软件工程学术型硕士研究生培养方案优化与实践

在智能化时代背景下对高水平软件人才培养方案进行优化与实践,提升学术型硕士研究生综合能力以应对智能化时代日益复杂的现实问题,从而满足软件研发对人才能力和素质的要求。通过优化培养方案,构建人工智能与软件工程学科相结合的课程新体系,将科技项目研究融汇于研究生培养过程中;强化培养重点环节的管理与考核,促进研究生的学术成果产出,突出学校育人特色;亟需明确软件工程学科建设目标、改进人才培养方案、合理设置课程、与科研项目相结合,使得学科成果可满足软件领域卓越人才培养的需求。

信创背景下数智赋能软件工程创新应用型人才培养模式探索

聚焦信创背景下软件工程专业人才培养存在的问题,探索数智赋能创新应用型人才培养的新模式。完善育人机制、优化教学体系、创新教学方法和强化工程创新,全面提升学生的知识、能力和素养,实现人才培养与信创产业需求紧密契合,为培养创新实践型高素质信创人才提供重要的参考和借鉴。

一种透视不变的图像匹配算法

针对ASIFT(Affine scale invariant feature transform)算法存在的仿射采样策略、采样点离散设置等问题,提出了一种基于粒子群优化的图像透视不变特征PSIFT(Perspective scale invariant feature transform)算法.该算法通过虚拟相机的透视采样来模拟景物在多视角图像中的变形.在此基础上,将图像匹配问题转换为透视变换的优化问题,并以粒子群算法为工具,研究了虚拟相机旋转参数搜索空间、适应值函数的合理设定.针对三组不同类型低空遥感图像的实验结果表明,该算法比ASIFT、SIFT(Scale invariant feature transform)、Harris affine和MSER(Maximally stable extremal regions)等算法获得更多的特征匹配对,有效地提高了算法对视角变化的鲁棒性.

一种具有自适应迁移能力的多粒子群协同优化算法

基于群熵的概念提出了一种具有自适应迁移能力的多种群PSO算法.对2个著名的基准函数进行测试,结果表明:与经典PSO和多种群协同PSO等算法相比,新算法能更有效地控制粒子群的多样性,从而提高了算法的收敛精度,改善了算法的优化性能.

行人检测技术综述

行人检测是计算机视觉中的研究热点和难点,本文对2005-2011这段时间内的行人检测技术中最核心的两个问题—特征提取、分类器与定位—的研究现状进行综述.文章中首先将这些问题的处理方法分为不同的类别,将行人特征分为底层特征、基于学习的特征和混合特征,分类与定位方法分为滑动窗口法和超越滑动窗口法,并从纵横两个方向对这些方法的优缺点进行分析和比较,然后总结了构建行人检测器在实现细节上的一些经验,最后对行人检测技术的未来进行展望.

PSO算法加速因子的非线性策略研究

为了有效地控制PSO算法的全局和局部搜索能力,着重分析了PSO算法中加速因子对粒子收敛的影响,提出加速因子采用反余弦非对称策略能有效提高PSO算法的搜索性能。对5种加速因子策略使用4个著名的基准函数进行测试,试验结果表明,反余弦非对称方法可以使粒子在搜索的初期获得更好的多样性,在算法后期则可以有效增强粒子的搜索能力,从而使算法具有更强的摆脱局部极值的能力,提高算法的收敛精度。

自适应图像组的稀疏正则化图像复原

基于图像组的稀疏正则化图像复原方法采用自适应的结构组字典来代替传统的基于整幅图像块的学习字典,既能够更好的学习局部特征又显著降低字典学习的时间复杂度;然而,因算法中的一些参数还未优化,使得算法复杂度还比较高。因此,本文提出了基于粗糙度的自适应图像组的稀疏正则化图像复原方法。首先,计算图像的全局粗糙度和局部粗糙度;然后,根据全局的粗糙度计算自适应调整正则化的迭代次数,根据局部的粗糙度调整学习字典所需的样本数;最后,将自适应调整出的参数应用于基于图像组的稀疏正则化的图像复原中。将本文所提出的方法应用到不同平滑度图像的去文字图像复原案例中,实验结果表明,在保证相近的复原效果下,能够大幅度提升效率,尤其在较为平滑的图像中能够达到接近30倍的加速比。

