软分割约束边缘保持插值的半自动2D转3D

半自动2D转3D将用户标注的稀疏深度转换成稠密深度,是解决3D片源不足的主要手段之一.针对现有方法利用硬分割增强深度边缘引入误差的问题,提出像素点与超像素深度一致性约束的边缘保持插值方法.首先,建立像素点深度和超像素深度传播的能量模型,通过像素点与所属超像素间深度差异的约束项将二者关联起来;其次,利用矩阵表示形式将两个能量模型的最优化转换成一个稀疏线性方程组的求解问题.通过超像素提供的约束项,可避免深度传播穿过低对比度边缘区域,从而能保持对象边缘.实验结果表明,本文方法对象边缘处深度恢复的准确性优于融合图割的随机游走方法,PSNR改善了1.5d B以上.

具有容错能力的L_1最优化半自动2D转3D

半自动2D转3D的关键是将用户分配的稀疏深度转换为稠密深度.现有方法没有充分考虑纹理图像和深度图之间的结构差异,以及2D转3D对用户误标注的容错性.针对上述问题,借助L1范数对异常数据的抵制,在一个统一框架下实现结构相关具有容错能力的稀疏深度稠密插值.首先,利用L1范数表示估计深度和用户分配深度在标注位置的差异,建立数据项;其次,根据特征的相似性用L1范数计算局部相邻像素点之间的深度差异,建立局部正则项;再次,对图像进行超像素分割,根据不同超像素内代表性像素点之间深度差异的L1测度,建立全局正则项;最后,用上述数据项和正则项构建能量函数,并通过分裂Bregman算法予以求解.无误差和有误差情况下的实验结果表明,与边缘保持的最优化插值、随机游走、混合图割与随机游走、软分割约束的最优化插值和非局部化随机游走相比,本文估计深度图绘制的虚拟视点图像空洞和伪影损伤更小.在误操作情况下,本文比上述方法 PSNR改善了0.9d B以上,且在视觉上屏蔽了用户误操作的影响.

基于层次结构的3D室内场景结构重组

室内场景,连同建筑和植物,是构成人类生存环境的三大重要因素。但是,目前可获取的三维室内场景并不像人们期望的那样是经过了合理性语义层面上的分割,而是存在着大量的拓扑结构上的错误。这些拓扑错误是由模型重用产生的碎片以及模型转换中导致的信息缺失等因素造成的。本文通过考虑拓扑结构关系(支撑关系和主次关系)以及几何关系(对称、对齐、相交、连接等),循环迭代地利用图割方法,构建了一个具有层次结构的场景树。该层次结构树对场景进行了层级的重整,用户可以根据需要得到不同细节层次上的有意义的语义分割,从而纠正了原有模型拓扑结构上的错误,为进一步的场景编辑提供了便利。

基于图割的多相机管路三维重建测量

复杂管路是航空航天和汽车等产品的重要组成部分,近年来视觉测量技术被应用于管路测量中。针对视觉管路测量中管路三维重建效率低的问题,提出了一种基于图割的多相机管路三维重建测量方法。该方法利用图割算法在视差范围内建立管路中心线能量函数获取管路中心线视差,根据视差确定多视图中的匹配点;然后利用多视图最小二乘法获取管路三维中心线点云,对中心线点云进行加权拟合获得特征点并通过NURBS曲线建立管路三维中心线,以管路中心线和管路外径重建管路并测量。实验结果表明,该方法管路视觉测量平均角度误差达到0.12°,满足工装过程需求,具有重建效率高、操作简便的优点。

基于Delaunay四面体剖分的网格分割算法

为了构建有意义曲面分片,提出一种基于Delaunay四面体剖分的网格分割算法.首先根据Delaunay四面体剖分得到多边形网格内部的四面体,求出每个面上反映网格内部信息的Delaunay体距离;然后对Delaunay体距离进行平滑处理,再对网格上面的Delaunay体距离进行聚类,用高斯混合模型对Delaunay体距离作柱状图的拟合,利用期望最大化算法来快速求得拟合结果;最后结合图切分技术,同时考虑聚类的结果、分割区域的边界平滑和视觉认知中的最小规则,得到最终的网格分割结果.实验结果表明,采用文中算法可以有效地实现有意义的网格分割.

