公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

双目立体视觉的三维人脸重建方法被引量：7: 2009年; 创建逼真的三维人脸模型始终是一个极具挑战性的课题.随着三维人脸模型在虚拟现实、视频监控、三维动画、人脸识别等领域的广泛应用,三维人脸重建成为计算机图像学和计算机视觉领域的一个研究热点.针对这一问题,提出一种基于双目立体视觉的三维人脸重建方法,重建过程中无需三维激光扫描仪和通用人脸模型.首先利用标定的2台摄像机获取人脸正面图像对,通过图像校正使图像对的极线对齐并且补偿摄像机镜头的畸变;在立体匹配方面,选择具有准确可靠视差的人脸边缘特征点作为种子像素,以种子像素的视差作为区域生长的视差,在外极线约束、单调性约束以及对应匹配的边缘特征点的约束下,进行水平扫描线上的区域生长,从而得到整个人脸区域的视差图,提高了对应点匹配的速度和准确度;最后,根据摄像机标定结果和立体匹配生成的视差图计算人脸空间散乱点的三维坐标,对人脸的三维点云进行三角剖分、网格细分和光顺处理.实验结果表明,该方法能够生成光滑、逼真的三维人脸模型,证明了该算法的有效性.; 贾贝贝阮秋琦; 关键词：三维人脸模型双目立体视觉摄像机标定极线几何三角剖分

一种新的H.264视频场景切换检测算法被引量：5: 2011年; H.264/AVCQCIF视频场景切换检测是视频应用中一个极具挑战性的研究课题,只利用宏块信息很难得到满意的检测效果,为此提出了一种采用动态阈值和AC相似度的H.264/AVC视频场景切换检测算法,考虑编码预测模式和DCT系数等信息,提出基于编码比特数的动态阈值和基于AC能量的AC图像相似性两个判决准则,据此进行视频场景切换检测。实验结果表明,在高速运动及场景切换频繁的视频上场景切换检测率得到提高,性能也优于现有的算法。; 南哲万阮秋琦; 关键词：H.264/AVC 视频编码

基于灰度直方图的加权模板匹配法在摄像机标定中的应用被引量：3: 2013年; 采用基于灰度直方图的加权模板匹配法实现摄像机的标定.首先以一个游标卡尺作为目标采集图像,此采集图像作为后续分析的同时用于模板的多处提取;提取的每个模板都将用于后续的模板匹配来提取目标区域(Region of Interest,ROI);匹配所获得的所有目标区域二值化后并旋转90°,以提取其水平方向的灰度直方图;所获得灰度直方图经过优化获得单一峰值后用于获取测量精度;最终标定出的测量精度是由所获得的所有测量精度值进行可信区间的加权平均决定的.本文所采用的加权模板匹配方法不仅降低了单一模板匹配的风险,而且充分利用了具有相似纹理这一有利信息,实验结果表明,提出的方法可以达到工程要求的亚像素级别误差,由此说明该方法在摄像机标定的应用中是行之有效的.; 李小利阮秋琦阮成雄; 关键词：摄像机标定加权平均灰度直方图

张量正交局部敏感判别式分析及其在人脸识别中的应用被引量：3: 2011年; 针对人脸识别的特征提取问题,本文提出了一种张量正交局部敏感判别分析(Tensor-based Orthogonal Locality Sensitive Discriminant Analysis,Tensor-OLSDA)的人脸识别算法。张量正交局部敏感判别分析在保持了流形的局部几何结构的同时加强了全局判别结构,并克服了局部敏感判别分析算法中非正交性带来的度量失真和维数估计困难等问题,从而增强了数据的可分性,提高了识别效果。张量正交局部敏感判别分析首先将人脸数据表示成高阶张量形式,在进行特征提取时将高阶张量数据沿不同阶展开,再利用特征根之间的正交性约束条件,求解正交局部敏感判别式分析特征子空间,最后将高阶人脸数据投影于这个特征子空间,进行识别。在AT&T和YaleB人脸库上的实验结果表明,Tensor-OLSDA具有良好的分类性能,能获得较为理想的识别结果。; 金一王移芝阮秋琦; 关键词：人脸识别特征提取流形学习张量分析

基于块运动轨迹相似性的H.264运动修复-错误隐藏算法被引量：1: 2013年; H.264视频在通过无线网络传递时,对传输错误非常敏感,由此会引起视频质量的严重下降。本文提出1种基于块运动轨迹相似性及空域统计相关性的受损块运动修复-错误隐藏算法。采用绝对运动差值总和(Sumof Absolute Difference for Motion Vector)估计运动轨迹相似性,并据此在受损宏块周围搜索可靠块;在过去帧中抽取可靠块和受损块的空域相互关系统计特征,并据此在当前帧预测受损块运动矢量;采用基于宏块分割信息的块合并来修复宏块内子块运动矢量,采用邻域插值方法恢复丢失的像素。实验结果表明,与零运动算法、宏块边界匹配算法和多项式内插法相比较,本算法执行速度较快,隐藏效果较好。; 南哲万阮秋琦安高云; 关键词：视频无线网络 H

全选清除导出

共1页<1>

国家教育部博士点基金(200800040008)