激光距离选通成像可视空间深度实验分析

距离选通激光主动成像可在能见度受限条件下有效克服大气后向散射和背景干扰,得到被观测目标的高对比度图像。可视空间深度能够体现实际成像的景物范围,对评价图像质量和其所在的空间位置具有重要意义。阐述了距离选通成像技术高速门控成像的原理及关键器件的选型要求,介绍了可视空间深度的相关概念,通过实验得到了可视空间深度的实际测量值,验证了可视空间深度随激光脉冲宽度的变化规律,并与理论计算值进行了比较分析。

基于特征区域分割的立体视频视觉舒适度评价方法

为准确反映人眼在观看立体视频过程中的视觉舒适程度,提出了一种基于特征区域分割的立体视频视觉舒适度评价方法。首先自适应地分割提取出立体视频序列中的人眼的感兴趣区域,以及相邻帧间的运动区域,然后结合深度感知理论和空间合并技术,对视觉舒适度这一特征量进行建模,最后实现对立体视频视觉舒适度的评定。实验结果表明,使用本文的方法对立体视频视觉舒适度进行评价,可以很好的模拟人眼直接观测的视觉感受,对于视觉舒适度的研究具有重要的参考价值。

面向RGB-D场景解析的三维空间结构化编码深度网络

有效的RGB-D图像特征提取和准确的3D空间结构化学习是提升RGB-D场景解析结果的关键。目前,全卷积神经网络(FCNN)具有强大的特征提取能力,但是,该网络无法充分地学习3D空间结构化信息。为此,提出了一种新颖的三维空间结构化编码深度网络,内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法。该算法能够比较准确地学习和描述物体所处3D空间的物体分布。通过该深度网络,不仅能够提取包含多层形状和深度信息的分层视觉特征(HVF)和分层深度特征(HDF),而且可以生成包含3D结构化信息的空间关系特征,进而得到融合上述3类特征的混合特征,从而能够更准确地表达RGB-D图像的语义信息。实验结果表明,在NYUDv2和SUNRGBD标准RGB-D数据集上,该深度网络较现有先进的场景解析方法能够显著提升RGB-D场景解析的结果。

“面壁”·“破壁”——关于《透明性》的延伸思考

深入探讨《透明性》一书直接或间接涉及的10个概念,以“面壁”和“破壁”来描述平面的视觉再现和三维的身体经验的辩证关系。通过艺术家面对空间深度问题的3种取向:“观看之眼”“理知之心”与“操作之手”,结合对勒·柯布西耶作品和观点的解析,指出《透明性》一书的局限。