不规则形体表面点三维重建方法

为实现形体的快速三维重建,在分析现有各类重建算法的基础上,针对不规则形体给出了一种三维表面点的重建方法。首先进行摄像机自定标,求取相机的内、外参数,然后对采集的图像进行处理,得到物体的轮廓,最后使用地毯式的搜索算法搜索并重建了物体的表面点。分析了不同搜索步长情况下算法的执行效率,在综合考虑逼真度和执行速度的情况下,给出了优化的步长选择,为表面的三角网格化和纹理恢复提供了依据。     

农作物基于点云的三维重建方法研究

随着数字农业的飞速发展,农作物的三维重建技术在农业中应用越来越广泛。研究农作物三维立体信息,对作物的种植、修剪、药物喷洒以及产量变化规律等方面的研究具有指导性意义。点作为最简单的图元,可以真实地记录物体表面的三维立体信息,较为精确地表示出物体的形态特征。因此,对三维点云的处理及重建技术进行研究就尤为必要。基于点云的预处理及重建技术是虚拟现实、计算机图形学和计算机视觉等多个学科交叉的一个研究领域,其主要研究内容是将点云记录的三维物体的几何信息恢复成图形图像,并通过计算机显示出来,进而可以方便快速地对物体进行分析、显示和处理。本文以大豆植株为研究对象,利用Kinect深度传感器获取农作物的点云数据,研究点云数据预处理、去噪的方法,对不同方位的点云数据进行配准,以及点云数据快速三维重建的方法。本文研究能够为快速获取植物三维点云数据,并实现植物三维形态的重建提供一种廉价、快速和高效的手段。     

基于MVS序列图像的油菜三维模型

为实现油菜作物模型的可视化研究,给油菜作物的数字化管理提供数据基础,以感染虫害的苗期油菜为研究对象,采用MVS序列图像技术,搭建MVS技术的序列图像采集平台。根据SFM和PMVS算法获得虫害油菜的稀疏点云数据和稠密点云数据,同时,探索序列图像数量对于特征点匹配的影响。对MVS序列图像技术获得的虫害油菜三维点云数据,采用滤波、精简、Alpha-Shape曲面重建等处理,得到虫害油菜的三维形态曲面模型。结果显示,使用图像数目多和8邻域匹配两者相结合的方法可以又快又好地匹配图像特征点;在获得合适的Alpha值情况下,Alpha-Shape算法可以真实形象地表现出虫害油菜的生长状态。     

基于序列图像的土壤表面三维重建及粗糙度测量

土壤的表面粗糙度是精准农业所需的重要信息,通过序列图像重建地表三维模型来自动测量任意位置和区域的土壤粗糙度.对试验田土壤进行序列图像采集,由Agisoft PhotoScan软件对图像进行处理并得到三维点云数据.在Matlab平台对点云进行表面拟合和全域粗糙度求解.结果表明,该方法在任意选取的4个方向的二维粗糙度测量值与传统方法测量值的相对误差在6％以下.因此,基于序列图像的土壤表面三维重建及粗糙度测量是一种可行、快速、自动化程度高而成本低的粗糙度测量方法.     

大豆冠层多源图像特征点配准方法研究

针对具有颜色信息的大豆冠层三维结构形态的重建问题,采用PMD摄像机与彩色摄像机相结合的多源图像采集系统获取大豆冠层多源图像,对大豆冠层多源图像特征点配准方法进行研究。以彩色图像和强度图像为研究对象,利用仿射变换实现彩色图像坐标系到PMD图像坐标系的转换;利用Harris算法检测图像特征点,采用基于归一化互相关系数法(NCC)实现特征点粗匹配。为克服传统RANSAC算法抽样次数较多及和数据检验时间较长的弊端,提出在特征点匹配阶段,按照可信度将特征点对排序,从可信度高的点对开始抽取的方法来优化经典RANSAC算法,进而实现特征点精匹配,最终完成多源图像特征点配准。为验证本研究提出的图像配准算法的有效性,将该算法与传统图像配准算法相对比,结果表明:室外和室内环境下,样本组的平准正确配准率分别为83%和87%,均优于传统图像配准算法,并满足快速配准大豆冠层多源图像特征点的要求。     

海量医学图像数据三维可视化表面重建方法

目的为了提高海量医学图像的识别能力,需要进行海量医学图像数据三维可视化表面重建。提出基于谱分析的海量医学图像数据三维可视化表面重建方法。方法构建海量医学图像数据的采集模型,提取海量医学图像数据三维图谱特征量,采用边缘轮廓检测的方法进行海量医学图像数据三维可视化特征分解,建立海量医学图像数据的模糊相关性特征分布结构模型。根据海量医学图像的色彩特征分布进行医学图像的图谱特征分析,建立海量医学图像数据的三维结构重组模型,根据对海量医学图像的三维结构分布式重组进行动态滤波检测,提取海量医学图像的谱特征量,根据谱特征分布进行海量医学图像的多维重建,结合三维可视化特征分析的方法,实现对海量医学图像数据的可视化表面重建和优化识别。结果采用该方法进行海量医学图像数据三维可视化表面重建的特征分辨能力较好,对图像数据的细节结构特征识别能力较强。结论研究方法提高了对海量医学图像的检测识别能力。     

