三维全景给用户提供360°视角的同时给人以强烈的三维立体真实感,虽然近年来研究人员开发了大量的算法来检测二维及三维图像中的显著区域,但针对立体全景图像显著性检测的研究较少。考虑到全景图像的投影特点、立方体投影(CMP)图像有助于消除顶部与底部引起的扭曲及边框效果,利用等矩形投影(ERP)图像中所有可用的上下文信息,以ERP作为全局信息、CMP作为局部信息,融合了全局和局部的视觉显著图。提出的立体全景显著性检测模型由颜色相似度算法和区域对比度算法两部分组成。首先,对图像进行多尺度线性迭代聚类超像素分割,根据像素块的颜色差异得到颜色对比特征图;然后依据空间分布紧凑性计算区域对比度;根据颜色对比特征和区域对比度特征得到图像显著图。通过结合赤道偏移并且融入深度信息得到最终的立体全景显著图。最后,将所得结果在公开的立体全景图像数据库ODI中进行了对比验证,实验结果表明,所提方法得到的显著结果具有较高的准确率、召回率和F-measure值,其综合性能优于6种经典的显著预测算法。所提模型既能够充分利用图像信息,又能有效地抑制复杂的背景区域,可得到更加符合视觉感知的显著图。

为了更好地设计和评估图像拼接算法,提出一种面向颜色校正的拼接图像质量评价方法。该方法利用现有的颜色校正算法和拼接算法建立了含有5种色差的拼接图像库;分别从拼接前图像序列和拼接图像中提取4个特征,将4个特征进行融合后,通过支持向量回归算法建立特征与质量之间的关系模型,预测色差拼接图像质量。实验结果表明,所提方法可以有效评估色差拼接图像的质量。

当背景与目标颜色相近时, 传统基于颜色直方图的粒子滤波跟踪算法容易被干扰发生错误跟踪。彩色二进制局部不变特征(CBLID)具有旋转、尺度缩放和光照不变性等特点, 将CBLID特征应用到粒子滤波跟踪算法中, 以提高跟踪算法的抗干扰能力。考虑到纹理少的目标的CBLID特征点较少, 仅仅依据CBLID特征进行跟踪不稳定, 提出一种结合CBLID特征与颜色直方图特征的粒子滤波跟踪算法。该算法依据颜色直方图的Bhattacharyya距离以及CBLID特征点匹配数目确定粒子的权值, 并根据当前帧跟踪结果及CBLID目标模板中特征点匹配数来决定是否对目标颜色模板进行更新。实验结果表明, 当目标出现遮挡或者背景颜色相近时, 该方法能够有效地提高跟踪精度, 同时它比基于SIFT特征的粒子滤波算法速度快。