基于对抗生成网络的纹理合成方法

纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式,通过生成器和判别器的对抗训练能够随机生成与观测数据具有相同分布的新数据。鉴于此,提出了一种基于对抗生成网络的纹理合成方法。该算法的优点是不需要经过多次迭代就能够生成更真实纹理图像,且生成图像在视觉上与观测纹理图像一致的同时具有一定随机性。一系列针对随机纹理和结构性纹理的合成实验验证了该算法的有效性。

基于空间金字塔特征包的手势识别算法

为了解决基于尺度不变特征变换的特征包(Bo F-SIFT)算法在描述手势图像特征时对特征点分布情况无法确定的问题,提出了空间金字塔特征包算法提取手势图像特征。该算法通过构造图像金字塔改善了传统的Bo FSIFT算法,生成的描述子能有效表征手势图像的局部特征和全局特征,并能表示图像特征点的分布特性。采用直方图相交核支持向量机进行手势识别。在标准数据库上的测试表明,该算法对于10种手语得到了92.92%的正确识别率,验证了算法的有效性。