基于多尺度卷积神经网络特征融合的植株叶片检测技术

植株叶片检测是植株科学培育和精准农业过程中重要的环节之一。传统植株叶片检测的做法对操作人员的专业知识提出了较高要求,且人工成本高、耗时周期长。基于此,提出基于多尺度卷积神经网络特征融合(MCFF)的植株叶片检测技术。从深度学习技术辅助植株培育的需求出发,基于多尺度卷积神经网络特征融合,针对莲座模式植物、拟南芥和烟草3种不同类型、不同分辨率的植株进行叶片计数检测。经过与其他主流算法的比较,发现MCFF具备较高的检测精确度,平均精度均值(mAP)为0.662,实现了高度竞争的性能(AP=0.946),各项指标接近实用水平。

基于粒子群优化的分类规则挖掘方法及其应用

为了从网络入侵数据提取有意义的信息,分析了网络入侵数据的特点,设计了一种实数的编码方式,给出了一种基于粒子群优化的分类规则挖掘方法,并应用于误用检测系统中.仿真实验结果表明,提出的方法是有效的和可行的.

基于透视变换采样的平躺人体样本扩充方法

平躺人体检测具有很好的学术研究和应用价值。针对平躺人体表观姿态受透视变换的影响较大和样本收集难这两个问题展开研究：首先建立并公开了厦门大学平躺人体检测数据集，该数据集的人体包含各种姿态、视角、衣着颜色、复杂背景等情况；其次提出了一种基于透视变换的样本扩充方法：根据透视变换的摄像机模型将3x3的透视变换矩阵进行分解，使得该矩阵最终只与两个变化范围确定的旋转角相关，方便了采样算法的设计，有效地增加了训练样本的数目和样本表观的多样性，在厦门大学平躺人体数据集上的实验结果表明该方法提高了分类器的性能：当FPPW=10e-4时，漏检率降低了12.4%；当FPPW=10e-5时，漏检率降低了5.75%。可见本文提出的样本扩充方法简单有效。

基于多结构估计的建筑物激光雷达点云特征线提取算法

建筑物激光雷达(light detection and ranging,LiDAR)点云特征线对于多视角点云配准、建筑物对称性检测、建筑物三维重建等应用具有十分重要的意义.由于LiDAR点云具有数据量庞大的特点,传统的算法难以实现建筑物特征线的快速提取.针对这个问题,提出一种基于多结构鲁棒估计的建筑物特征线提取算法,该算法利用历史模型信息进行条件采样,并通过迭代搜索符合所有特征线性质的模型.根据建筑物LiDAR数据的实验结果表明,该方法与传统的RANSAC(random sample consensus)、MLESAC(maximum likelihood estimation sample consensus)等算法相比,避免了无效、重复的特征线采样过程,在相同时间内可获取更多的直线内点,从而有效提高了建筑物特征线的提取效率.

一种基于级联神经网络的飞机检测方法

由于旋转角度多样性、极端的尺度差异的影响,遥感图像中的飞机检测目前仍存在挑战。为了解决旋转和尺度的问题,目前的策略是将现有的自然场景下的目标检测算法(如Faster R-CNN、SSD等)直接迁移到遥感图像中。这些算法的主干网络复杂,模型占用空间大,难以应用到低功耗和嵌入式设备中。为了在准确率不降低的情况下提高检测速度,本文提出了一个仅包含9层的卷积神经网络来解决飞机检测问题。该网络采用了由粗到细的策略,通过级联两个网络的方式减少计算开销。为了评估方法的有效性,我们建立了一个针对飞机检测的遥感数据集。实验结果表明,该方法超越了VGG16等复杂的主干网络,达到了接近主流检测方法的性能表现,同时显著降低了参数量并使检测速度提高了2倍以上。