基于形状检索的场景图像三维建模

提出一种利用二维场景图像快速构建三维虚拟场景的三维建模方法,该方法有以下特点:利用改进的图割算法对场景图像进行分割,提取对象轮廓形状;基于尺度不变特征点进行轮廓形状局部特征描述,用量化后的视觉词汇向量描述三维模型轮廓及对象轮廓;计算不同形状轮廓之间的距离,从三维数据库中检索出与对象相似的三维模型;计算对象模型和背景场景模型的坐标变换,合成虚拟场景。实验证明,该方法检索效果好,用户操作简单,能实现复杂虚拟场景的快速建模。

一种用于三维重建的多视图前景目标自动分割算法

基于序列图像的三维物体重建之前,从图像中分割前景目标可节约大量时间。但传统的分割算法需要通过用户输入来确定前、后景,而基于图像的三维重建需要大量的图像,造成极大的人工浪费。为此提出一种用于三维重建的多视图前景目标自动分割算法。对每个图像进行颜色一致性和几何一致性分析,确定前景和后景大致区域,得到初始输入,并以此构建能量方程。使用Graph Cut算法求解方程得到粗略分割结果;使用Matting细化分割边界,得到高质量的分割结果;使用分割后图片重建出物体三维模型。实验结果表明,该算法可自动分割出多视图图像的前景目标,且具有极高的准确率和良好的边缘。将该算法用于三维重建的前期图像处理,可大大提高三维重建的速度。

用户约束下的三维动画模型序列一致性分割

针对三维动画模型分割不一致问题,提出基于三维数据对齐技术的三维动画模型交互式分割算法,得到层次结构一致的分割结果.算法首先对首帧进行交互标记;然后通过主向量分析完成三维模型不同帧之间的对齐,自动把用户标记映射到其他模型;最后以方向夹角为基础,设计图割算法,根据模型关节所具有的曲率特征进行边界优化,得到满意的分割结果.实验结果表明,算法针对人造动画模型序列和多视图三维重建动画序列都能够得到一致性分割结果,验证了算法的有效性.最后和已有典型分割方法进行比较分析,可以发现算法能够有效地提高分割质量.

基于图切割的快速运动分割方法

基于图切割的图像分割是近几年发展的一项新技术,但随着图像大小及空间维数的增加,图切割的运算量成为负担。针对运动分割提出了一种快速图切割方法,利用运动分割的特点将差分图像中不变的背景映射为一点或几点,然后参与网络图的构造和图切割的求解,以减少图切割运算量。通过实验将这种快速方法应用于2D图切割和3D图切割,对图像序列的运动目标分别进行了自动分割。实验结果表明,这种快速图切割方法不仅大大地降低了存储消耗,提高了运算速度,而且也获得了良好的分割结果。结果证明这种方法在运动目标的分割中是行之有效的。

LYTRO相机光场图像深度估计算法及重建的研究

光场相机目前已广泛应用于消费领域和工业应用领域,利用光场相机对目标物进行深度重建成为了一项重要的研究课题。在实际研究过程中,Lytro相机空间信息与角度信息复用于同一传感器,导致图像分辨率较低,从而使得重建效果不甚理想。为解决这一问题,提出了一种亚像素精度的光场图像深度估计方法,在频率域对子孔径图像进行多标签下的亚像素偏移,以中心视角图像为参照,建立像素匹配代价行为;使用引导滤波抑制噪声的同时保持了图像边缘;对多标签下的匹配代价行为进行优化,得到精确的深度估计结果。对目标深度图进行表面渲染、纹理映射等重建处理,得到较为精细的重建结果。实验结果表明,该算法在对复杂度较高的物体进行重建时,解决了重建模糊等问题,有较好的表现。

基于标签化匹配区域校正的双目立体匹配算法

双目立体视觉是一种精准有效的测量方法,由此文中提出基于标签化匹配区域校正的双目立体匹配算法.以常规图割算法为基础,通过匹配块的空间几何信息校正匹配区域,获得更高亚像素级精度的匹配视差.首先,根据标签及空间几何信息确定校正变换,充分利用左右两图匹配区域的像素信息.然后,不断更新获选标签,找到使全局能量最小的标签.最后,依据左右一致性准则及均值滤波细化视差图.实验表明,文中算法有利于寻找良好、平滑的分段线性视差图,在处理边缘区域和遮挡区域时精确度较高.

基于割集的三维模型模块划分与表示方法研究

为了解决大规模图进行同构分析导致的组合爆炸问题,从降低图复杂度出发,本文提出了一种模块划分与分层表示方法。建立了表示三维模型的分层连接图表示方法,制定了模块划分的尺寸比例约束和连接强度约束,并在此基础上提出了基于割集的三维模型模块划分算法,以某型飞机襟翼为实例验证了方法的正确性和有效性。

一种基于蚁群优化的网格分割方法

三维网格的理解是许多几何处理中亟待解决的重要问题,而网格分割是其中的关键步骤。为此,利用蚁群优化算法进行网格分割。将待分割网格的每个网格视为一个蚂蚁,通过蚁群优化迭代对每个网格的标签进行更新。随着蚁群优化的迭代,种子点的标签向外扩散,标签更新通过蚁群优化的更新机制进行并满足分割要求,直至达到迭代标准。蚁群优化完成后进行区域合并,将较小的区域合并成较大区域,最终完成分割。在Princeton网格数据集上的实验结果表明,与图分割方法相比,该方法能获得更高的正确率。

利用一致性检验的多图像中前景物体的自动分割

图像中前景物体的分割具有十分广泛的应用,传统的方法需要借助一定的人工交互来获得前景物体的初始区域,但对于多图像数据集,这种人工交互的方式是十分烦琐的.为此提出一种基于一致性检验的多图像自动前景物体分割的方法.首先借助一定的三维场景的先验知识在多幅图像之间进行视图转换;然后对图像中的每个像素进行一致性分析,得到初始的前、背景标记结果;最后基于这个初始的标记结果构建相应的能量方程,并进行迭代优化,最终得到前景物体的精确轮廓.实验结果表明,该方法能够准确地检测出图像中前景物体的位置以及提取其轮廓,并能够利用分割的结果进行准确的三维重建.

