立体图像对的生成

获取同一场景的立体图像对是实现双目立体成像的一个关键问题。提出了一种在三维场景已经建好的情况下生成立体图像对的方法。该方法根据双目立体视觉的原理,利用3DSMAX中的摄像机对象对场景中的物体进行坐标变换和透视投影变换,分别生成左眼视图和右眼视图。实验结果表明,两个目标摄像机与三维模型的位置关系以及基线长度是影响立体效果的重要因素,改变目标摄像机与三维模型的位置,可以分别生成正视差、负视差的立体图像对,当AB与CO的比例参数为0.05时,生成的立体图像对的立体效果较佳。

立体图像对的极线校正

将Seitz方法和Francesco方法结合起来,给出了一种改进的极线校正方法。该方法利用改进的八点算法算出基本矩阵,根据基本矩阵采用Seitz方法计算投影变换矩阵,最后以算出的投影变换矩阵为初值采用Francesco方法对其进行最优化,从而有效地避免了最优化时陷入局部最优的可能,同时又不过分依赖基本矩阵的精度。通过对Francesco方法、Mallon方法和该方法进行对比实验,可以发现该方法具有更高的校正精度,图像的扭曲也比较小。

弱标定立体图像对的欧氏极线校正框架

为了快速且直观地对相机弱标定(即相机内参数已知而外参数未知)情况下的立体图像对进行欧氏极线校正,提出了一套完整的欧氏极线校正框架。首先,针对两视图对应相机的位姿信息估计问题,提出一种新的不依赖矩阵奇异值分解运算的本质矩阵分解和唯一解确定算法。然后,对传统欧氏极线校正问题进行推广,并利用估计出的相机位姿构造出具有明确几何意义的无穷单应变换对,进而将其施加到立体图像对来完成欧氏极线校正。最后,利用8组SYNTIM立体图像对验证了所提出校正框架的正确性和校正精度。实验结果表明:该欧氏极线校正框架不仅形式直观,计算简单,易于实现,而且具有明确的几何意义。与其他欧氏极线校正方法比较,提出的方法能够获得更高的校正精度,且更好地消除了立体图像对的水平或垂直视差。

立体图像对亮度差异对立体视融合的影响研究

针对具有亮度差异的立体图像对如何影响立体融合,提出了对不同亮度差异的立体图像对识别融合的影响范围。通过8名被试对亮度差异分别为0,10,20,30,40,50,60,70,80,90的立体图像对融合识别的反应时和正确率进行分析,给出了亮度差异对立体视融合的定量影响范围。结果表明：反应时随着亮度差异的增大逐渐增加,但识别正确率逐渐降低。亮度差异为20以下,立体识别可达到较好的识别效果,反应时较短并且正确率很高。当亮度差异介于20～60之间,反应时急剧增加,正确率稍有降低。但当亮度差异达到60以上,不仅反应时急剧增加,而且正确率急剧降低,达到很难识别的程度。

获取三维模型立体图像对KFR方法的研究

主要研究在计算机上已经建好的三维模型场景中简单便捷地获取图像对,根据在场景中设置的摄像机对,模拟人眼成像原理,提出获取立体图像对的KFR方法。首先根据针孔模型将图像坐标系中的一点逐步转换到像平面坐标系、摄像机坐标系和世界坐标系,并由坐标轴的二维旋转推导出三维旋转公式,得出影响立体图像显示效果的关键因素的关系式;然后设置摄像机对的排列实现场景的立体显示;最后由显示结果分析得出决定立体效果的关键因素之间的关系。

基于相似度的立体图像对中右视点图像质量评价方法

结合立体视频中左右视点图像序列之间的关系、模糊数学方法以及客观图像质量评价的特点,提出了一种用于立体视频图像中右视点图像进行质量评价的方法.该方法对在解码端通过重建左视点的图像序列对生成右视点图像序列进行基于相似度的图像质量评价.实验结果表明,该方法能较好地反映立体视频右视点图像的质量水平.

基于光线跟踪的虚拟场景立体图像对视差研究

立体图像对的视差是立体显示的基础,双目立体显示的基本原理就是将具有视差的立体图像对中的左右眼图像分别送入左右眼中,从而产生立体感.本文给出了一种在虚拟场景中利用光线跟踪计算立体图像对视差的方法,生成了视差图和深度图,并对视差的特点和影响视差的因素进行了分析.

