一种改进的PnP问题求解算法研究

透视n点投影问题是计算机视觉领域的一个经典问题,有着广泛的应用前景。针对Pn P问题中存在的位姿计算结果精度不高、稳定性不好,易受噪声干扰等问题,提出一种改进的Pn P问题求解算法,该算法考虑了参考点的不确定性因素对位姿计算结果的影响,将不确定性描述矩阵加入到位姿求解等式中。采用模拟场景和真实场景进行实验验证,模拟场景中旋转角度误差小于0.2,平移向量误差小于0.1%;真实场景中平移向量平均误差为0.16 m。实验结果表明,该算法进一步提高了位姿求解精度,且具有良好的稳定性、鲁棒性和抗噪能力。

基于双字典和稀疏表示的医学图像超分辨率重建

在医学影像图像处理过程中,由于成像技术和成像时间的限制,还无法获取满足诊断需求的清晰图像,这使得在现有技术和极短时间内所获取的医学病理图像需要进行超分辨率的重建处理;基于学习的图像超分辨率思想是从已建立的先验模型中重建出高频细节;在文章中,将要估计的高频信息认为是由主要高频和冗余高频两部分组成,提出了一种基于双字典学习和稀疏表示的医学图像超分辨率重建算法,由主要字典学习和冗余字典学习组成,分别渐近地恢复出主要高频细节和冗余高频细节;实验结果的数据分析和视觉效果显示,所提出双层递进方法能够恢复更多的图像细节且在性能指标上比现有的其他几种方法均有所提高。