融合中式元素的三维室内场景情绪化渲染

情绪具有主观性,利用计算机技术自动生成一个既满足真实性又与目标情绪匹配的虚拟室内场景是一项充满挑战的任务。目前缺乏对室内场景情感表达进行识别和评估的技术方法,且在充分考虑情感诉求的前提下,如何提升场景渲染结果真实性也是室内场景设计需要考虑的重要因素。针对上述问题,提出了一种融合中式元素的虚拟室内场景情绪化渲染算法。首先,利用深度学习算法从一个包含25 000张图片的家庭室内场景数据集中提取不同情绪的特征,训练情绪分类器,用于识别和评估渲染过程中虚拟室内场景的情绪表达。其次,为了保证渲染结果真实性,设计了一种场景物体纹理颜色真实性度量算法。然后,研究了根据目标情绪自动渲染虚拟室内场景的优化算法、融合中式元素的风格迁移算法,对场景中的物体进行细粒度的中式风格化处理,提升渲染结果的空间内涵、文化底蕴以及情感表达,增强视觉感染力。最后,在四个不同的室内场景中对该算法进行了实验,并通过对实验结果和用户调研数据的统计分析验证了该算法的正确性和有效性。

融合人类认知网络优化的中国画情感识别

现有中国画研究缺少对画作情感的分析,但画家将生活感悟寄情于美术创作,升华国画的艺术价值.基于此种情况,文中提出融合人类认知优化深度学习网络结构的中国画情感识别算法.首先,根据图像显著性和笔道复杂度提出中国画感兴趣区域提取算法.再使用可视化卷积神经网络提取国画情感特征,并交互式地融合国画情感表达手法知识优化网络结构.最后微调构建的网络预测国画情感.实验将1000幅中国画分为4种情感类别,准确率较高,识别效果较优.消融实验与可视化实验分析网络各层作用,进一步验证文中算法识别中国画情感的能力.

中国肖像画的风格转移算法

风格转移技术能快速生成目标艺术作品,但直接用在中国画上通常会存在特征分布不协调、人脸辨识不一致等问题.针对上述问题,文中提出基于卷积神经网络(CNN)的中国肖像画风格转移算法.首先,针对中国肖像画中写意和工笔两种绘画技法,提出笔触控制约束,指导图像的纹理分布.然后,提出国画特征移动距离,用于度量内容与风格特征,并将参考的中国画风格协调部署在肖像照上.最后,针对中国画的水墨色调和留白特点,提出水墨留白约束改进损失网络.实验表明,文中算法生成的结果不仅保证人脸辨识的一致性,而且在中国画艺术风格上表现更优.

深层网络特征聚合重标定的中国画情感分类算法

情景交融是中国画重要的艺术表现形式,分析并可视化其情感对帮助用户鉴赏和管理国画有重要意义.为此,提出深层网络特征聚合重标定的中国画情感分类算法.(1)依据中国画自身特点优化卷积神经网络,强化对情感贡献大的特征激活.首先,基于接缝裁剪技术重定向国画,在避免变形的同时保留画作笔墨信息;其次,构建多层聚合特征重标定网络模块,聚合模块内卷积层信息,重标定特征响应.(2)提出多类别加权激活定位的类判别映射技术,分别计算各类别相对于卷积层的梯度获得激活定位,并将其加权聚合以突出显示CNN检测到的情感区域,实现中国画情感元素可视化.在1000幅中国画情感数据集上获得85.8%的准确率,相比其他算法,该算法有更高的分类准确度,能够准确定位中国画情感描绘区域.

融合深度网络的改进快速生成超像素算法

超像素是图像过度分割的结果,提供了图像数据的中间级表示,对计算机视觉等领域的研究具有重要意义。现有的超像素算法是不可微的,且深度网络通常在规则的网格上进行定义,导致目前生成超像素的算法大多基于手工提取的像素特征进行。提出融合深度网络的改进快速生成超像素算法,将深度学习网络嵌入到超像素的生成过程中,首先利用含多隐含层的深度网络进行图像像素特征的提取,然后通过K-means聚类方法计算初始种子点位置以改善分割结果,在此基础上通过主动搜索方法确保像素标签的正确性,最后得到超像素分割结果。在Berkeley数据集BSDS500上,使用BSDS的基准测评与其他文献的对比实验表明,所提出的算法在分割结果的紧凑性、规则性等性能方面相对较好。

