译文_High-Speed Tracking with Kernelized Correlation Filters.rar

大多数现代跟踪器的核心部件是识别分类器，其任务是区分目标和周围环境。为了应对自然图像的变化，这个分类器通常使用翻译和缩放的样本补丁进行训练。这样的样本集充满了冗余——任何重叠的像素都被限制为相同的。基于这个简单的观察，我们提出了一个分析模型的数据集的数千个翻译补丁。通过证明所得到的数据矩阵是循环的，我们可以用离散傅立叶变换对其进行对角化，从而将存储和计算都减少了几个数量级。有趣的是，对于线性回归，我们的公式相当于一些最快的竞争跟踪者使用的相关滤波器。然而，对于核回归，我们推导了一种新的核相关滤波器（KCF），它与其他核算法不同，具有与线性相关滤波器完全相同的复杂性。在此基础上，我们还提出了一种基于线性核的线性相关滤波器的快速多通道扩展，我们称之为双相关滤波器（DCF）。KCF和DCF在50个视频基准测试中都优于诸如strike或tld之类的顶级追踪器，尽管它们以每秒数百帧的速度运行，并且在几行代码中实现（算法1）。为了鼓励进一步的发展，我们的跟踪框架是开源的。

基于双目视觉的三维重构算法实现_王媛媛.pdf

基于 Altera DE1 SOC 开发平台，选用 OV7725 互补金属氧化物半导体( CMOS) 摄像头组进行图像采集，经现场可编程门阵列( FPGA) 预处理后由视频图形阵列( VGA) 显示器显示。基于双目视觉的三维场景重构算法包含图像预处理、多线程加速立体匹配以及 AD-Census 匹配，采用了 Verilog HDL 和统一计算设备架构( CUDA) 编程实现。实验结果表明: 系统实现了以 7 帧 /s 速度计算 640 像素×480 像素大小的深度图; 并且可以将以 1．8°为间隔的 150 幅深度图转换为点云，重构出 270°左右视野内的三维场景。

基于视觉的目标识别中改进SIFT算法研究_马庭田.pdf

为解决 SIFT 特征匹配算法计算量大、运算速度慢等问题，在详细分析了原有经典算法的基础上，对其进行改进: 一方面从降低运算复杂度的角度考虑，通过对每个像素的梯度模值和梯度方向进行高斯加权，将原有 128 维的特征描述符降低至 24 维; 另一方面对特征向量的搜索方法进行改进，在原有 BBF 搜索方法的基础上，引入每一维度的数据与节点之间的关系来限定搜索范围，减少搜索次数，提高算法的搜索速度，进而减少算法整体的运行时间。最后，通过实验验证算法在运算速度上的提升，同时对匹配的准确度进行分析，在保证算法准确度的基础上提升运算速度。

基于自适应权重AD_Census变换的双目立体匹配_王云峰.pdf

针对AD-Census变换采用固定权重将AD变换代价与Census变换代价合成的双目立体匹配代价无法体现像素点区域特征的问题，提出一种基于自适应权重AD-Census变换的双目立体匹配算法。算法首先通过增加相邻像素点的灰度差阈值条件改善十字支撑自适应窗口；然后以每个像素点的十字支撑自适应窗口的最短臂长为自变量，利用指数形式的函数，进行AD变换代价与Census变换代价合成权重的自适应设置。由于像素点十字支撑自适应窗口的最短臂长能够反映像素点的区域特性，因此自适应设置的权重大小与像素点的区域特性直接相关，计算图像边缘区域像素点的匹配代价时，AD变换的权重大；计算平滑区域像素点的匹配代价时，Census变换的权重大。Middlebury第3代双目立体匹配评估平台的结果显示，基于自适应权重AD-Census变换的双目立体匹配性能与基于AD-Census变换的双目立体匹配性能相比，所有图像集的全部像素点的视差平均误差减小了25%，非遮挡像素点的视差平均误差减小了20%，性能得到了提升；平台上包括Adir在内的多个图像集的匹配结果表明基于自 适应权重AD-Census变换的双目立体匹配更适合含纹理丰富、存在重复区域的图像。

目标跟踪算法综述_孟琭.pdf

目标跟踪一直以来都是计算机视觉领域的关键问题, 最近随着人工智能技术的飞速发展, 运动目标跟踪问题得到了越来越多的关注. 本文对主流目标跟踪算法进行了综述, 首先, 介绍了目标跟踪中常见的问题, 并由时间顺序对目标跟踪算法进行了分类: 早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法. 接下来, 对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较. 最后, 使用 OTB-2013 数据集对目标跟踪算法进行测试, 并对结果进行分析, 得出了以下结论: 1) 相比于光流法、 Kalman、 Meanshift 等传统算法, 相关滤波类算法跟踪速度更快, 深度学习类方法精度高. 2) 具有多特征融合以及深度特征的追踪器在跟踪精度方面的效果更好. 3) 使用强大的分类器是实现良好跟踪的基础. 4) 尺度的自适应以及模型的更新机制也影响着跟踪的精度.

双目视觉立体匹配技术研究及其应用.pdf

双目立体视觉技术是计算机视觉中的非常重要的技术研究领域，并已经在诸多的实际应用领域得到了推广。本文详细介绍了双目立体视觉技术的理论基础，并结合实际应用，重点研究了边缘特征提取和立体匹配方法。

基于单幅图像的快速去雾算法_刘倩.pdf

雾霾等天气会导致室外图像可视性降低,进一步导致室外图像处理系统性能下降.本文给出一种基于单幅彩色或灰度图像的快速去雾算法.基于物理模型分析,仅利用均值滤波对环境光和全局大气光进行估计.本文算法简单有效,能够用于实时计算.实验表明,与其他算法相比较,结果具有很好的可视性.

基于Python语言的SAD算法进行双目立体匹配.rar

SAD(Sum of absolute differences)是一种图像匹配算法。基本思想：差的绝对值之和。此算法常用于图像块匹配，将每个像素对应数值之差的绝对值求和，据此评估两个图像块的相似度。该算法快速、但并不精确，通常用于多级处理的初步筛选。

智能算法外文文献.rar

“智能算法”是指在工程实践中，经常会接触到一些比较“新颖”的算法或理论，比如模拟退火，遗传算法，禁忌搜索，神经网络，天牛须搜索算法等。这些算法或理论都有一些共同的特性（比如模拟自然过程。它们在解决一些复杂的工程问题时大有用武之地。

第七章 视觉模型.pptx

数字图像处理中视觉模型，视觉模型在一般的图形学中就是投影的方式，如透视投影就是模拟人视觉的一个模型，当然还有双目视觉在计算机视觉中遇到 的问题等