结构光条纹采样数据的自适应加权插值方法

针对结构光条纹采样数据的特点,提出了一种自适应加权插值的新方法。此方法用一个可伸缩模板进行候选数据的提取,并根据模板伸缩度的大小对每个候选数据自适应地施以不同的权重。同时使用一种圆弧修正技术有效地克服插值中出现的削峰现象。实验结果表明,经自适应加权插值方法加密的数据用于三维重建,重建出的曲面光滑、逼真。

基于稠密矢量场及自适应补偿的帧率上变换

为了有效解决视频帧率上变换中物体边缘出现的模糊和块效应等问题,结合运动估计,优化了矢量化后处理和运动补偿算法。在基于块的运动估计中,结合运动的时空相关性优化块匹配算法,提高物体边缘运动矢量的准确性;通过基于像素块相关性的插值算法,获取像素矢量场,并保持物体结构完整性;在运动补偿时,结合矢量后处理的分类信息,自适应地进行加权插值计算,提高内插帧的质量。实验结果表明,与传统方法相比,该方法在主观和客观质量上都有较大的提升。

顾及空间异质性的自适应IDW插值算法

传统的反距离加权(inverse distance weighted,IDW)插值法存在以假设空间过程平稳为前提,且插值过程需要用户提供初始化参数如分区数目、参考样点个数等的问题,因此提出一种顾及空间异质性的自适应IDW插值算法。该算法首先根据样点待插值属性数据的数理统计特征自适应设定分类阈值,将全部样点按照属性值大小分成高、中、低三类,其次利用机器学习算法k近邻法(k-nearest neighbor,k-NN)判定待插值点所属类别,然后根据分类结果自适应为待插值点一阶邻近样点,并设置相应的权重调和因子,最后构造出一个集空间相关与空间异质性于一体的IDW插值算法模型。实验结果表明,顾及空间异质性算法无需用户提供任何经验参数,其抗粗差的能力较另3种经典IDW插值算法更强,能够有效提高IDW插值算法的精准度。