高阶次 Caputo型分数阶微分算子及其图像增强应用

近年来基于分数阶微积分的信号和图像处理受到广泛关注.目前常见的应用于图像处理的分数阶微分算子包括G-L(Grünwald-Letnikov)型、R-L(Riemann-Liouville)型和Caputo型3种.G-L和R-L算子尽管能对图像有着一定的增强效果,但其对图像对比度、清晰度的提升有限;而Caputo型微分掩模算子目前多限于(0,1)阶的低阶算子,其高阶次算子的研究和应用相对较少.对高阶次Caputo型分数阶微分算子及其图像增强应用进行研究,首先针对(1,2)阶、(2,3)阶次Caputo型分数阶微分构建一种基于向前差分的微分掩模算子,并对其误差进行了论证;其次进一步给出了更高阶次Caputo型分数阶微分算子的矩阵化表现形式;最后在此基础上将所提出的高阶次Caputo型分数阶微分掩模算子应用于图像增强.实验结果表明所提出的高阶次Caputo型分数阶微分算子取得了很好的图像增强效果,对提升图像的对比度、清晰度和平均梯度具有较为明显的优势.

多波段遥感影像锐化方法研究进展

受成像机理的限制,目前的遥感硬件技术条件尚无法获取同时具备高空间、高光谱分辨率的多波段遥感影像。多波段遥感影像作为一种反映各个不同窄波段区间信息的三维影像集合,其包含二维空间信息和一维光谱信息,空间信息反映场景中的几何特性,而光谱信息则对应地物在不同波段的电磁波特性。为弥补多波段遥感影像空间信息采集的不足,利用辅助影像增强其空间分辨率,即多波段遥感影像的锐化受到重视。多波段遥感影像锐化不仅可提升影像的视觉效果,同时可为诸如地物分类、变化检测和参数反演等后继的定性、定量化遥感应用奠定基础,因而一直是遥感影像处理领域非常重要且持续活跃的研究方向。为此,对多波段遥感影像锐化方法的研究进展进行综述:一是对多波段遥感影像锐化的内涵进行了表述;二是以多光谱(MS)影像的全色锐化为视角、以算法实现的技术为脉络,分别从基于成分替代(CS)、基于多分辨率分析(MRA)、基于最优化模型(OM)和基于深度学习(DL)四个方面对多光谱遥感影像锐化方法的研究进展和存在的问题进行分析和讨论;三是结合高光谱(HS)影像所存在的不同于MS的自身特性,对HS影像的锐化特点进行了分析,并对不同于MS的一些特有HS锐化方法进行了讨论和归纳;最后对多波段遥感影像锐化方法未来的发展进行了展望,分别从目前CS和MRA方法更受到主流认可的原因,以及未来多波段遥感影像锐化领域将呈现出多种方法的相关融合两个方面进行了讨论。

深度卷积网络的自然场景文本检测研究综述

自然场景文本检测是从场景图像中获取文本信息的重要手段,但是仍旧面临背景复杂、文字种类丰富、排列方向多样、文本行组成复杂等因素的严峻挑战.研究检测精度高、通用性强、稳健性好的自然场景文本检测方法是目前计算机视觉领域的热点问题之一.并且,基于深度卷积网络的自然场景文本检测方法逐渐成为主流.因此,从自然场景文本检测技术的研究背景及主要挑战切入,根据骨干网络的不同将现有方法划分为基于VGG网络的文本检测方法、基于残差网络的文本检测方法和基于特征金字塔网络的文本检测方法,重点阐述各类方法的核心思想、技术优势及其不足;然后,总结自然场景文本检测的公共数据集,对代表性方法的检测性能进行客观比较;最后,梳理和总结自然场景文本检测技术的难点并展望其未来发展趋势.

