一种新颖的轮廓线跟踪方法

为了降低跟踪系统状态维数、提高跟踪精度,从拉格朗日动力学原理出发,利用B样条形状空间理论,定义了新的动能、势能和衰减能量,推导了新的动态轮廓线跟踪动力学方程,并应用运动估计中的块匹配技术来寻找相邻帧中的对应点。结果表明:形状空间的维数远小于控制点数,增强了跟踪的稳定性;形状矩阵的正交化处理可以保证得到的动力学方程自然解耦,转化为若干个独立的单变量二阶振动系统;块匹配方法能够更准确地检测特征曲线。实验结果证明了方法的有效性。

图像去噪方法概述

在现实场景中,由于设备和系统不完善或存在弱光环境导致采集的图像存在噪声,图像在压缩和传输过程中也会受到额外噪声的影响,给后续的图像分割、特征提取等处理造成干扰。传统去噪方法利用图像的非局部自相似性(NLSS)特性和变换域中的稀疏表示,基于块匹配和三维滤波(BM3D)的方法展现出了强大的图像去噪性能。随着人工智能的发展,基于深度学习的图像去噪方法取得了较为突出的表现。但是到目前为止几乎没有相关研究对图像去噪的方法进行全面的比较。针对传统的图像去噪方法及近年来兴起的基于深度神经网络的图像去噪方法,首先介绍了经典的传统去噪和深度神经网络去噪方法的基本框架,并对去噪方法进行了分类总结。然后在公共去噪数据集上对现有的去噪方法进行了定量和定性方面的分析比较。最后在图像去噪领域指出了一些潜在的挑战和未来研究的方向。