吉林大学学报(工学版)

• • 上一篇    下一篇

一种新的动态全景图表示方法

李文辉1,张岩1,2,陈海旭1,王彤1,李晶3   

  1. 1.吉林大学 计算机科学与技术学院,长春 130012; 2.南京大学 计算机科学与技术系,南京 210093; 3.吉林大学 第一医院,长春 120012
  • 收稿日期:2005-08-26 修回日期:2005-11-03 出版日期:2006-07-01 发布日期:2006-07-01
  • 通讯作者: 李文辉

Novel representation for dynamic panorama

Li Wen-hui1,Zhang Yan1,2,Chen Hai-xu1,Wang Tong1,Li Jing3   

  1. 1.College of Computer Science and Technology , Jilin University,Changchun 130012,China; 2.Department of Computer Science and Technology,Nanjing University, Nanjing 210093, China; 3.The First Hospital, Jilin Unversity, Changchun 120012,China
  • Received:2005-08-26 Revised:2005-11-03 Online:2006-07-01 Published:2006-07-01
  • Contact: Li Wen-hui

摘要: 提出了一种新的动态全景图的生成方法。首先将一系列定点拍摄的照片采用基于粒子群优化(PSO)的多分辨率拼接算法拼接成静态全景图,然后用摄像机拍摄场景中做周期或随机运动的物体,实现视频纹理,最后将视频纹理对准到静态全景图中。自主开发了一种动态全景浏览器。该浏览器除了具有普通全景图浏览器的功能外,还实现了添加、对准以及播放视频纹理的功能,极大地增强了漫游的真实感。

关键词: 信息处理技术, 动态全景图, 粒子群优化, 多分辨率, 视频纹理

Abstract: A method for the generation of dynamic panoramas was developed. Firstly, employing Particle Swarm Optimization (PSO) based multiresolution mosaic algorithm, the system generates a static panorama from a series of photographs taken at a fixed position. Then, a video camera is used to capture the periodically or stochastically moving objects in the scene and the system converts these video clips into video texture. Finally, the system registers the video texture with the static panorama and combines them into a compact representation. A novel panorama browser was developed which, in addition to its original functions, implements functions, such as adding, matching and playing video textures. Thus, the browsing visual reality is significantly enhanced.

Key words: information processing, dynamic panorama, particle swarm optimization, multiresolution, video texture

中图分类号: 

  • TN911.73
[1] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[2] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[3] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[4] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[5] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[6] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[7] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[8] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[9] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[10] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[11] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[12] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[13] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[14] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[15] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!