为了加强相位展开过程的准确性和鲁棒性, 提出了一种新颖的梯形相位展开算法。该算法结合了灰度和相位两种编码方式进行相位展开。基于灰度的相位展开可以通过投射不同的灰度确定不同的等级, 但是当条纹周期非常小, 相应的灰度差异也非常小, 使相位展开出现错误。相位展开具有很强的鲁棒性, 但本身计算量很大。与传统算法相比, 该算法设计了两类模式快速地恢复绝对相位。第一类模式是基于灰度信息对全局调制光栅进行分割, 第二类模式是基于相位进行编码, 同时在第一模式中对全局调制光栅进行更加细致的分级, 第二类模式变化的周期与包裹相位的截断周期一致。因为颜色能够简单而且准确地确定边界, 同时相位有很好的鲁棒性, 因此, 能够准确地恢复绝对相位。实验结果表明: 提出的算法能够准确地确定包裹相位的等级, 而且能够快速地得到物体表面的三维信息。

纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式, 通过生成器和判别器的对抗训练能够随机生成与观测数据具有相同分布的新数据。鉴于此, 提出了一种基于对抗生成网络的纹理合成方法。该算法的优点是不需要经过多次迭代就能够生成更真实纹理图像, 且生成图像在视觉上与观测纹理图像一致的同时具有一定随机性。一系列针对随机纹理和结构性纹理的合成实验验证了该算法的有效性。

在分析传统的摄像机光心确定方法的优缺点的基础上,提出了一种改进的径向准直约束法和一种带约束条件的投影矩阵分解法.将由两种改进的方法和直接光学法得到的光心坐标和直接用图像中心坐标近似代替的光心坐标一同进行摄像机的标定与测量研究.实验与仿真结果证明,由所提出的两种方法求得的光心图像坐标在进行标定与三维测量时可达到较高的精度并且优于直接用图像中心坐标进行标定与三维测量的精度.