水果尺寸和面积的机器视觉检测方法研究

针对我国水果品质检测仍停留在靠人工感官进行识别判断的现状和机器视觉技术在水果品质检测中的广阔应用前景 ,作者研究了利用机器视觉技术精确检测水果尺寸和表面缺陷面积的方法 ,建立了图像中的点与被测物体中的点之间的定量关系 ;提出了仅需利用物体的边界信息求出物体的形心坐标的新方法 ;所测水果最大横径与实际最大横径的相关系数为 0 .96;采用像素点变换法 ,实现了根据三维物体的二维投影图像恢复物体表面的真实几何面积的设想 ;提出了一种新的面积修正方法 ,进一步提高了面积检测的精度 ,从而为进一步研究开发机器视觉水果品质检测系统打下了基础 .     

视频图像中目标轮廓的提取算法研究

本文研究了视频图像中目标边缘提取算法。首先在图像中确定出目标物体,并分析目标物体灰度与背景灰度的对比,对图像灰度的分布及对目标物体在图像的位置都要有充分了解,然后对灰度图像设定合适的阈值进行二值化图像的处理,使其满足图像测量的要求,再应用图像测量算法把目标物体的轮廓边缘提取出来,同时使用一些补偿算法,使图像的边缘更加平滑和清晰,使处理后的图像具有良好视觉的效果。实验表明,算法是有效的。     

基于简约束三角形剖分的果实表面模型重建

【目的】研究轮廓线三维表面模型重建中存在的嵌套、分叉和投影交叉等复杂轮廓的轮廓匹配问题。【方法】在定义轮廓距离基础上,制定了轮廓匹配的2条准则,构成拓扑结构简单的轮廓对,针对一对多且投影交叉的轮廓对,采用等比放大方法进行预处理,利用简约束算法对放大后的轮廓对进行剖分。用实际算例对提出的重建方法进行了验证。【结果】算例验证表明,提出的重建方法能快速进行拓扑结构复杂的轮廓剖分,重建合理的表面网格模型,重建只存在轮廓嵌套的南瓜模型需19.673 ms,重建最复杂的莲藕模型需51.845 ms。【结论】通过对果实MRI图像序列提取的轮廓进行剖分,能够快速进行果实表面重建。     

基于图像处理技术的储粮害虫快速识别

为了快速检测、识别出储粮虫害图像中的虫体信息,为虫害的综合防治提供依据,提出了一种基于图像处理技术的害虫检测与识别快速方法,该方法采用图像预处理技术、形态学开重建以及基于改进Hausdorff距离的模板匹配算法.结果表明：该方法不仅可以正确检测、识别出害虫信息,并且在检测与识别效率上基本达到了实时性检测的要求.     

基于轮廓投影的盆栽水稻三维重建方法研究

近几年，基于图像的高通量水稻表型研究取得了极大进展，但从三维层面进行研究的工作则相对较少。一般而言，相对于二维图像，从三维模型中能提取更为全面的性状参数。三维模型重建是作物三维表型研究的基础，提出一种适用于盆栽水稻三维点云的重建方法。该方法在相机固定、样本旋转的拍摄模式下获取水稻多视角图像，根据相机标定参数以及水稻轮廓二值图，通过轮廓投影方法重建水稻三维可视外壳点云模型，并通过反投影方法进行点云着色。结果表明，该方法对于不同时期及不同品种的水稻样本均能取得较好重建效果。     

基于轮廓投影的盆栽水稻三维重建方法研究

近几年，基于图像的高通量水稻表型研究取得了极大进展，但从三维层面进行研究的工作则相对较少。一般而言，相对于二维图像，从三维模型中能提取更为全面的性状参数。三维模型重建是作物三维表型研究的基础，提出一种适用于盆栽水稻三维点云的重建方法。该方法在相机固定、样本旋转的拍摄模式下获取水稻多视角图像，根据相机标定参数以及水稻轮廓二值图，通过轮廓投影方法重建水稻三维可视外壳点云模型，并通过反投影方法进行点云着色。结果表明，该方法对于不同时期及不同品种的水稻样本均能取得较好重建效果。     

水果尺寸和面积的机器视觉检测方法研究

针对我国水果品质检测仍停留在靠人工感官进行识别判断的现状和机器视觉技术在水果品质检测中的广阔应用前景,研究了利用机器视觉技术精确检测水果尺寸和表面缺陷面积的方法,建立了图像中的点与被测物体上的点之间的定量关系;提出了利用物体的边界信息求出物体的形心坐标的新方法。结果是：所测水果最大横径与实际最大横径的相关系数为0.96;采用像素点变换法,实现了根据三维物体的二维投影图像恢复物体表面的真实几何面积的设想;提出了一种新的面积修正方法,进一步提高了面积检测的精度,从而为研究开发机器视觉水果品质检测系统打下了基础。     