立体图像对压缩编码技术的实验研究

在分析三维立体摄像系统的几何特点和视差特点的基础上,介绍了基于固定尺寸块的立体图像对压缩编码技术,并提出了一种提高目标图像质量的方法———混合残余图像法,实验证明用这种简单的算法获得了较理想的效果。

立体图像对校正技术在三维显示中的应用

基于相机阵列的立体视差图像获取是3D立体显示技术的关键步骤之一,它为立体显示提供了丰富多彩的图像源;由于平行摆放的阵列相机拍摄得到的视差图像没有梯形失真和垂直视差,经3D显示设备后不会使观众产生视疲劳,因此,人们在视差图像获取时常采用时平行摆放的相机阵列。然而,在实际的操作中是很难达到这样理想的条件;本文针对常用的非平行摆放的双相机,经由图像校正的处理方法,来获得相同条件下平行式相机拍摄的效果;通过实验表明,该方案简单易行,效果良好,经3D自由立体显示后,观看的舒适度得到了提高。

关于形成无辅助立体图像对相机的参数研究

本文通过对立体视觉模型相关公式的分析，得到了两虚拟相机的最佳会聚屏幕位置以及两相机最佳距离范围。此相机用于形成无辅助的立体图像。

融合匹配特征的立体图像颜色校正方法

立体图像颜色校正方法的目标在于消除立体图像左右视图之间的颜色差异.现有的立体图像颜色校正方法存在校正效果和时间效率不平衡的问题.为了解决这一问题,本文提出一种融合匹配特征的立体图像颜色校正方法.首先,通过视差注意力颜色校正网络得到待校正目标图像的初始校正图.然后,将初始校正图和参考图像输入基于光流的图像匹配网络得到光流匹配目标图.最后,由图像融合网络融合初始校正图、光流匹配目标图、参考图像和目标图像的特征并进行图像重建,得到最终的校正结果.实验结果表明,本文的方法具有先进的性能,能够在保持高时间效率的同时实现高质量的立体图像颜色校正效果.

基于显著特征分类的立体图像重定向方法

现有立体图像重定向方法对不同特征图像均采用相同的策略进行重定向操作,导致一些立体重定向图像出现信息丢失、形变扭曲或深度改变的情况。影响立体图像重定向结果质量的因素主要包括显著区域形状和可视深度的改变等。为了解决这些问题,提出一种基于图像显著特征分类的立体图像重定向方法,将图像分为无显著及有显著2类图像,结合立体智能剪裁方法及立体非均匀映射方法对不同特征图像采用不同的重定向策略以减少信息丢失及几何失真。通过利用显著区域与非显著区域的深度信息差异可以更好地保持显著图像的深度感。实验结果表明,提出方法在主观对比及客观指标评价中均取得了优于其他算法的效果。

基于交互式卷积神经网络的立体图像质量评价

目前立体图像质量评价算法缺乏可靠的预测性能,主要表现在研究人类视觉系统时生物学理论薄弱,并且已有的浅层模型无法模拟出视觉信息复杂的处理过程。针对上述问题,提出一种基于交互式卷积神经网络的无参考立体图像质量评价算法。根据初级视觉区域的双目视觉机制,融合左、右视图生成独眼特征图,并采用高斯差分算法提取左、右视图边缘信息,计算边缘求和以及差分特征图;搭建交互式卷积神经网络,整合特征图,实现深度特征学习和质量回归预测。在LIVE立体图像库上的Pearson线性相关系数(Pearson Linear Correlation Coefficient,PLCC)达到0.95以上,结果表明采用该算法能有效地解决失真立体图像质量评价问题。

双通道立体图像质量评价方法的研究

针对立体图像质量评价问题,基于人眼观测图像的感知特性,提出一种双通道立体图像质量评价算法。首先,获取双目视图的拉普拉斯金字塔序列构建融合图,采用并行域分解多权重化策略提取双目局部质量感知特征;然后,结合视觉平衡特性引入语义特征通道提取双目高层次语义特征;最后,在支持向量回归的基础上得到双通道主客观图像质量评价值的关系映射。双通道网络集成了包含视差信息的多局部细节特征与全局语义特征,在LIVE 3D phaseⅠ与LIVE 3D phaseⅡ立体图像库进行性能测试。结果表明:所提算法所得预测值与主观评价值间具有良好的一致性。

面向分类和深度损失的立体图像重定向质量评价

现有的立体重定向图像客观评价算法往往采用统一的方法对重定向图像的失真予以衡量.然而,对于不同类型的立体重定向图像,人眼关注的失真类型与模式不尽相同.此外,现有算法未能精确地衡量重定向图像中深度感变化.针对上述问题,本文提出了一种基于分类和深度感损失的立体图像重定向质量评价算法.该算法根据重定向图像的显著度和深度特征进行图像分类,对不同类型的图像采用不同的失真质量评价策略.此外,为了精确衡量重定向图像的深度感变化,本文还提出了两种用于衡量深度感损失的指标,分别利用重定向过程中深度信息的丢失以及绝对深度的相似度来衡量深度感的损失.本文利用NBU-SIRQA和SIRD数据库进行实验,结果表明,本文算法的整体评价性能优于现有所有算法.