科教融合下的“一核三融四载体”课程教学模式探索

针对研究生前沿专题课程教学中存在的创新能力培养缺乏全链条设计、科教融合度不够、前沿性和理论性权衡不佳等问题,提出一种科教融合视域下国家基金项目群驱动的、以创新能力培养和成果产出为核心的“一核三融四载体”课程教学模式,以辽宁师范大学计算机科学与技术专业的多媒体计算专题研究生课程为例,具体阐述课程教学模式设计,详细介绍实施准备、模块化教学内容设计、多层次混合式教学活动的组织与实施以及多元化教学评价等课程教学实践活动,并说明教学成效。

高光谱影像变化检测研究进展

随着现代遥感技术的快速发展,遥感影像变换检测技术受到重视并被应用到地理国情检测、土地调查、生态系统监测、食品安全保障和军事侦察等领域。高光谱影像所具有的更精细的光谱分辨率以及多时相高光谱影像所提供的更加丰富和更为详细的光谱变化信息为进一步精细判断地表的变化提供了可能。然而高光谱影像高复杂度的数据结构、高维度的数据特征、高冗余信息,以及不同时相光谱信息对环境的敏感性极大地增加了多时相高光谱变化检测的难度。文章以变化检测过程中所涉及的技术手段为主线,首先从六个方面对多时相高光谱影像变化检测的研究动态及现状进行分析,包括:(1)基于高光谱影像间广义相似度度量的传统高光谱影像变化检测方法,该类方法主要沿用了高光谱影像出现之前多光谱变化检测的技术路线;(2)基于降维的高光谱影像变化检测方法,该类方法主要为克服高光谱影像所具有的高维度、高冗余等特性给变化检测带来的不良影响而展开;(3)基于统计建模的高光谱影像变化检测方法,该类方法通过对高光谱影像的统计特性和多维度相关性进行挖掘和建模来确定各像元的变化属性;(4)基于分类方法的高光谱影像变化检测方法,该类方法将图像的分类策略引入到变化检测过程中为获得“from-to”类型的变化信息提供保障;(5)基于光谱解混的高光谱影像变化检测方法,该类方法主要面对高光谱影像低空间分辨率所带来的混合像元问题如何提取精细的变化信息而展开;(6)基于深度学习的高光谱影像变化检测方法,该类方法通过将深度学习技术应用于多时相高光谱变化检测中而产生的一类新兴而具有发展前景的变化检测技术。进一步,对目前多时相高光谱影像变化检测中面临的挑战性问题进行了提炼和分析展望。

遥感图像高斯与椒盐噪声的PDE混合去噪模型研究

针对经过前期处理的遥感图像主要含有高斯噪声和椒盐噪声的特点,提出一种基于PDE的混合去噪模型,该模型克服传统的纯各向异性扩散模型在平滑区域过度扩散、产生阶梯效应和四阶PDE模型在去噪的同时过多损失边缘信息的弱点,在有效去除遥感图像中混合噪声的同时,很好地保持图像的边缘和纹理细节信息。实验结果验证所提出模型的有效性和稳定性。

基于多尺度几何分析的图像编码研究进展

近10年来,在小波变换的理论基础之上,产生了一系列新的能够更加有效地表示和处理高维数据奇异的数学变换,统称为"多尺度几何分析".它们不仅具有多分辨率特性、时频局部性、多方向性和各向异性,而且克服了小波变换表示边缘、轮廓等高维奇异时存在的局限性.目前,有关多尺度几何分析的理论和应用方法的研究已经成为一个新的热点.首先探讨了小波变换的方向特性及其局限性;其次,以多尺度几何分析的发展为主线,对基于各种多尺度几何分析工具的静态图像编码算法进行概述阐述和比较研究,同时分析和讨论了各类算法的优势和不足;最后,对基于多尺度几何分析的图像编码算法的未来发展进行展望.

