由物体表面的二维灰度图像重构其三维几何形状法(由明暗恢复形状法) ,其关键是寻求对应的数学物理模型稳定可靠的数值解法。首先利用变分原理,将一个非线性的双曲方程问题转化为一个泛函的极小化问题;然后应用有限差分思想和非线性最小二乘问题的高斯-牛顿法将泛函中的变量离散化和线性化;最后应用高斯-塞德尔迭代法形成了曲面各点的梯度值及高度值。对合成和实际图像的计算及数控仿形加工实验验证表明,该算法有效可行。

为了提高偏振去雾方法对大气光估计的准确度,提出一种基于大气光偏振层析的雾天图像重构方法。在偏振空间下,将大气光梯度先验信息作为约束条件,对原始雾天偏振图像进行分层,估计大气光偏振图像;然后从大气光偏振图像中解析大气光,实现对大气光的偏振层析;最后,结合所提雾天图像偏振重构模型,并在大气光图像中估计无穷远处大气光,实现对雾天图像的去雾重构。实验结果表明,所提方法提高了大气光估计的准确度,进而使重构图像更清晰、目标还原度更高,且适用于不同浓度下的雾天图像重构。

基于SFM算法的三维模型重建，使用三维图像模型重构三维图像

ART算法图像重构(PPT52页).ppt

将广义近似消息传递算法应用到压缩相位恢复中，从而提高图像重构质量，提高运行速度，通过实验证明该算法的优异性，良好的噪声鲁棒性和简短的运行时间。 （2）使用不同的去噪器来实现更好的相位恢复，在原来算法基础上借鉴其他方法改进算法，从而实现更好的图像重构质量。

鉴于小波多尺度分解与重构在图像的编码、压缩、去燥、融合等方面的重要作用，介绍了Haar 小波的尺度函数与小波函数，给出了Haar 小波多尺度分解与重构的算法，并进行成功验证。结果表明，多尺度分解将图像分解成一个简单的多层次框架，框架的每个分量具有独特的频率特性和空间取向特性，同时重构算法能很好地恢复图像

针对双目视觉深度估计成本高、体积大以及监督学习需要大量深度图进行训练的问题,为实现无人机在飞行过程中的场景理解,提出一种面向无人机自主飞行的无监督单目深度估计模型。首先,为减小不同尺寸目标对深度估计的影响,将输入的图像进行金字塔化处理;其次,针对图像重构设计一种基于ResNet-50进行特征提取的自编码神经网络,该网络基于输入的左视图或右视图以及生成对应的金字塔视差图,采用双线性插值的方法重构出与其对应的金字塔右视图或左视图;最后为提高深度估计的精度,将结构相似性引入到图像重构损失、视差图一致性损失中,并且联合视差图平滑性损失、图像重构损失、视差图一致性损失作为训练的总损失。实验结果表明,经过在KITTI数据集上的训练,该模型在KITTI和Make3D数据集上相比其他单目深度估计方法具有更高的准确性和实时性,基本满足无人机自主飞行对深度估计准确性和实时性的要求。

ART算法图像重构

基于图像重构和特征融合的人脸识别方法研究.rar

CT系统在不破坏样品的情况下，利用样品对射线能量的吸收特性对生物组织 与工程材料的样品进行断层成像.即通过发射光源的起点然后中间经过旋转与映 射，然后投影在探测器上面，故在探测器上可以见物质的几个图像与能量的变化.