融合3D对极平面图像的光场角度超分辨重建

针对光场成像中因硬件限制而造成的光场图像角度分辨率低的问题,提出一种融合3D对极平面图像的光场角度超分辨重建方法。该方法首先将输入图像按不同的视差方向排列分别进行特征提取,以充分利用输入图像的视差信息,提高深度估计的准确性。利用深度图将输入图像映射到新视角位置,生成初始合成光场。为了使重建光场图像能够保持更好的细节信息及几何一致性,先通过水平3D对极平面图像融合重建分支和垂直3D对极平面图像融合重建分支,分别对初始合成光场进行水平融合重建和垂直融合重建,再将两个结果进行混合重建,生成最终的高角度分辨率光场图像。实验结果表明:相比于现有方法,本文方法在合成光场数据集和真实光场数据集上的重建效果均得到了提高,峰值信噪比的提升幅度最高达1.99%,有效地提高了重建光场的质量。

基于视点图像与EPI特征融合的光场超分辨率

光场(Light Field,LF)成像能同时捕获场景中光线的空间信息和角度信息,应用广泛。然而,它的分辨率受到成像设备硬件以及空间和角度分辨率之间制衡的限制。过低的空间分辨率严重影响了光场图像的质量及其应用。因此,本文充分利用光场特性增强图像细节,提出一种基于视点图像(Viewpoint Image,VI)和极平面图像(Epipolar Plane Image,EPI)特征融合的端到端光场超分辨率方法,能够同时超分辨率所有视点图像。本方法将低分辨率光场图像按照水平和垂直EPI方向堆叠排列,利用三维视点图像堆栈中包含EPI信息的特点,采用双分支结构的3D递减卷积网络处理输入的四维光场数据。这样能够同时对视点图像和EPI信息进行特征提取和融合,充分探索光场的纹理信息及几何一致性。在真实和合成光场数据集上的实验结果均表明,该方法相比现有主流方法不仅在客观指标上具有更好的表现,主观质量上也能保持更好的几何一致性,同时还具有更少的模型参数和更快的执行速度。

基于极平面图的高精度光场深度估计

针对光场数据中的深度估计问题,提出一种基于光场极平面图(epipolar plane image,EPI)的高精度深度估计方法。选用双边模型对EPI进行降噪处理,以滤除噪声并更好地保留边缘信息;通过采用类间方差来确定Canny边缘检测的自适应阈值,结合最小二乘法拟合直线求取斜率,获得边缘的深度信息;然后运用线性插值的方法进行深度扩散,求出非边缘区域的深度值。实验结果表明,所提出的方法能够较好地进行深度估计,并且能够较为有效地消除遮挡对于深度估计的影响。

基于特征点匹配的图像拼接系统

对森林病虫害航空遥感监测中的图像拼接问题进行了研究。通过建立图像对应模型 ,按照特征点匹配的方法 ,并使用场景平面模型 ,构造了一个图像拼接系统。拼接的过程中针对图像拼接系统中特征点的提取 ,对应控制点的选择和对应点的搜索等问题 ,提出了模型参数的迭代求解方法。数据处理结果表明 ,使用该方法 ,能很好地改进了模型参数的精度 。

多视点图像的前景对象自动分割方法

为了将前景对象从多视点图像中自动地分割出来,提出一种基于多视点图像特征分析的对象提取方法.首先采用改进的随机Hough变换提取极线平面图中的直线,并对已检测直线的斜率进行统计分析;然后根据对象在场景中所处的深度,将对应斜率的直线转换到原始图像空间中得到初始轮廓;并利用边缘生长方法缩短断开边缘的间距;最后采用边缘连接方法获得闭合的轮廓曲线.实验结果表明,与基于水平集的主动轮廓模型分割方法相比,文中方法能更加快速、精确地将对象从复杂场景中分割出来.

基于视差图像序列的深度估计算法研究

现有的深度估计算法中,Kim算法不需要全局优化,可以保留精确的目标轮廓,同时仍然确保在少量细节的区域中平滑重建,得到的效果相对较好,但是其在深度扩散算法中时间复杂度太高,不适合广泛应用.针对这一问题,我们对其深度扩散算法进行改进.首先,根据边缘图像的深度范围覆盖整个场景的深度,将深度扩散的方式转变为在边缘深度范围内的快速搜索而非整个区域的全局搜索,明显降低了算法的时间复杂度.另外,根据极平面图像(EPI)的线性结构,将深度扩散沿着斜率的方向对多个视角进行综合考虑扩散,而非只是针对单个视角下的像素点进行,使非边缘平滑区域的扩散更加精准.经过仿真验证,本文的算法在一定程度上优于Kim算法,可以广泛使用.