利用图割算法进行城市密集点云表面模型重建

利用倾斜影像获得的密集点云来构建表面模型是基于倾斜影像进行三维重建的核心之一。本文针对现行密集点云表面模型重建存在的建模效率低、表面选取不真实等问题,提出了一种基于图割算法的城市密集点云表面模型重建方法。利用该方法重建城市密集点云表面模型,首先通过预处理软件对无人机倾斜影像进行空中三角测量,并利用空中三角测量的解算结果生成密集点云;然后对密集点云添加相应的边,同时对三维点云根据距离进行选取合并;最后根据三维点云形成的四面体和三角面建立图割问题,并通过求解图割问题来求取最优的密集点云表面模型。为证明这种方法的可行性和有效性,使用城市地区的无人机倾斜影像数据进行城市密集点云表面模型重建,试验结果表明,该方法具有可行性好、建模效果好、处理速度快等优势。

基于多分辨率三维图割的NRD分割

为了提高视网膜神经上皮层脱离自动分割的精度和效率,提出一种基于多分辨率三维图割的自动分割算法.首先通过视网膜厚度变化信息准确定位目标和背景区域,统计目标和背景的灰度分布特征,为图割算法提供先验信息;然后采用三维图割算法对4倍下采样后的频域光学相干断层扫描(SD-OCT)图像进行分割,得到粗分割结果;最后在原始分辨率图像上,对粗分割结果两侧的窄带区域进行三维图割,得到最终分割结果.在18组CirrusSD-OCT数据集上进行分割的实验结果表明,该算法的Dice相似性系数为95.07%,分割一组数据的平均时间为57 s,精度和效率均优于现有算法.

基于多特征融合的三维形状分割方法

三维形状分割是三维形状分析中的一个重要问题.针对单一特征对同一类模型分割结果存在较大差异的问题,提出一种基于学习的多特征融合的三维形状分割方法.首先利用过分割方法将三维模型分割成多个子面片,分别对每个子面片提取多种几何特征;然后将几何特征作为低层特征输入深度神经网络模型,通过学习生成高层特征;最后基于该高层特征用高斯混合模型的方法得到聚类中心,利用图割得到最后分割结果.在普林斯顿标准数据集和COSEG数据集上的实验结果表明,与传统分割方法相比,该方法具有较好的一致性分割结果.

基于图割算法的倾斜影像纹理映射优化方法

针对基于倾斜摄影影像重建三维城市模型纹理映射过程中出现的遮挡和纹理碎片化问题,本文提出一种利用摄影光线与模型相交判断遮挡,然后利用图割算法优化纹理的方法。首先,连接摄影中心与三角形面片各顶点,判断连接线段与其他三角形面片的相交情况,从而确定是否遮挡,以选取当前三角形面片对应的未被遮挡影像。然后,根据对应关系,构建能量函数,通过图割算法最小化能量函数以确定最优纹理,使相邻三角形面片对应影像的选择趋于一致,从而解决纹理碎片化问题。通过实验证明,本文方法在大规模三维模型的纹理映射中,能够有效解决映射的遮挡重影现象,并能够极大地避免纹理碎片化问题。

能量最小化框架下的多相机场景重建

本文要解决的问题是从一组对任意场景并已知拍摄视点的图片中获取三维形状。多相机场景重建问题较之立体匹配问题要复杂得多,主要是由于要考虑遮挡的因素。这篇文章中我们采用了能在立体匹配中产生很优秀的结果的方法即图形分割的能量最小化算法。我们首先构造了合适的能量方程,因为最小化能量方程实际上是个NP问题,所以我们构造一个基于图分割的近似算法来寻找局部最小值。实验结果表明了我们方法的有效性。

基于三角剖分与超像素结构的3D标签优化方法

在立体匹配问题中,基于3D标签的算法可以取得更高精度的亚像素视差图。针对3D标签的随机初始化问题,提出一种基于超像素结构与三角剖分的标签初始化方法。利用基于超像素边界提取到的特征点构建三角剖分,生成初始3D标签;针对图割算法迭代优化3D标签时效率的问题,在超像素结构上利用图割算法进行全局优化3D标签,迭代中加入对当前标签状态的假设扩展标签候选,提升了标签搜索效率。在Middlebury2014数据集上对方法进行验证,实验结果表明,所提方法的平均误匹配率(8.31%)低于LocalExp算法的平均误匹配率(8.39%),并且处理单幅图像耗费的平均时间约为LocalExp算法的70%。