多視覺動畫特征點檢測過程中受到視覺擾動影響導致特征匹配性能不好,為了提高多視覺動畫特征點匹配能力,提出基于激光跟蹤定位的多視覺動畫特征點匹配方法。采用空域濾波和頻域濾波相結(jié)合的方法進行多視覺動畫圖像濾波處理,采用激光點跟蹤識別方法進行多視覺動畫圖像的幀點掃描,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行多視覺動畫信息增強處理,利用錨點鄰域回歸分析方法進行多視覺動畫特征點檢測,通過激光跟蹤定位結(jié)果,實現(xiàn)多視覺動畫特征點的自動匹配。仿真結(jié)果表明,采用該方法進行多視覺動畫特征點匹配的配準率較高,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匹配實現(xiàn)過程

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

原始圖像

【參考文獻】：
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,周獻中,卜錫濱.  蘭州大學學報(自然科學版). 2019(02)
[2]基于加速引導濾波的圖像像素級融合[J]. 陳洋,王世峰,都凱悅,王銳.  長春理工大學學報(自然科學版). 2018(06)
[3]基于SURF和光流場的醫(yī)學圖像配準技術(shù)研究[J]. 蘇孟超,李克偉,張聰炫.  南昌航空大學學報(自然科學版). 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.  計算機應用. 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.  計算機工程與應用. 2019(07)
[6]圖像去霧DCP算法的透射率容差參數(shù)修正[J]. 羅娜,李學國.  科技通報. 2018(09)
[7]復雜海面環(huán)境下船只邊緣識別算法的改進[J]. 童強,李太君.  海南大學學報(自然科學版). 2018(03)
[8]基于顯著性與弱凸性的三維點云模型分割[J]. 鄭樂樂,韓慧妍,韓燮.  計算機工程. 2018(04)
[9]基于深度學習的圖像識別研究[J]. 安強強,鄭敏.  自動化與儀器儀表. 2018(03)
[10]魯棒的自適應尺度和方向的目標跟蹤方法[J]. 單玉剛,汪家寶.  計算機工程與應用. 2018(21)



本文編號：3023987