基于MSPF的实时监控多目标跟踪算法研究

近年来,实时监控下多目标跟踪作为智能交通系统(Intelli-gent transportation system,ITS)的重要组成部分受到关注.传统多目标跟踪方法通常具有处理速度慢、容易对交叉行进车辆产生误匹配等问题.本文首先对基于贝叶斯规则的车辆视频复杂背景的建模及运动目标的检测进行研究,在此基础上提出一种基于Mean shift粒子滤波(Mean shift particle filter,MSPF)的多目标跟踪算法,首先对每一目标车辆在下一帧可能出现的范围进行预测,对单目标和多目标情况采用不同的检测策略,避免了全局搜索,提高了跟踪速度;通过构造基于最新观测信息的重要性密度函数,提高了MSPF算法在复杂背景情况下追踪部分遮挡及交叉车辆的准确性和鲁棒性.仿真实验结果验证了所提出算法的有效性.

Contourlet四叉树系数方向相关性的遥感图像融合算法

近年来,遥感图像融合技术作为遥感图像处理的重要分支,在资源调查、环境监测和区域分析等领域受到广泛关注.遥感图像融合技术可以融合不同传感器获得的不同图像,获得一幅信息完整、表达准确的融合图像.Contourlet变换以其优越的非线性逼近特性和良好的多分辨率、各向异性、冗余性等特点成为处理二维及多维信号奇异性的有利工具,并广泛应用到图像融合领域.结合Contourlet变换的特征,深入分析了Contourlet系数的关联特征,提出了一种基于Contourlet四叉树系数方向相关性的遥感图像融合方法.首先对不同传感器所采集的遥感图像进行Contourlet变换,获得不同尺度下的系数分布;然后根据各尺度之间的系数满足四叉树结构关系、树中各结点的方向相关性表现出一致的特征,提出了一种新的系数相关性融合规则,能够自适应地计算融合加权系数,进而获取融合系数;最后对融合系数进行Contourlet逆变换,得到遥感融合图像.相比于传统遥感图像融合方法,新算法获得的图像信息量更加丰富,纹理更加清晰,具有较强的实用性.

IPTV体系结构及其流媒体技术研究进展

首先,对IPTV体系结构的发展情况进行了简单对比介绍,特别对基于IMS的IPTV体系结构各模块之间建立多媒体会话的具体过程进行了分析;然后,对IPTV系统应用有重要影响的一些流媒体技术的应用发展情况进行了讨论;最后对IPTV相关技术领域的未来发展方向进行了展望。

基于Cauchy分布的非下采样Shearlet HMT模型及其图像去噪应用

Shearlet变换作为后小波时代的一个重要的多尺度几何分析工具具有良好的各向异性和方向捕捉性,同时它也可以对诸如图像等多维信号进行一种近最优的稀疏表示.非下采样Shearlet变换(NSST)在保持Shearlet变换特性的同时还具有平移不变特性,这在具有丰富纹理和细节信息的图像处理中发挥着重要作用.该文首先对图像NSST方向子带内系数的概率密度分布进行分析,获得系数的稀疏统计特性和Cauchy分布拟合子带内系数的有效性;其次对NSST方向子带间系数的联合概率分布进行分析,获得方向子带系数间所具有的持续和传递特性,确定了一种NSST子带间树形架构的系数对应关系,进而提出一种NSST域隐马尔可夫模树模型(C-NSSTHMT),该模型通过Cauchy分布来拟合NSST系数,更好地揭示图像NSST变换后相同尺度子带内和不同尺度子带间系数的相关性.进一步提出一种基于所提出C-NSST-HMT模型的图像去噪算法,该算法对于含噪声方差为30和40的噪声图像,其去噪后的PSNR(Peak Signal to Noise Ratio)较NSCT-HMT方法分别提高了1.995dB和1.193dB.特别对纹理和细节丰富的图像,该算法在去噪的同时,有效地保留了图像的几何信息.

