进行了验证, 并与1DSFM、HSFM算法在计算精度和计算效率等方面进行了比较.实验结果表明, 本文算法大大提高了计算效率、计算精度, 能充分保证重建模型的完整性, 并具备单机大范围场景三维重建能力.