哈尔滨理工大学自动化学院, 黑龙江 哈尔滨 150080
针对室内小场景下图像采集位置受限、弱纹理物体重建效果不佳的问题,提出了一种只需用手机采集图像的三维重建算法。首先,用一种主动选择式图像匹配策略减少原始运动恢复结构算法中图像两两匹配的次数。然后,将尺度不变特征变换(SIFT)算法改进为Harris-SIFT算法,以提升算法的实时性;通过全卷积神经网络获得预测深度并与多视图立体匹配算法进行融合,以获得更多的稠密点云。最后,用泊松表面重建算法完成物体的重建。实验结果表明,本算法不仅能有效恢复室内场景下的物体细节特征,对弱纹理物体表面的重建效果也较好。相比原始算法,本算法所用的时间减少了21.07%。
图像处理 三维重建 图像匹配 运动恢复结构 深度预测 激光与光电子学进展
2021, 58(8): 0810017
四川大学,电子信息学院,图像信息研究所,成都,610064
提出了一种基于小波变换的深度预测算法,并将此算法应用于计算光学切片的图像复原.对序列图进行一层小波分解,然后确定阈值和预测规则,对序列图进行预测.根据预测结果进行小波反变换,将图像复原.实验表明:小波系数应取三个高频分量的绝对值及部分低频信息之和;阈值Г随添加低频分量值的比例的增大而增大;采用微分算子规则具有较好的预测和复原效果.该方法计算量小、不需要迭代、不需要点扩展函数,针对没有交叠的序列图有较好的复原效果.
图像复原 小波变换 计算光学切片 深度预测