摘要：针对基于深度学习的图像超分辨率重建算法通过增加神经网络的深度提高图像超分辨率重建性能,造成网络模型复杂度提高和参数量过大的问题,提出一种基于反向投影的倒N型轻量化网络图像超分辨率重建算法.首先使用初始卷积块提取低分辨率图像的浅层特征;然后通过基于反向投影的倒N型网络的2轮逐步的模型压缩和反倒N型网络的2轮逐步的模型恢复,提取低分辨率图像的深层特征;再将提取到的深层特征和浅层特征通过全局残差学习相结合并被上采样模块放大到期望输出的重建图像尺寸;最后使用重建模块进行超分辨率图像重建.对Set5,Set14,BSDS100和Urban100测试集进行实验的结果表明,所提算法比对比算法拥有更轻量化的网络结构,重建的超分辨率图像不仅有更高的峰值信噪比(PSNR)和结构相似度(SSIM),而且重建的超分辨率图像具有更好的视觉效果.

摘要：阐明了直方图的概念,并以直方图为基础,实现机器视觉图像中兴趣区域的检测算法设计,描述了算法的过程与步骤,对算法结果的可靠性、应用前景、及算法的运行效率进行了讨论。该算法简单、灵活、限制条件少,对开发机器视觉应用具有实践借鉴、指导价值。

摘要：面向空间机械臂对在轨飞行器、对接舱段等目标进行抓捕的应用需求,对近距离交会对接中的动态目标跟踪问题展开研究,提出了一种基于反向投影模板自适应更新的快速跟踪方法。该方法在分析发光目标灰度特性的基础上,设计了一种能够充分表征目标差异的特征选取算法,有效消除了随变性较小的信息对跟踪过程的影响。利用该特征,设计了目标在不同帧之间的相似性比较方法,并制定了目标特征模版更新策略,解决了由于目标姿态和光线的变化而导致的跟踪错误问题。对跟踪过程中可能出现的目标移入移出相机视场问题提出了一种临界目标抛弃、找回策略,避免了目标的局部跟丢问题。最后通过跟踪试验,有效验证了该算法的实时性和鲁棒性,实现了10帧/s以上的稳定跟踪。

摘要：通过采用自主开发的移动机器人平台,设计并实现了一种基于改进Camshift算法的视觉跟踪系统.通过预测前后两帧图像特征面积,在反向投影图像上过滤掉干扰色块.实验表明该方法能有效减小相似干扰物、遮挡等因素对视觉跟踪系统的影响.同时还提出了一种简单快速的图像解释形成机器人控制指令的方法,通过计算目标在图像上的投影到图像轴心的偏转角度来控制机器人的转动,通过计算该投影面积的大小来控制机器人的前进与停止.实验结果证明了机器人指令形成策略的有效性.

摘要：为将实时视频与三维场景进行融合来构建大范围增强虚拟环境(augmented virtual environment,AVE),消除融合后出现的反向投影、纹理拉伸、拼缝等现象,实现基于OpenGL着色语言(OpenGL shading language,GLSL)的反向投影剔除算法和深度测试算法,提出基于GLSL的多重视频纹理的横向加权融合算法和对角加权融合算法。实验结果表明,所提算法能够在显存为1GB的计算机上使包含200万三角面和6路实时视频的三维场景的运行帧率保持在40fps以上,高效地实现了实时视频与三维场景的融合。

摘要：目前高速、精确的碰撞检测研究已经成为虚拟现实领域研究的热点。在图像空间的碰撞检测研究基础上,设计了基于蜂窝状空间分解的碰撞检测算法。首先完成非碰撞多面体的快速剔除,对碰撞多面体局部进行空间分解,进而,反向投影构建碰撞模型局部子包围盒,完成沿相反方向进行子包围盒蜂窝状空间分解,将碰撞检测转化为判断在下一帧中多面体蜂窝子空间内局部子多面体截面到对方阈值线的距离值与对方所设定阈值大小的关系问题,完成任意多面体间的精细碰撞检测。摆脱了图形硬件信息存储的限制,也使基于图像空间的碰撞检测适用于任意多面体,提高了碰撞检测的速度和精度。

摘要：大多数人体跟踪算法鲁棒性不高的主要原因是对人体的颜色特征进行跟踪,针对此问题设计了基于Kinect深度信息的人体运动跟踪算法。通过分析Kinect获取的深度图信息来对人体轮廓进行区分判定,提取前景目标区域以及计算目标区域的深度直方图。通过对深度直方图进行分析去除背景区域部分,根据获取的深度直方图求取跟踪图像的深度反向投影;最后结合Camshift算法确定当前选取目标区域的尺寸和中心位置来进行对人体的实时跟踪。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,避免了光照变化和背景相似情况下的不稳定问题,能实现复杂场景下的人体目标跟踪。