面向形变模型的三维人脸建模研究及其改进

针对传统三维形变模型效率低的不足,提出了一种简洁高效的三维形变模型进行个性化三维人脸重建。首先建立基于关键特征区域重采样的标准三维人脸数据库,实现三维人脸的稠密对应;然后选择与目标人脸奇异值向量最相似的人脸作为形变模型的基空间,进行形变模型成分的动态选择;最后引入基于特征点的稀疏形变模型替代原稠密对应形变模型进行匹配求解线性组合系数,并完成特定的三维人脸重建。实验结果表明,本文方法建模时间短、复杂度低,通过单张图片的少量特征点能生成逼真的三维人脸模型。     

近景图像序列线特征约束的建筑物立面重建

针对单纯利用近景图像序列点特征进行建筑物立面重建存在的问题,该文提出一种线特征约束下建筑物建模方法。首先利用运动恢复结构技术恢复相机参数和空间点云数据,并在此基础上利用多视图立体方法生成三维稠密点云;然后对图像序列进行基于梯度方向的边缘检测及顾及方向和长度的直线特征拟合;再利用多约束条件实现直线特征匹配及提取;最后基于三维点、线特征实现建筑物立面的三维重建。实验结果表明,该方法能有效利用近景图像序列点、线特征的优势互补重建建筑物的几何立面,更好地恢复建筑物立面的轮廓信息。     

一种基于无人机序列图像的地形地貌三维快速重建方法

提出了一种基于无人机序列图像的地形地貌三维重建方法,该方法采用Harris特征点和SIFT特征向量来提取图像特征,实现图像配准;采用准透视投影模型和因子化方法对未标定的图像序列进行自动标定;通过高效次优解三角化方法获取三维点云坐标;通过准稠密化扩散算法对三维点云进行稠密化;采用捆绑调整算法提高了空间三维点云的精度;采用Possion表面重建方法对三维点云进行了网格化处理.本文为无人机序列图像的应用提供了一个新的思路,拓展了无人机的应用空间.     

基于三维扫描数据的面分割空间三维重建方法

随着三维扫描仪的问世，针对如何处理体现三维空间位置关系的扫描图像，最终可实现三维重建的问题．本文根据三维扫描仪的技术特点，提出了基于三维扫描数据的面，分割三维重建的方法，即依据各点在空间坐标上的共同特征，采用整体平差拟合平面进行面分割，进而建立三维空间重建模型．该方法能够突出扫描物体的三维特征，实现扫描数据的纠错与恢复，并为进一步进行扫描图像的配准拼接，最终实现扫描物体三维重建创造了有利条件。     

基于无人机遥感影像拓扑分析的三维重建

在无需任何地面控制点或其它先验知识前提下,探索一种基于无人机遥感影像的三维重建方法.利用无人机飞控数据建立的影像拓扑结构,依次通过特征点提取、影像匹配、从运动恢复结构等步骤估计出相机位置和姿态参数,并恢复出场景特征点云信息,最后对重建精度进行分析.试验结果表明,文中提出的方法可快速、可靠地实现较高精度的三维模型重建.     

柱面基准下的深度图像建模研究

不规则三角网模型重建点云模型是目前已经成熟的算法,但该算法具有较大的时间复杂度和空间复杂度,尤其是无法提取模型的几何参数,而三维模型重建后的几何参数的描述却具有重要的作用。针对这一问题,本文将传统深度图像概念拓展到了三维,并提出了一种基于柱面基准的深度图像三维重建方法。首先利用高斯映射法和几何法确定柱面模型初值,再进一步通过Levenberg-Marquardt算法进行全局参数优化得到柱面参数曲面,将拟合的圆柱作为新的基准面进行点云格网化并计算深度值,所得到的具有栅格结构的深度值即为深度图像,进而得到基于深度图像的三维圆柱实体模型。试验表明,该方法在不降低精细纹理表达的前提下能够有效地实现快速构网,同时保留了几何参数信息等优势。     

面向序列影像的三维场景重建方法

针对序列影像三维场景重建过程中存在的自动化程度不高、模型精度不够等问题,该文提出了一种基于序列影像的三维场景重建方法。该方法利用尺度不变特征变换算子获得了大量稳定的特征点后,结合K-D树搜索策略以及随机抽样一致性误匹配剔除方法得到稳定的匹配点对,然后采用稀疏光束法平差获取序列影像的相对位置姿态参数,最后采用多视密集匹配方法实现场景目标的密集重建。实验结果表明:该文所提方法可以快速得到准确、完整的三维重建结果。     