计算机视觉中的图匹配方法研究综述

图匹配是值借助匹配算法,从两幅图像或者多副图像中寻找相似之处,进而实现对图像的科学化和精准化处理,是当前计算机视觉领域中尤为重要的一项技术。图匹配的本质为离散组合优化问题,经过长期的研究及时间应用,当前已经形成了多种图匹配方法,文章从计算机视觉中的图匹配基本要素出发,对几种常见的图匹配计算方法进行了总结,对研究图匹配方法具有指导性作用。     

基于序列图像的苹果树三维点云模型获取

围绕苹果树每10°~20°采集1幅图像形成苹果树的序列图像。首先匹配图像特征点构建稀疏点云,再利用多视点视觉技术(patch-based multi-view stereo,简称PMVS)构建果树的稠密点云。对苹果树不同物候期的三维点云获取结果表明,叶片的方向各异性以及稠密度对苹果树的重建效果有重要影响,可为植物建模、虚拟修剪试验和植物拓扑结构分析等提供参考。     

SPECT医学图像重建及三维可视化研究

针对医学图像的建模与仿真分析需要解决的几何模型精度以及物理模型的正确性问题。本文以人体牙齿CT图像为例实现建模过程,在牙齿分割方面提出了改进。通过读取DICOM图像,对断层图像进行裁剪和分割等预处理,使用移动立方体（MC）算法进行表面重构,同时使用二次误差度量（QEM）方法消减和平滑三角面片,使用德洛奈（Delaunay）方法由面网格推出体网格模型。最后根据目标组织选择相应的物理模型采用有限元（FEM）方法做分析,使用OpenGL显示等效应力的受力云图。分析结果显示,本文所进行的SPECT医学图像重建及三维可视化研究结果与理论相符,通过SPECT图像的重建,更加准确的了解到人体组织器官的功能和代谢情况,提高了医护人员对疾病诊断的准确率。     

三维轮廓匹配的多尺度技术

采用多尺度分析技术实现三维轮廓曲线匹配.三维轮廓曲线通过不同尺度的Gaussian函数滤波和等距重采样,将曲率和挠率的乘积为局部极大值的点作为轮廓曲线的特征点,利用特征点将轮廓分段,对轮廓曲线进行Fourier变换得到Fourier描述符;选择Fourier描述符的低频分量构成三维轮廓曲线的特征矢量,通过比较特征矢量决定2条轮廓是否相似;在2条轮廓相似的基础上,实现三维物体轮廓曲线的匹配.结果表明本文提出的算法具有快速、准确、效果好等特点.     

基于马尔可夫随机场的运动物体检测方法

智能监控的实现是避免和防范变电站内各种潜在危险的一种有效途径.为了更准确判定变电站工作人员的运动状态,提出一种基于高斯混合模型结合马尔可夫随机场的运动物体检测方法.在图像的HSV颜色空间通过混合高斯背景建模实现对运动物体的初步检测,采用区域性马尔可夫随机场与运动物体模板匹配实现运动物体的精确检测,并根据模板去除存在的阴影.结果表明,该方法可在变电站不同背景条件下有效检测出运动物体,为运动物体的行为分析及运动场景拼接奠定了良好的基础.     

基于点匹配的区域拷贝篡改检测

图像区域拷贝是一种常见的数字图像篡改技术,目前的大部分数字图像区域拷贝取证技术未考虑旋转和缩放因素。提出一种新的基于点匹配的图像区域篡改检测算法。首先利用尺度不变旋转变换（SIFT）寻找图像中的关键点,使用主成分分析法(PCA)对关键点进行降维描述,然后利用关键点特征向量的相似度寻找关键相似点。实验表明,该算法不但能够较精确地定位出复制和粘贴的图像伪造区域,还能有效抵抗噪声污染、有损压缩以及旋转等攻击,并有效地减少运算量,提高了检测效率。     

腕骨骨折常规X线与螺旋CT三维重建对比分析

目的探讨多层螺旋CT三维重建技术对腕骨骨折的诊断价值。方法对38例腕骨骨折患者的X线、多层螺旋CT三维重建及多平面重建成像资料进行回顾性对比分析。结果X线平片诊断23例(60.5%),漏诊15例(39.5%);螺旋CT多平面矢、冠状位重建及三维图像诊断38例(100%),螺旋CT能更全面、直观地显示腕骨骨折、脱位及关节腔内骨片情况。38例腕骨骨折,其中单发骨折33例,多发骨折5例,共累及43块骨骼。单发骨折中,舟骨骨折19例,并1例月骨脱位,月骨骨折5例,三角骨骨折3例,小多角骨骨折2例,钩骨骨折4例。多发骨折中,舟骨、三角骨骨折2例,月骨及三角骨骨折1例,小多角骨、三角骨骨折1例,小多角骨、钩骨骨折1例。结论螺旋CT三维重建及多平面重建图像(SSD和MPR)可提高对腕骨骨折诊断准确率,能有效避免漏诊,为临床的诊断和治疗提供可靠依据。