一种基于立体注意力机制的立体图像超分辨算法

针对因图像采集系统或采集环境本身的限制导致的立体图像模糊、质量低下、感兴趣区域不显著等问题,在最新的基于立体注意力模块的立体图像超分辨算法的基础上,通过在单图超分辨(Single Image Super-Resolution,SISR)的深度网络中引入立体图像左右两个视点间的互补信息以及平滑损失(Smoothness Loss)函数,增强超分辨后立体图像的视觉效果。在该算法中,梯度更小、更加平滑的立体注意力图可以获得更好的立体图像超分辨效果。为证明引入的函数有效,对改进前后的基于立体注意力机制的立体图像超分辨算法进行对比实验和分析,结果表明,引入平滑损失后,SRCNN和SRResNet模型的峰值信噪比(Peak Signal to Noise Ratio,PSNR)值和结构相似性(Structural Similarity,SSIM)值有明显提高。

立体图像数字水印技术研究综述

近年来,立体图像发展迅速,如何有效保护立体图像数据安全逐渐受到人们重视。数字水印作为一种成熟的数字媒体版权保护技术,可以为保护立体图像的版权提供有效的解决方案。基于此,在阐述数字水印技术基本理论和特征的基础上,综述了立体图像水印算法的分类及研究现状。

无参考船舶立体图像的质量感知特征提取

船舶立体图像的特征提取能够获取船舶的几何特征、视觉特征、纹理特征等,对于船舶识别、目标搜索等有重要的意义。获取过程受图像、视频设备、数据传输链路等影响,立体图像可能存在局部缺失等问题。本文首先介绍3种立体图像的质量评估方法,并针对无参考质量评价方法进行研究,详细介绍基于颜色、自然度的无参考质量感知特征提取和基于局部分析的无参考船舶立体图像质量特征提取,对于改善船舶立体图像的识别效果有显著的作用。

一种无相机标定的立体图像对校正新方法

双目立体视觉是光学被动三维测量的主要方法。为了快速、准确地寻找对应点 ,通常要将立体图像对进行校正 ,消除垂直视差。提出了一种无需标定相机的立体图像对校正方法。该方法从基本矩阵计算初始透视投影、旋转和竖直平移变换矩阵 ,然后以对应点坐标为基础对这些变换矩阵进行优化计算 ,从而有效地避免了优化计算的局部最小值 ,而且不过分依赖基本矩阵的计算精度。通过对提出的方法和完全基于基本矩阵的图像校正方法以及无需基本矩阵计算的图像校正方法进行实验比较 ,结果表明提出的方法图像校正速度快 ,能有效地消除垂直视差 ,而产生的图像变形较小。

层次结构K-d树的立体图像快速匹配方法

特征匹配是计算机视觉和图形图像处理领域中很多研究方向的基础,也是当前的研究热点.SIFT(scaleinvariant feature transformation)特征因其具有尺度、旋转不变性,对一定范围的仿射及视角变换具有鲁棒性等优点,自Lowe提出后,10多年来一直受到众多研究人员的关注.匹配的快速性和准确性是很多应用对特征匹配的要求,如三维重建中立体图像对(stereo pairwise image,简称SPI)的匹配.针对这一问题,以SIFT特征为基础,提出用于SPI匹配的方向大约一致(approximately consistent in orientation,简称ACIO)约束关系,其描述了SPI的匹配特征向量间的空间位置关系,有效地避免了误匹配的发生,提高了匹配的精度;通过对标准K-d树(standard K-d tree,简称SKD-tree)结构的分析,提出了层次结构K-d树(hierarchical K-d tree,简称HKD-tree),将SPI特征集根据ACIO约束关系划分成层次结构并建立映射,该方法缩小了搜索空间,从而达到加速匹配的目的.在ACIO和HKD-tree的基础上,提出了高效、快速的匹配算法.实验结果表明,所提方法比SKD-tree方法和最新的级联哈希方法(cascade hash,简称Cas Hash)在精度上略占优势,但在匹配速度上比SKD-tree快一个数量级以上,同时也数倍于Cas Hash.