多視覺動畫特征點(diǎn)檢測過程中受到視覺擾動影響導(dǎo)致特征匹配性能不好,為了提高多視覺動畫特征點(diǎn)匹配能力,提出基于激光跟蹤定位的多視覺動畫特征點(diǎn)匹配方法。采用空域?yàn)V波和頻域?yàn)V波相結(jié)合的方法進(jìn)行多視覺動畫圖像濾波處理,采用激光點(diǎn)跟蹤識別方法進(jìn)行多視覺動畫圖像的幀點(diǎn)掃描,提取多視覺動畫圖像的邊緣輪廓特征量,根據(jù)邊緣輪廓分布的鄰域特性進(jìn)行多視覺動畫信息增強(qiáng)處理,利用錨點(diǎn)鄰域回歸分析方法進(jìn)行多視覺動畫特征點(diǎn)檢測,通過激光跟蹤定位結(jié)果,實(shí)現(xiàn)多視覺動畫特征點(diǎn)的自動匹配。仿真結(jié)果表明,采用該方法進(jìn)行多視覺動畫特征點(diǎn)匹配的配準(zhǔn)率較高,激光跟蹤定位精度較高,提高了多視覺動畫的特征檢測和識別能力。 

【文章來源】：激光雜志. 2020,41(10)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

多視覺動畫圖像的特征點(diǎn)匹配實(shí)現(xiàn)過程

其中，Si,j(t)表示三維視覺下多視覺動畫特征點(diǎn)輪廓線，Ti,j(t)表示多視覺動畫特征點(diǎn)的標(biāo)量像素集，Ui,j(t)表示三維視覺下目標(biāo)和背景之間的色差。結(jié)合激光跟蹤定位的方法[16-17]，實(shí)現(xiàn)多視覺動畫特征點(diǎn)匹配，實(shí)現(xiàn)流程如圖2所示。4 實(shí)驗(yàn)測試分析

原始圖像

【參考文獻(xiàn)】：
期刊論文
[1]基于模糊C均值與人工蜂群優(yōu)化的灰度圖像分割[J]. 魏光杏,周獻(xiàn)中,卜錫濱.  蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[2]基于加速引導(dǎo)濾波的圖像像素級融合[J]. 陳洋,王世峰,都凱悅,王銳.  長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[3]基于SURF和光流場的醫(yī)學(xué)圖像配準(zhǔn)技術(shù)研究[J]. 蘇孟超,李克偉,張聰炫.  南昌航空大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[4]可見光-近紅外HSV圖像融合的場景類字典稀疏識別方法[J]. 劉佶鑫,魏嫚.  計(jì)算機(jī)應(yīng)用. 2018(12)
[5]基于U-Net的高分辨率遙感圖像語義分割方法[J]. 蘇健民,楊嵐心,景維鵬.  計(jì)算機(jī)工程與應(yīng)用. 2019(07)
[6]圖像去霧DCP算法的透射率容差參數(shù)修正[J]. 羅娜,李學(xué)國.  科技通報(bào). 2018(09)
[7]復(fù)雜海面環(huán)境下船只邊緣識別算法的改進(jìn)[J]. 童強(qiáng),李太君.  海南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[8]基于顯著性與弱凸性的三維點(diǎn)云模型分割[J]. 鄭樂樂,韓慧妍,韓燮.  計(jì)算機(jī)工程. 2018(04)
[9]基于深度學(xué)習(xí)的圖像識別研究[J]. 安強(qiáng)強(qiáng),鄭敏.  自動化與儀器儀表. 2018(03)
[10]魯棒的自適應(yīng)尺度和方向的目標(biāo)跟蹤方法[J]. 單玉剛,汪家寶.  計(jì)算機(jī)工程與應(yīng)用. 2018(21)



本文編號：3023987