基于HMM的车辆行驶状态实时判别方法研究

对交通视频车辆轨迹时序特征下的车辆行驶状态进行研究,提出了一种基于隐马尔科夫模型(Hidden Markov model,HMM)的车辆行驶状态实时判别方法.首先对轨迹序列进行了基于轨迹长度的去不完整轨迹序列、对车辆轨迹点序列的线性平滑滤波和最小二乘线性拟合的预处理操作,保证了所获得轨迹序列的有效性;其次,提出一种基于车辆运行轨迹点序列方向角的车辆轨迹特征值表示方法和基于方向角区间划分的HMM观察值序列生成方法,该方法以方向角的区间变化来区分不同轨迹模式的特征;最后,采用多观察值序列下的Baum-Welch算法训练得到相关交通场景轨迹模式类的最优HMM参数,并通过实时获取车辆行驶轨迹段与相应模型的匹配,实现对车辆行驶状态的实时判别.仿真实验验证了本文方法的有效性和稳定性.

非抽取小波边缘学习深度残差网络的单幅图像超分辨率重建

图像超分辨率重建作为一个典型的非适定问题一直受到重视,尽管近年来出现了许多行之有效的卷积神经网络超分辨率重建模型,但如何全面挖掘图像先验信息,用以提高重建图像的细节清晰度仍有待深入研究.本文提出一种基于非抽取Wavelet变换的边缘学习深度残差网络单幅图像超分辨重建模型NDW-EDRN(Non-Decimated Wavelet Edge learning using Deep Residual Networks),在图像经非抽取Wavelet变换后获得多冗余信息、平滑及梯度值较小的低频区域和边缘及梯度值较大的高频区域的基础上,将整体网络框架设计为采用不同结构的CNN(Convolutional Neural Networks)模型来对低频子带与高频子带分别进行学习的策略:对低频子带采用稠密跳跃连接的方式整体性学习低频子带间的映射关系;对高频子带采用一种新型的U-net模型,将图像退化过程中所丢失的边缘作为网络的期望输出,通过基于块的跳跃连接来使网络更精细地学习缺失性边缘,从而更加充分、有效地获取图像在退化过程中所丢失的边缘细节信息.大量实验结果表明,该网络模型能够有效提高重建图像的质量,特别在恢复低分辨率图像的边缘信息方面具有一定的优势,在一定程度上弥补了传统CNN网络模型捕捉图像细节信息的不足.

小波域多角度轮廓模板变分模型的单幅图像超分辨率重建

近年来图像超分辨率重建技术因其可以提高图像的识别精度和识别能力而受到重视,其中一个难点问题是如何保证图像边缘纹理区域的重建质量.本文提出一种基于小波域的单幅图像超分辨率重建方法,首先对输入图像进行非下采样小波变换,根据小波变换的多方向性提出三类多角度模板,并采用TV模型估计各子带轮廓,确定其所属的最优方向,然后利用多角度模板来对各个子带进行双三次B样条插值,最后进行非下采样小波反变换.该方法使重建后图像的边缘、纹理信息更加精细,克服了诸如双线性插值法与双三次插值法等传统插值重建所产生的边缘模糊与边缘锯齿化,以及纹理区域失真等不足,在一定程度上提高了重建图像的质量.该方法可用于图像监控、遥感影像分析和医学图像处理等领域.大量的仿真实验验证了所提出方法的有效性.

活动轮廓模型的图像分割方法综述

基于活动轮廓模型的图像分割方法作为计算机视觉应用领域的一个研究热点而倍受关注.文中首先阐述活动轮廓模型的数学模型及其相关的数值实现方法.然后以参数活动模型和几何活动模型的发展为主线,对活动模型的发展进行综述,对其应用于图像分割的经典方法、优势和所存在的问题进行比较性研究.最后对活动轮廓模型的未来发展进行展望。

曲线拟合确定阈值的非抽取小波贝叶斯图像去噪方法

非抽取小波变换(UDWT)不仅具有时间和频率的局域特性,还具有良好的平移不变性,能有效抑制传统小波去噪方法产生的伪Gibbs现象.文中通过统计分析图像的UDWT系数,得到UDWT系数具有较强的非高斯统计特性的结论.在此基础上,应用广义高斯分布模型对系数进行建模,提出基于图像标准差的曲线拟合方法以提高图像噪声标准差估计值的精度,并以此确定去噪阈值.文中方法依据UDWT的平移不变特性有效抑制传统小波去噪方法出现的伪Gibbs现象,通过提高去噪阈值的精度以提高图像的去噪效果.大量仿真实验验证文中方法的有效性.

