为了提高湍流图像的空间分辨率, 提出了一种基于小波域Curvelet变换(wavelet domain Curvelet transform, WDCT)的湍流图像去噪算法。该算法根据湍流退化图像噪声的统计特性, 结合贝叶斯萎缩方法优化阈值选择。首先, 对含噪湍流图像进行单层二维离散小波变换, 接着提取高频系数并对它作快速离散Curvelet变换, 最后根据贝叶斯准则估计阈值T, 改进阈值的自适应选取方法, 获得最优阈值, 最后给出湍流图像去噪实现过程。为验证本文算法, 根据客观评价标准峰值信噪比(peak signal to noise ratio, PSNR)和均方根误差(mean square error, MSE), 对模拟图像和实测湍流图像进行去噪实验。与DWT-NABayesShrink算法、UWT算法相比, 视觉效果更好, PSNR值分别提高7.27%和4.92%, MSE值分别降低26.3%和23.1%。本文算法得到较清晰的目标图像, 对湍流退化图像去噪有一定的应用价值。

提出一种基于光流反馈的单目视觉三维(3D)重建方法，实现对场景快速、准确的3D 立体化建模。由帧间光流场建立更为稳健的同名像点匹配关系，同时运用五点算法估计摄像机的相对位姿，以构建稀疏点云和初始网格。从运动视觉分析的角度寻求多视重构的求解方法，将重建模型反馈至重建过程，用各视图像的偏差驱动模型变形。将粗略、不准确的原始网格曲面经过致密的非刚性变形，调整至精确的曲面。在统一计算设备架构下，利用图形处理器对光流算法进行并行加速，显著提高了重构算法运行的实时性。室内真实场景下的重建结果证明了所提算法的可行性与准确性。