深度学习结构优化的图像情感分类

自然图像情感分类在分析用户需求、监控网络舆情等方面具有重要意义。然而基于深度学习的分类算法存在训练过程难以控制、分类结果缺乏解释的问题。为此提出一种人类知识驱动的深度学习结构优化算法。首先通过特征可视化显示卷积神经网络提取的情感特征;其次结合人类对图像情感可视化结果的感知来优化网络结构,利用人类知识驱动网络,重点学习情感信息更明显的特征;最后对所构建网络的参数进行微调,使其更适用于自然图像情感分类任务。在Twitter情感图像数据集上与其他分类方法的对比实验表明,所提出的算法获得了88.1%的分类准确率,优于其他方法。消融实验证明网络优化结果比未优化提高了8.1%。类激活图、空间位置和神经元组特征可视化直观解释了模型运作的过程与原因,进一步证实算法识别自然图像情感的能力。

基于小波变换的国画特征提取及分类

像素域内利用图像处理技术对图像进行特征提取得到广泛研究。为了在新的信号域内找到更好的图像特征表示方法,提出在小波域内利用不同分辨率及频带的图像结构所展现的艺术风格的不同表现形式来获得国画艺术深度信息的方法。该方法利用三层小波变换提取图像的纹理特征,并采用3种不同的分类器决策树、BP神经网络和支持向量机,对不同画家的风格进行学习,以完成自动分类。实验结果表明,该算法能有效提取图像纹理特征,实现国画的自动分类。

基于G-GMM的视频序列运动目标检测算法研究

为了能够从视频序列中快速准确地检测运动目标,在混合高斯背景差分法的基础上引入Grabcut算法,提出了一种新的运动目标检测G-GMM(Grabcut-Gaussian Mixture Model)算法。首先通过混合高斯模型背景差分法提取运动目标初始二值轮廓,构建其最小的外接矩形;然后初始化矩形内图像信息,寻找潜在前景区域;最后采用迭代算法实现最优化分割,得到准确的运动目标轮廓。实验结果表明,在静止摄像机户外视频监控系统中,提出算法具有较高的准确性和鲁棒性,对刚性和非刚性两类目标都具有较好的检测结果。

神经网络在食用香精性能评价中的应用研究

主要探讨人工神经网络在食用香精性能评价方面的应用。利用神经网络的误差反向传播(BP)算法,结合配方设计中的成分、比例等数据信息建立了食用香精性能评价模型,该模型可实现对新产品的自动评价并得到较准确的评价结果,有效缩短新产品的研发周期。

基于企业金融成长周期的中小企业融资模式研究

为明确中小企业融资路径,结合企业金融成长周期理论,从内部和外部两个维度详细剖析了中小企业融资所面临的现实问题,并针对各类问题提出了"四维"融资模型。该模型旨在将政府、商业银行、非银行金融机构及中小企业有效整合,从而在一定程度上缓解中小企业融资难的困境,拓宽其融资途径。

基于KNN图层区分的优化式着色算法

针对灰度图像彩色化技术应用于彩色图像二次着色时往往忽略掉原始图像所带的色彩信息的问题,提出了一种基于KNN图层区分的优化式着色算法。与现有的优化式着色方法相比,该方法一方面采用基于KNN的图像前背景区分算法获得图层区分的图像,生成新的权值函数;另一方面将图层区分结果引入优化式着色方法,并对图像着色。实验结果表明,算法能有效解决物体边界处发生颜色渗漏的问题,得到颜色分布精确的图像。在相同输入前提下,算法可以得到更好的着色结果。

监控视频中运动目标的自动检测、跟踪和提取

为了能够从监控视频中快速准确地分析运动目标,文章提出了一种新的运动目标自动检测、跟踪和提取方法。首先通过混合高斯模型背景差分法获得运动目标初始二值轮廓。然后结合Kalman滤波和Blob匹配法跟踪物体的运动轨迹,并用矩形框架标记图像序列中的运动目标。最后传递矩形参数,采用迭代算法实现最优化分割,对运动目标进行准确提取。实验结果表明,该方法具有较高的鲁棒性和准确性。

P2P系统中激励机制的研究

由于P2P网络节点的匿名性和贡献资源的自愿性,绝大多数节点缺乏提供服务的积极,从而引发了P2P网络中的搭便车问题。在分析搭便车问题的基础上,介绍了多种典型的激励机制,讨论了基于博弈论的P2P系统激励机制,并给出了该机制的数学表述。

基于直方图的水墨画艺术风格研究

基于内容的照片或自然图像分析和检索已经得到广泛的研究,但多数都基于颜色特征,不能直接用于水墨画艺术作品的分析。对图像进行预处理,提出基于灰度直方图描述水墨画笔道力度分布信息及构图风格,并利用神经网络学习水墨画整体技法风格特征,依据此特征进行不同艺术家间的分类。实验结果表明,通过对整体风格特征的提取,直方图模型能够有效表征画家不同的艺术风格,实现了水墨画的自动分类。