混合种群多样性自适应遗传操作的HMM训练模型

针对传统GA方法训练HMM模型所存在的对遗传控制参数具有较强的敏感性的问题:1)提出一种以混合遗传种群多样性为原则的BPD-AGA算法,该算法依据决定种群多样性的基因型和表现型来自适应地调整遗传参数,使整个遗传迭代过程能够在扩大遗传搜索空间的同时提高最优解的质量;2)提出了一种基于BPD-AGA的HMM训练模型,该模型一方面利用BPD-AGA的自适应选择操作,选择对混合种群多样性贡献最大的个体作为竞争优胜者;另一方面利用BPD-AGA的自适应交叉变异操作,在扩大算法搜索空间的同时保护对混合种群多样性贡献较大的个体,从而保证了HMM解个体的全局最优性;3)为了提高BPD-AGA训练的收敛速度,利用Baum-Welch算法从外部对BPD-AGA的收敛性进行了改善,提出了一个从外部和内部同时改善GA性能的BPD-AGA/Baum-Welch混合模型;4)给出了将所提出的模型和算法应用在交通视频车辆行驶状态判别中的实现过程.仿真实验验证了所提出模型和算法的有效性.

静态图像编码研究进展

多媒体及 Internet的迅速发展导致了对图像编码技术更高的要求 .首先以波形编码、第二代编码技术和分形编码技术为线索对静态图像编码技术的发展及编码技术中所存在的一些问题进行了讨论 ,并从图像编解码的观点讨论了图像在有噪信道上传输的误码率情况和适应于网上传输的一些图像编码技术 ;同时对即将成为新的静态图像编码标准的 JPEG- 2 0 0 0的目标、编码机制、ROI编码的 Maxshift方法以及对码流的直接操作等情况进行了讨论 .尽管压缩效果一直是任何编码方案所追求的目标 ,但其它特性 ,像基于内容的编码、可分级性编码以及鲁棒性编码等也是选择一个好的编码方案时应该考虑的 ,据此最后对图像编码技术的发展方向进行了展望 .

灰度差能量函数引导的图像分割自适应C-V模型

作为几何活动轮廓模型(GACM)的一个标志性模型,C-V模型在图像分割应用中因具有对目标遮挡和边缘噪声的鲁棒性而受到关注.然而该模型通常不能较好地处理复杂的异质图像,并且有对演化曲线的初始位置较为敏感和计算复杂度高等弱点.依据演化曲线内、外区域平均灰度值差的绝对值越大,演化曲线越靠近准确目标边缘的特性,提出一种基于灰度差能量函数引导的图像分割自适应C-V模型.该模型通过构造基于轮廓曲线内、外区域平均灰度差引导函数自适应地调整演化曲线的运动趋势,使得曲线演化可在一个有效的"窄带"范围内进行,保证轮廓曲线内、外部区域灰度计算的局部均一性,增强对目标细节信息的捕捉能力,同时也在一定程度上提高模型的计算速度和对轮廓曲线初始位置的适应性.大量的仿真实验验证该模型的有效性.

非真实感绘制技术研究进展

作为与真实感图形学相对应的图形学分支,非真实感绘制技术近年来受到人们的关注并已成为计算机图形学的研究热点之一,其研究成果已在计算机动画产业、计算机艺术和科学资料插图绘制等领域得到了广泛的应用。对非真实感绘制的相关技术进行了综述,首先介绍了非真实感绘制的发展过程,然后以不同艺术效果的模拟为线索对非真实感绘制技术进行了分类,并对各类技术的特点、发展状况和主要算法进行了分析和讨论,同时对非真实感绘制中所使用的特殊技术进行了分类讨论。最后对非真实感绘制技术的未来发展进行了展望。