基于纹理特征融合的人脸图像质量评估算法

从视频序列中选取同一人的高质量人脸图像是人脸识别技术的关键步骤。为了提升人脸图像评估的可靠性,提出了纹理特征融合的人脸质量评估算法。首先,针对人脸图像提取HOG、GIST、GABOR和LBP等纹理特征;接着,根据标注数据训练分类器,实现单特征得分评估;再将多特征得分值融合成特征向量;最后,通过多项式核函数升维得到新的特征向量,并根据该特征训练SVMs分类器,以回归人脸图像质量得分。实验结果表明,基于特征融合的方法能有效提升人脸图像质量评估的效果,特别是HOGGIST特征组合的算法具有很好的效率,目标人脸在不同姿势及遮挡的情况都能得到可靠的评估结果。

基于超体素的LiDAR点云粘连目标分割算法

针对点云地物分割结果中存在的粘连现象,结合三维点云的空间分布和颜色信息,引入过分割方法将点云集划分为超体素,并构建加权图模型。在此基础上,利用归一化分割方法实现点云粘连区域的目标分割。针对树木、建筑物的实验结果表明,该方法对树木之间、树木与建筑物之间的粘连具有良好的分类效果。

基于FS-LBP特征的人脸活体检测方法

针对人脸识别系统无法识别人脸图像是否来自真人的问题,首先改进了傅里叶频谱(Fourier spectrum,FS)特征的人脸活体检测方法,并验证了局部二值模式(local binary pattern,LBP)特征和灰度共生矩阵(gray-level co-occurrence matrix,GLCM)特征人脸活体检测性能。在此基础上,提出了融合LBP特征的FS-LBP特征人脸活体检测算法。实验结果表明,提出的FS-LBP特征在多数据库的混合数据的准确率高达83.17%,更优于多尺度局部二值模式(multiscale local binary pattern,MSLBP)特征。

基于KLT光流的无人机视频影像特征点跟踪算法

针对无人机低空采集的高分辨率视频特点,提出了一种无迹卡尔曼滤波和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪算法。首先,利用无迹卡尔曼滤波在相邻帧中进行特征点预测,以确定匹配范围;其次,根据KLT匹配算法对特征点进行跟踪,以得到的匹配结果作为观测值;最后,通过卡尔曼增益修正得到特征的准确位置。针对建筑物、草地等不同类型视频数据集的实验结果表明,该算法可以得到精确的特征位置。

基于ISS特征点的快速CPD建筑物点云配准算法

针对大规模建筑物点云数据采用CPD(coherent point drift)算法进行配准时,计算复杂度增大的问题,提出了一种基于建筑物点云特征点简化数据的快速配准ISS-CPD算法。该配准算法采用ISS(intrinsic shape signature)算法求得建筑物点云的特征点,可减少建筑物点云的数据量规模,再对所提取的不同视角下建筑物点云的特征点用CPD算法进行配准。实验结果表明,改进的配准算法提高了建筑物点云的配准效率。

基于四元约束的多视角建筑物Lidar点云配准方法

基于建筑物Lidar点云的特点,提出一种基于四元约束的多视角点云配准算法。建筑物Lidar点云的实验结果表明,在复杂和大场景建筑物Lidar点云的多视角配准中,该算法可以得到较好的配准精度。

基于预测的无人机视频快速匹配算法研究

针对无人机视频数据,提出一种快速逐帧匹配算法。该算法首先使用计算机在每一帧中均匀标记一定数量的点,接着利用视频相邻帧之间的特点使用绝对差值法完成同名点的寻找,之后引入内插理论建立预测模型,缩小了搜索窗口和匹配窗口大小,降低了算法时间复杂度。实验结果表明,该算法可以高效地完成相邻帧之间的匹配。

基于约束逼近投影变换的全景图像拼接方法

全景图像拼接算法是遥感信息处理、图像处理等领域的研究热点.基于逼近投影变换的算法对低空遥感图像拼接有较好的效果,但对于远离参考图像的矩形块会出现较大的畸变并且拼接缝周边会出现大量的形变、鬼影等现象.为此,在逼近投影变换的基础上,提出一种基于光束平差与投影变换相结合的图像拼接策略,目的是通过约束变换总误差来减少畸变现象.针对低空航拍图像的实验结果表明,与传统拼接算法相比,新方法减少了图像中的鬼影和模糊,且避免了建筑物、道路等地物的畸变现象.