检索结果

Select

1. 基于图像块分类的图像超分辨率重建

杜凯敏, 康宝生

计算机应用 2019, 39 (2): 577-581. DOI: 10.11772/j.issn.1001-9081.2018061368

摘要（574）

PDF （920KB）（314）

针对当前图像超分辨率重建算法中存在的字典单一而导致重建图像质量不佳的问题，提出一种将图像块分类与图像卡通纹理分解相结合的单幅图像超分辨率重建算法。首先，将图像分块，并将图像块分为边缘类、纹理类和平滑类三类，其中纹理类用形态成分分析（MCA）算法分解为卡通部分和纹理部分；然后，对边缘类、卡通部分和纹理部分分别训练高低分辨率字典；最后，求解稀疏系数并与高分辨率字典重建图像块。仿真结果显示，与基于稀疏表示的超分辨率重建（SCSR）算法和单幅图像超分辨率重建（SISR）算法相比，所提算法的峰值信噪比（PNSR）值分别提高了0.26 dB和0.14 dB，表明该算法的重建效果更好，重建图像纹理细节更丰富。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于草图局部几何不变矩的图像检索方法

鲍振华, 康宝生, 张雷, 张婧

计算机应用 2017, 37 (6): 1753-1758. DOI: 10.11772/j.issn.1001-9081.2017.06.1753

摘要（550）

PDF （925KB）（624）

利用草图进行图像检索的难点在于对不同尺度、位置、旋转及形变图像的有效检索。为了更准确地识别并检索不同尺度、位置和旋转的图像，提出一种基于草图局部几何不变矩的图像检索方法（SBIRULGMI）。首先，利用图像的几何特征分别确定各图像的坐标系；然后，在生成的坐标系中对图像进行平均分块并计算各块的几何不变矩作为特征向量；接着，用改进的欧氏距离计算目标图像与数据库图像的相似度；最后，采用蚁群（ACO）算法对按照相似度排序后的检索结果进行优化。所提方法在MPEG-7 shape1 part B图像数据库的检索识别准确率比形状上下文（SC）、边缘分布直方图（EOH）、局部线性高波特征（GALIF）及MindFinder方法平均提高了17个百分点。实验结果表明该方法对不同平移、缩放和翻转的图像有较好的识别效果，对图像一定程度的旋转和形变具有更好的鲁棒性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于网格线平移的图像显示适配算法

张梓卷, 康宝生

计算机应用 2015, 35 (2): 481-485. DOI: 10.11772/j.issn.1001-9081.2015.02.0481

摘要（468）

PDF （1021KB）（407）

针对图像显示适配算法中会发生较多扭曲的问题,提出一个基于网格线平移(PTG)的图像显示适配算法。首先,通过Achantan方法计算图像重要度,提取出主体目标;其次,计算最优网格线位移,利用线移动不仅保持重要区域尺寸不变而且保护主体目标的纵横比例,双重约束可以避免扭曲;再次,使用下限和上限来抑制由于过度缩小和放大网格造成的失真;最后,为了达到更好效果,引入一个边缘网格舍弃过程,指派更宽空间到重要区域来减少畸变。利用图像重定向调查系统将PTG与重要度扩散列删除方法、重要度扩散线裁剪方法以及基于网格变形的方法进行比较,当图像中含有明显的主要目标时,PTG结果更优。实验结果表明,PTG的缩放结果具有更少扭曲,并在保留图像中的感兴趣区域和重要目标上明显优于对比算法。

参考文献 | 相关文章 | 多维度评价

Select

4. 散乱点云数据曲率估计方法

张帆康宝生赵建东李娟

计算机应用 2013, 33 (06): 1662-1681. DOI: 10.3724/SP.J.1087.2013.01662

摘要（703）

PDF （564KB）（726）

针对带有强噪声离散点云数据曲率计算问题，提出一种基于稳健统计的曲率估计方法。首先，用一个二次曲面拟合三维空间采样点处的局部形状；其次，随机地选择该采样点邻域内的子集，多次执行这样的拟合过程，通过变窗宽的最大核密度估计，就得到了最优拟合曲面；最后，将采样点投影到该曲面上，计算投影点曲率信息，就得到采样点曲率。实验结果表明，所提方法对噪声和离群点是稳健的，特别是随着噪声方差的增大，要明显好于传统的抛物拟合方法。

参考文献 | 相关文章 | 多维度评价

Select

5. 一种改进的点云数据精简方法

朱煜康宝生李洪安史芳玲

计算机应用 2012, 32 (02): 521-544. DOI: 10.3724/SP.J.1087.2012.00521

摘要（1283）

PDF （670KB）（613）

针对Kim的算法在简化散乱点云时经常丢失过多几何特征的不足，提出一种改进的精简方法。首先对点云进行最小二乘抛物面拟合求出所有点的主曲率；然后以数据点主曲率的Hausdorff距离为依据，提取并保留点云中的特征点；最后对具有不同特征的测量数据进行了精简分析。仿真实验结果表明，改进方法既能较大程度地简化数据点云，简化结果比较均匀，又具有不破坏细小特征的特点，能够充分保留原始点云中的几何特征；而且在保证简化质量的前提下提高了算法的效率。该方法能够为后续的三维重建提供有效的数据信息，节约后续工作的处理时间和硬件资源。