基于非局部相似字典学习的人脸超分辨率与识别

随着视频监控应用的普及,超低分辨率人脸识别问题越来越突出。现存的人脸识别算法在面对超低分辨率人脸图像时无法给出满意识别性能。在一定程度上,人脸超分辨率方法可以提高人脸的分辨率,但是,目前主流的基于字典学习的人脸超分辨率方法并不能很好地处理超低分辨人脸图像重建问题,尤其是超分辨率人脸识别问题。利用人脸图像块的非局部相似性和多尺度相似性,提出一种改进的基于字典学习的超分辨率人脸重建算法,同时提出尺度不变特征的超低分辨率人脸识别方法。实验结果表明:本文提出的方法不但具有很好的视觉效果,而且还具有很好的识别效果,与目前主流的人脸超分辨率和识别算法相比具有明显的优势。     

改进的AKAZE特征提取的全局式SFM三维重建算法

针对增量式SFM算法过渡依赖初始图像的选择,重建时误差累积导致场景漂移且计算效率低的问题,设计了一种改进的加速KAZE特征提取的全局式SFM三维重建算法.首先通过增强特征接受阈值并构造非线性尺度空间来提取图像的特征,使用改进局部差分二进制MLDB描述符对特征进行描述;然后利用全局式SFM算法对整个场景的相机位姿进行估计,从而减小误差并减少光束法平差BA的使用次数,降低了算法的复杂度,大大提高计算效率;最后利用基于面元的多视立体匹配PMVS算法得到稠密重建结果.实验结果表明,同等条件下该方法能够得到更多的有效点对,计算效率约为增量式SFM算法的2倍,且特征匹配准确率提高5％,稠密重建的点云精度高,信息丰富且纹理清晰,是一种有效的三维重建方法.     

无序三维点云重建技术研究

如何对海量三维点云数据进行快速三维重建是三维场景重现中关键的问题。本文从项目出发,对采集的无序点云提出根据内容进行重建,对非关键区域进行数据压缩,将压缩后的数据与关键区域的数据放在一起进行三维重建。试验结果表明,该方法能完整地呈现三维场景中的地物,同时也能减少三维场景重建的时间,可以为类似的三维重建提供一定的参考依据。     

基于双立体同步摄影的面部三维重建与量测

介绍了利用多台数码相机基于双立体同步摄影的面部三维模型重建与量测系统 ,提出了一种半自动提取格网点的有效方法。实现了无接触、无伤害、快速地获取面部三维数据和面部特征数据 ,为临床诊治提供依据。实验表明 ,系统达到了 0 .5 m m的量测精度 ,完全能满足实际的精度需求。     

两因子模型在多姿态人脸识别中的应用

通过对两因子模型的进一步深化、提炼和改进,提出了一种基于两因子模型的多姿态人脸识别方法,该方法能有效地缓解人脸特征对姿态变化较为敏感的问题。实验结果表明,经过姿态因子分离后的人脸全局或局部特征在保持较高显著性的同时,均对姿态变化具有理想的鲁棒性,在FERET人脸数据库上取得了最高92.5%的识别率。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

一种稳健性增强和精度提升的增量式运动恢复结构方法

增量式运动恢复结构(ISFM)实现了无序影像的三维重建,在精细化建模、现实场景三维记录以及互联网影像三维重建等领域发挥了重要的作用。但增量式运动恢复结构方法仍存在稳健性差和精度低等方面的问题,常导致三维重建结果难以令人满意甚至三维重建失败,严重限制了增量式运动恢复结构技术的发展应用。本文提出了一种增强稳健性、提升精度的运动恢复结构方法。本文方法有如下3点贡献:①针对立体影像特征匹配结果误差点多的问题,提出了一种顾及特征响应值的参数自适应RANSAC方法,在有效剔除误匹配的同时,最大限度地保留了正确的匹配点;②设计了一种顾忌稳健性     