基于预筛选和局部单应性的风电叶片图像匹配方法

将动态摄影测量方法应用到风电叶片动态监测中,对于优化风电系统设计、保证系统安全可靠运行具有重要意义。图像特征点自动匹配是动态摄影测量系统中的关键技术,匹配方法的优劣直接影响最终的测量精度。在实际风电叶片动态摄影测量中,叶片运行时的摆振会加剧叶片的非平面性,使得直接采用极线或单应性匹配技术匹配双目图像特征变得更加困难,因此提出一种基于预筛选和局部单应性的双目图像匹配方法,可用于风电叶片平缓连续曲面测量场。首先,通过双目摄影测量系统获取叶片像点图,对左相机采集到的像点图通过极线约束筛选出各个点在右像面中的候选匹配点集;其次对当前待匹配点及其候选匹配点集中的每个点分别抽取一个以该点为中心的局部近平面区域并做相应组合;之后针对每一组近平面区域分别采用改进的随机抽样一致算法估计相应的最佳单应性矩阵模型;最后通过局部单应性变换及合理的误差阈值在多个候选点中确定当前待匹配点的最终匹配点。该方法已成功应用于风电叶片的摆振测量实验,像点匹配率不低于96%且匹配准确率不低于97%,能够满足实际风电叶片图像匹配精度的要求。

多视点稀疏测量的图像绘制方法

为了减少所需采集的视频数据量,基于图像绘制(Image-based rendering,IBR)的前沿方法将稠密视点信息映射成压缩感知框架中的原始信号,并将稀疏视点图像作为随机测量值,但低维测量信号由所有稠密视点信息线性组合而成,而稀疏视点图像仅仅来源于部分视点信息,导致稀疏视点采集的图像与低维测量信号不一致.本文提出利用间隔采样矩阵消除测量信号与稀疏视点图像位置之间的差异,进而通过约束由测量矩阵和基函数构成的传感矩阵尽量满足有限等距性,使得能够获得原始信号的唯一精确解.仿真实验结果表明,相比于前沿方法,本文提出的方法对于不同复杂程度的场景重建都提高了主客观质量.

基于光场图像序列的自适应权值块匹配深度估计算法

现有的深度估计算法中,针对光场序列图像进行深度估计时,在图像亮度变化较大和弱纹理区域,其匹配效果较差,鲁棒性较低.针对这些问题,本文提出了一种基于CIELab颜色空间的自适应权值块匹配算法.由于彩色图像RGB颜色空间中颜色差异匹配影响因素较多,本算法转换到CIELab空间进行颜色相似性匹配来计算权重值,然后结合梯度和距离计算匹配图像和待匹配图像中匹配块得到综合权重值,最后根据极平面图像(EPI)的线性特性对图像序列中匹配图像和待匹配图像块进行匹配计算,求得深度图.经过仿真验证,本文算法能够较好的估计场景的深度信息,精度上有较大的提升,明显优于以往的深度估计算法,可以广泛使用.

基于光场极平面图像测距的三点式光笔空间坐标测量

为克服测量端的几何约束条件,需对现有的光笔系统布置多个测量光点,这会导致测量终端结构复杂,不利于光笔系统应用于测量空间受限的场合。针对这一问题,将光场成像方法引入到光笔式测量系统中,利用光场成像原理获取光笔上光点的极平面图像(EPI),并采用旋转平行四边形算子(SPO)计算EPI中斜线的斜率,从而估计出发光点的深度信息,排除了PNP(perspective-n-points)算法的错误解,得到被测点的准确三维坐标。最后通过实验对所提方法进行了验证。所提方法仅需单目光场相机,并结合三点式光笔即可完成三维坐标值的测量,极大地简化了光笔测量系统。

光场深度估计方法的对比研究

为了更有效地利用光场信息实现场景深度的精确估计,文中回顾并深入探讨光场的深度估计问题.通过阐述光场基本理论,将光场深度估计归纳为基于极平面图像、多视角图像及重聚焦的3种方法.在合成数据集上,对比光照变化对不同算法性能的影响,并构建一个更全面且具有挑战性的光场数据集.在该数据集、光场标准数据集及Lytro Dataset上,定性及定量分析不同复杂场景对算法性能的影响,进一步指出该领域的研究方向.

