2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、立體視覺是計(jì)算機(jī)視覺的一個(gè)重要分支,立體視覺不論是在軍事偵察,工業(yè)檢測,物體識別,機(jī)器人導(dǎo)航,虛擬現(xiàn)實(shí)還在是影視動(dòng)畫、動(dòng)漫游戲中都有著非常廣闊的應(yīng)用前景。在立體視覺中,立體匹配占據(jù)了整個(gè)視覺過程中相當(dāng)大的比重,是立體視覺中的重要環(huán)節(jié),其匹配的優(yōu)劣直接決定著三維重建的效果和整個(gè)視覺系統(tǒng)的質(zhì)量,因此立體匹配成為計(jì)算機(jī)視覺領(lǐng)域一個(gè)非常重要的研究熱點(diǎn)。立體匹配按照優(yōu)化方法不同可以分為局部立體匹配和全局立體匹配兩大類,全局算法精度雖高,但是計(jì)算量

2、大,很難滿足實(shí)際需要。局部匹配算法因算法簡單易于實(shí)現(xiàn)等優(yōu)點(diǎn)而被許多學(xué)者所采用。但局部立體算法精度較低,不能夠滿足后期工作的有效開展。
   一直以來,各位學(xué)者專家為了提高匹配精度進(jìn)行了不懈的努力,先后提出了固定窗算法、自適應(yīng)窗算法、自適應(yīng)權(quán)重算法等立體匹配算法。其中自適應(yīng)權(quán)重算法憑著較高的匹配精度受到了越來越多學(xué)者的廣泛關(guān)注。
   本文針對立體匹配研究中的難點(diǎn)問題——重復(fù)或弱紋理特征缺失,遮擋區(qū)域和不連續(xù)區(qū)域難匹配等問

3、題,旨在充分利用圖像的顏色信息,在深入分析傳統(tǒng)局部匹配算法基礎(chǔ)上,提出改進(jìn)方案,改進(jìn)的算法提高了在重復(fù)區(qū)域、遮擋區(qū)域、深度不連續(xù)區(qū)域的精度,有利于后期三維重建的展開和立體視覺系統(tǒng)的整體效果。
   本文所做的工作主要有以下幾個(gè)方面:
   1.在對基于區(qū)域的局部立體匹配分析的基礎(chǔ)上,針對固定窗及自適應(yīng)窗的不足,給出基于顏色分組的立體匹配算法,利用同一色彩區(qū)域相鄰像素具有很大的視差相似性的特點(diǎn),基于顏色對窗口進(jìn)行分組,同時(shí)

4、將梯度絕對差值和絕對強(qiáng)度差值以某種比例結(jié)合,改進(jìn)匹配代價(jià),基于顏色相似性提出視差校正算法,根據(jù)顏色相似性的結(jié)果對初始視差圖進(jìn)行視差校正,對改進(jìn)后的算法進(jìn)行測試并對實(shí)驗(yàn)結(jié)果進(jìn)行分析。
   2.在深入分析研究自適應(yīng)權(quán)重算法的基礎(chǔ)上,提出基于顏色變化約束的區(qū)域生長算法,利用區(qū)域連通性和顏色相似性構(gòu)建權(quán)重因子,對改進(jìn)后的算法和原算法進(jìn)行對比,對改進(jìn)算法的性能進(jìn)行分析。
   3.在討論Mean-Shift均值漂移算法原理的基礎(chǔ)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論