区域地质调查路线剖面图加密重建与三维可视化

路线剖面图是区域地质调查平面图的重要补充,其三维重建可明确反映地质层面的地表展布与地下发育情况,是重建区域三维地质模型的必要数据。针对区域地质调查路线距离长、褶曲多、地质结构复杂的特点,本文建立了一种基于纵向定位线的剖面特征点三维坐标转换模型,提出了地质界线特征点加密算法,能够有效地提高重建路线三维剖面的准确度与光滑度。研发的剖面三维重建模块已应用于多幅实际区调数据工程项目,应用结果表明:该方法可满足区域地质调查建模需求,剖面重建效果良好,具有较好的实用价值和应用前景。     

单变量特征选择的苏北地区主要农作物遥感识别

遥感识别多源特征综合和特征优选是提高遥感影像分类精度的关键技术。农作物遥感识别中,识别特征的相对单一和数量过多均会导致作物识别精度不理想。随机森林(random forests)采用分类与回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。单变量特征选择(univariate feature selection)能够对每一个待分类的特征进行测试,衡量该特征和响应变量之间的关系,根据得分舍弃不好的特征,优选得到的特征用于分类。本文基于随机森林和单变量特征选择,利用多时相光谱信息、植被指数信息、纹理信息及波段差值信息,设计多组分类实验方案,对江苏省泗洪县的高分一号(GF-1)和环境一号(HJ-1A)影像进行分类研究,旨在选择最佳的分类方案对实验区主要农作物进行识别和提取。实验结果表明:(1)多源信息综合的农作物分类精度明显高于单一的原始光谱特征分类,说明不同类型特征的引入能改善分类效果;(2)基于单变量特征选择算法的优选特征分类效果最佳,总体精度97.07%,Kappa系数0.96,表明了特征优选在降低维度的同时,也保证了较高的分类精度。随机森林和单变量特征选择结合的方法可以提高遥感影像的分类精度,为农作物的识别和提取研究提供了有效的方法。     

非规则采矿工作面积分区间确定方法

针对工作面形状多种多样的特点,本文采用二次曲线描述工作面水平投影边界,并且利用分段积分的方法处理更加复杂的工作面形状,合理地解决了非规则采矿工作面积分区间的划分问题;同时,给出了工作面形状系数的计算公式,整个计算过程利用计算机技术实现自动解算,避免了对任意曲边形工作面采用矩形分割的近似处理方法,提高了地面沉陷预计精度。最后,用实例说明了本文提供的对非规则采矿工作面的处理方法比现行处理方法具有更高的     

文物对象近景序列影像位姿高精度估计方法

针对文物对象影像三维纹理重建中影像位姿估计的问题,本文提出了三维数据驱动及平差的位姿高精度估计方法。首先通过影像特征提取、匹配、误匹配点剔除得到准确的同名特征;然后建立首对影像高精度位姿相对关系,并以其像对三维点数据为驱动,结合二三维索引确定后续影像的相对位姿;最后以光束法平差与LM算法确定高精度的影像位姿参数。试验表明,本文方法在确定位姿速度和位姿精度上都体现了一定的优越性,为影像后续的密集点云生成奠定了基础。     

一种改进的超体素与区域生长点云分割方法

点云分割作为识别地理场景的空间特征、探索和记录空间信息的关键处理步骤,其分割精度直接影响后续三维场景重建、地物特征提取等应用的效果。针对传统区域生长点云分割算法的不稳定等问题,本文结合超体素和区域生长算法对点云数据进行分割,并利用点云自身的色彩信息进一步改进分割结果。试验结果表明,相较于传统的区域生长和已有的结合超体素与区域生长的分割算法,本文算法对点云数据分割的效果更好,且其精确率与召回率均有提高。     

融合纹理与形状的人脸加权新特征

根据人类进行人脸识别的特点,提出一种纹理与几何形状相结合的人脸新特征。新特征提取的第一步是提取脸部5个关键点;然后,根据人脸图像每个像素点到5个关键点距离动态对每个像素进行加权计算。新特征在纹理特征的基础上,融合了人脸关键点和每个纹理点与关键点之间的位置几何距离信息。与传统的单一纹理特征相比,提高了抗干扰性;而且,由于定位了5个关键点,有利于后续的人脸分块识别。在YALE人脸库和XJTU人脸库上采用线性判别方法与稀疏表示人脸识别方法的实验研究表明:新特征与传统的纹理特征相比,识别率提高了5%~10%;新特征加人脸分块方法识别率接近100%。