基于光场成像的多线索融合深度估计方法

在计算机视觉领域,传统的深度估计方法通常基于单个或多个摄像机拍摄的二维图像实现,忽略了光线的方向信息,获取的深度图精确性较差.以Raytrix、Lytro光场相机为代表的新型计算成像设备,能够在一次曝光中同时获取光辐射的空间分布及方向信息,为基于图像的深度估计提供了更多几何依据和线索.近年来,结合微透镜光场相机成像模型的多深度线索融合思想,成为探求深度估计问题的新导向.与基于单一深度线索的深度估计方法相比,当前的多线索融合方法取得了更准确的深度估计效果,然而,尚不能保持对噪声和遮挡的鲁棒性.为此,本文基于光场成像几何提出了一种考虑遮挡并对噪声鲁棒的多线索融合深度估计方法.首先,在借鉴人类视觉多线索优势差异的研究成果基础上,选择对噪声不敏感的聚焦线索和准确度较高的对应线索作为深度估计的依据;接着,针对微透镜光场相机成像模型,剖析聚焦、对应两种深度线索的几何特性,阐明了焦点堆栈轮廓曲线的局部对称性以及EPI图像上直线斜率与深度的比例关系,进一步分析并证明了存在遮挡的情况下,分别由焦点堆栈和中心子孔径图像生成的两类轮廓曲线之间仍存在一致性;随后,基于这些几何特性,构建了考虑遮挡和噪声影响的度量标准;然后,建模深度估计为多标签优化问题,将度量标准构造成最小化能量函数,以图割法求解得最优深度估计.在实验环节,本文首先对模型参数做Ablation分析:单独考虑对称性、一致性、对应线索的其中之一,或组合考虑两种或全部分别进行实验,结果表明综合考虑多种性质时本文方法效果最好.另外,分别在合成光场数据集和真实场景光场数据集上测试本文及相关文献的深度估计方法,实验结果表明本文深度估计方法准确度较高,对遮挡边缘的细节处理有效,且能够保持对噪声的鲁棒性.

基于三维光场的静态场景前景分割

为解决复杂场景中的前景提取问题提出一种基于三维光场分析的静态场景前景分割方法.首先,通过在一条直线等间距的不同视点上拍摄场景的序列图像构建密集采样的三维光场.其次,用线段检测(LSD)直线检测算法从对极平面图(EPI)中分析提取出场景边缘及其深度信息.借助分段三次Hermite多项式(PCHIP)快速插值算法恢复整个场景的深度信息.最终,通过阈值法实现对不同深度的前景物体的分割.初步实验结果表明,本方法能够较准确地恢复场景中多个物体之间的空间关系,前景分割结果较好地克服了现有基于区域聚类和数学形态学等方法在复杂场景应用中存在的过分割问题.

从同心拼图中恢复深度信息

同心拼图 (Concentric Mosaics,CM)是一种重要的基于图像的绘制方法 .如果利用深度信息则可以进一步提高绘制质量并减少数据量 .作者发现在 CM序列中也存在着近似的极线平面图像 (Epipolar Plane Im age,EPI) ,而且像点在 EPI图像上的轨迹斜率和物点的深度呈近似线性关系 .基于此发现 ,该文提出了一种从 CM序列中自动恢复深度信息的方法 .这个方法首先利用 EPI图像的频谱分析对场景的深度分布范围做出估计 ,然后根据全光采样的原理在 EPI的斜率空间均匀的分割投票箱 ,并对给定窗口内频谱能量进行投票 ,以求得能量的最大方向 ,从而获得这个窗口所对应的深度 ,最后组合成 CM的场景深度图 .

数形结合 简便解题

数形结合是数学中极为重要的思想方法之一,它是连接"数量关系"与"图形性质"的桥梁:把代数式的精确刻画与几何图形的直观描述结合起来,从而使几何问题代数化,代数问题几何化,并进一步使抽象思维和形象思维结合起来,以形助数,以数助形,使许多复杂问题得到简便解决.数形结合一般有以下途径:一。

宇宙之门

观测宇宙天文学家将望远镜发射至地球大气之外,这样便可以用新的眼睛观测宇宙了……光的故事要研究宇宙,天文学家可以利用的唯一信息来源是:星星的光线,也称为射线。他们借助天文望远镜仔细观察各个星辰,尝试分析它们的光亮。由此他们能够推测出这些天体的成分和历史,推测出它们是怎样形成的。但星星发出的大部分光线都传不到我们地面:地球的大气层阻隔了最危险的射线,比如X射线或者伽马射线。

基于光场深度序列的大视野图像拼接算法

针对现有光场深度重建算法只能获取单一视角深度信息,三维建模应用受限的问题,提出一种大视野图像拼接算法。该算法基于三维光场重建的深度图像序列,采用双边滤波及插值算法对图像进行去除噪声,利用基于边缘曲率极值的角点检测算法,并通过最小曲率偏差的列间度量匹配实现了图像之间的精确配准,采用改进的加权平均方法对重叠区域进行融合操作,既保留图像细节又拓展图像视野。实验结果表明,该算法能够有效实现光场深度图像序列的平滑拼接,有利于形成大视野深度数据,为大场景的三维重建奠定了基础。

时尚造梦者:维罗妮卡·迪廷

维罗妮卡·迪廷(Veronica Ditting)是我们这个时代最受追捧的创意总监之一。她因在编辑设计和品牌推广方面的工作而闻名,创作了屡获殊荣的杂志、艺术书籍和图形标识。她创作的视觉叙事优雅而独特,并非单纯的极简主义,这些特点都使得她的作品充满创新与活力,一定程度上引领了印刷中的图像制作和平面设计。