城市轨道交通2种供电方式下供电系统功率因数分析

针对城市轨道交通供电系统无功功率过补偿问题,建立集中、分散2种供电方式下的供电网络模型,基于节点电压法,给出用于轨道交通供电系统功率因数分析的简化算法,并分析2种供电方式下不同负载率、不同0.4 kV母线功率因数对整个供电系统功率因数的影响。计算分析表明:在集中供电方式下,由于电缆线路长、电压等级高、无功功率返送现象严重,并难以通过调整0.4 kV母线功率因数避免返送无功功率,因此需要在主变电所35 kV母线上并联无功功率补偿装置,以吸收电缆产生的容性无功功率;在10 kV分散供电方式下,因为电缆线路短、电压等级低,返送无功功率现象较轻,所以可通过调整0.4 kV母线功率因数解决无功功率返送问题。

中国画分类的改进嵌入式学习算法

现有中国画分类大多只考虑了画作和类标签的相关性,忽略了画作间的关联以及特征重要度的影响.为此,提出改进的嵌入式中国画分类算法.通过微调预训练的VGG-F模型提取中国画图像特征;并提出基于互信息的嵌入式学习算法,使"友情则近,敌对则远"的嵌入式原则受到特征选择及特征重要度的影响;最后利用支持向量机对中国画进行画作艺术风格及其作者分类.实现了对样本库中10位画家中国画的识别,平均准确率为86%,相比其他算法,该算法有更高的分类准确度和更好的鲁棒性.

公共场所人群加速度异常检测系统

针对目前基于速度检测公共场所密集人群异常行为存在的检测准确率低、使用范围局限的问题,从人群的加速度角度对可能导致公共安全事故的人群异常行为进行研究,提出了一种基于加速度检测人群异常行为的算法,并基于该算法实现了针对人群逃散、人群聚集、人群拥挤和人群逆行4种异常行为检测的系统。首先,利用金字塔Lucas-Kanade光流法进行特征点跟踪;然后,在获取到特征点的速度矩阵基础上进一步计算其加速度矩阵,反映速度的整体变化;最后,从加速度大小和方向两方面检测人群异常行为。结果表明,所提算法检测用时较少,相比基于速度检测的对比算法,检测的正确率提高到80%,误报率降低为5%。

改进颜色融合的医学图像彩色化技术

彩色化后的医学图像能清晰体现患者病灶信息有利于医患沟通。提出改进颜色融合的医学图像彩色化方法,首先利用基于KNN的图像前背景区分算法,强化病灶区域的边界信息;然后以此为约束条件,只需提供简单的着色输入;最后将边界能量引入颜色融合方法,得到较好的着色结果。着色图像保持了原图的灰度信息不变,增加了彩色标记图像的颜色和真实感。实验结果表明,该算法具有较高的精确度,可有效地应用于医学图像彩色化处理。

轨道交通牵引系统再生能量利用方案研究

研究目的:城市轨道交通普遍采用VVVF动车组列车,在列车制动时,将再生大量能量,如果能够对这部分能量加以有效利用,则对于整个轨道交通的节能降耗将意义重大。目前工程上有几种再生电能利用方案,但不同方案的节能效果相差较大,部分方案甚至浪费能量。因此,有必要将理论计算和工程实际测量相结合,对现有再生电能利用方案的节能效果进行综合分析。研究结论:本文通过构建轨道交通牵引供电系统模型,并将计算结果与工程实际测量结果进行比较分析,结果表明:(1)当牵引变电所不设置再生制动装置时,车辆间的再生能量相互利用率很高;(2)传统的将再生制动电阻置于牵引变电所不但不会节省能量,相反会浪费能量;(3)当再生电能利用装置的容量达到一定值时,再增加容量,对于节能效果影响已经很小;(4)该研究结果可应用于轨道交通牵引供电系统的设计中。

基于线条形状和主方向墨色分布特征的中国画画家识别算法

目前针对中国画的研究主要集中在基于内容的图像分析上,但是对于中国画的分类识别,更重要的是艺术风格而非内容.中国画的本质是笔墨运用,笔道的线条形状和墨色构成是鉴别艺术风格的重要因素.因此,文中提出基于笔墨特征的中国画画家识别算法.首先提取墨线的形状特征和墨色的布局特征,然后综合上述2种特征,作为支持向量机的输入训练得到画作分类器.实验表明,文中算法在平均查全率和查准率上较优,可以用于中国画的数字化分析、理解和识别,为中国画传承和鉴赏提供有效的数字工具.