基于梯度Hough变换的遮挡苹果目标定位

为实现自然环境中被枝叶或其他果实遮挡的苹果目标定位,提出一种基于图像边缘信息的梯度Hough变换的目标定位方法。该方法首先在Lab空间中利用K-means聚类算法对自然环境下苹果图像进行分割,然后对分割结果进行形态学操作以去除小区域,接着采用Sobel算子提取苹果目标的边缘,最后利用梯度Hough变换获取苹果目标的圆心及半径,实现遮挡苹果目标定位。实验结果表明,该方法能够有效定位遮挡苹果,定位重合度高达93.17%。

基于随机森林和多特征融合的青苹果图像分割

针对自然环境下青苹果图像中目标与背景颜色差异小和分割难度大的问题,提出一种基于多特征融合的随机森林(Random Forest,RF)分割方法.首先,基于灰度共生矩阵提取青苹果图像的能量、熵、对比度、相关性、熵标准差和对比度标准差6个纹理特征;然后,针对同幅青苹果图像提取RGB空间中的G+0.5R-B分量和HSI空间中的S+I分量作为组合颜色特征,以规避天空和高光区域对分割结果的影响;接着,以像素为单位对提取的纹理特征和颜色特征进行融合;最后,在融合特征的基础上采用随机森林对青苹果图像进行分割,并与传统仅利用单一特征的分割算法进行对比.实验结果表明,基于多特征融合的随机森林算法比传统仅利用纹理特征的算法正确分割率要高22.18%.

自然环境下基于Lab空间的成熟苹果图像分割

为了提高自然环境下成熟苹果图像的分割质量,通过对自然环境成熟苹果颜色特征的分析,提出一种在Lab颜色空间的苹果图像分割算法。首先对图像进行均值滤波预处理以消除噪声的影响,然后把图像从RGB空间转换到Lab空间并提取a分量,最后进行K-means分割。结果表明,基于Lab空间中a分量的K-means分割能有效地把苹果从图像中提取出来。

基于改进自适应阈值局部三值模式的遥感图像分类

遥感图像背景复杂,存在光照变化和噪声干扰,导致图像分类准确率不高。针对该问题,在计算邻域像素离散度的基础上,通过对其施加不同权重以细化阈值范围,提出一种改进的自适应阈值局部三值模式(ATLTP)纹理特征提取算法,以提高遥感图像分类精度。首先,对原始遥感图像进行灰度拉伸预处理以增强图像对比度;然后,采用改进自适应阈值局部三值模式提取遥感图像的纹理特征;最后,利用支持向量机对遥感图像进行分类。在标准遥感图像数据集中稀疏建筑物和密集建筑物分类的实验结果表明:采用改进后的局部三值模式纹理特征对遥感图像进行分类的性能要优于传统的局部三值模式,验证了改进算法的有效性。

结合金字塔和局部二值模式的遥感图像分类

在住宅区遥感图像分类中,为了克服尺度变化和旋转变化带来的影响,提出一种结合金字塔原理和局部二值模式的图像分类算法。首先对原始住宅区遥感图像进行多次下采样以构建不同尺度的空间金字塔;然后利用局部二值模式提取不同尺度遥感图像的纹理特征,以消除旋转变化的影响;最后将不同尺度下的纹理特征融合到一起,利用支持向量机对住宅区遥感图像进行分类。在标准图像数据集上的实验结果表明,低尺度纹理特征将会降低住宅区遥感图像的分类精度,与单尺度纹理特征相比,多尺度融合的纹理特征提高了遥感图像分类精度,平均高达4.77%。

操作系统课程教学模式研究与探索

操作系统课程在计算机及相关专业课程体系中处于核心地位。针对操作系统课程教学现状,笔者详细分析了教学过程中普遍存在的问题及其产生的原因,并以郑州轻工业学院为例,对操作系统课堂教学、实验教学和课程考评等环节进行了改革和探索,最后给出了改革后的教学效果。

基于线裁剪的自适应网络带宽分级传输图像的方法

针对图像网络传输中传输图像数据量或时长与目标图像质量之间的矛盾问题,考虑图像在不同网络带宽下传输的时效性,通过基于内容敏感的线裁剪减少图像数据量,提出了一种自适应网络带宽分级传输图像的方法。首先对网络带宽进行分级;并根据网络带宽对所传输的图像定义并实施不同程度的基于内容敏感的线裁剪;这里所采用的线裁剪在水平与垂直方向上交替同时进行。实验结果表明:所提出的基于内容敏感线裁剪的图像自适应网络带宽传输方法不仅很好地保留图像的主要特征,而且适应网络带宽减少了图像网络传输时的数据量;进而减少了图像网络传输时间,提高传输时效性,有利于图像的高效传输。

融合MS3D-CNN和注意力机制的高光谱图像分类

针对高光谱遥感图像分类中空间信息利用不充分、样本标记数量不足的问题,提出一种基于多尺度3D-CNN和卷积块注意力机制的高光谱图像分类方法。采用特征映射方式从不同感受野充分挖掘并融合高光谱图像的空间特征和光谱特征,对融合后的空谱特征进行卷积块注意力机制处理;通过残差思想构建深层网络,采用Dropout方法处理过拟合问题,最后通过Softmax分类器进行分类。在Indian Pines、Pavia University和Salinas Valley 3个高光谱数据集上进行大量实验,分类结果表明:所提方法优于其他经典方法。

面向交通场景解析的局部和全局上下文注意力融合网络

为解决交通场景解析中局部和全局上下文信息自适应聚合的问题,提出3模块架构的局部和全局上下文注意力融合网络(LGCAFN)。前端的特征提取模块由基于串联空洞空间金字塔池化(CASPP)单元改进的ResNet-101组成,能够更加有效地提取物体的多尺度局部特征;中端的结构化学习模块由8路长短期记忆(LSTM)网络分支组成,可以更加准确地推理物体邻近8个不同方向上场景区域的空间结构化特征;后端的特征融合模块采用基于注意力机制的3阶段融合方式,能够自适应地聚合有用的上下文信息并屏蔽噪声上下文信息,且生成的多模态融合特征能够更加全面且准确地表示物体的语义信息。在Cityscapes标准和扩展数据集上的实验结果表明,相较于逆变换网络(ITN)和对象上下文表示网络(OCRN)等方法,LGCAFN实现了最优的平均交并比(mIoU),达到了84.0%和86.3%,表明LGCAFN能够准确地解析交通场景,有助于实现车辆自动驾驶。

面向计算机系统能力培养的操作系统课程教学改革与探索

为在地方院校加强计算机系统能力培养,对操作系统课程教学进行了改革与探索。首先回顾计算机系统能力培养的起源,分析其在地方院校实施过程中的特点,接着探讨当前操作系统教学中学生系统能力培养面临的问题,最后从课程内容、实验教学、教学方法和课程考核等方面对操作系统课程教学提出改革措施。操作系统课程教学实践表明,所提出的改革措施对提高地方院校学生计算机系统能力培养水平具有重要意义。

基于多模态特征的无监督领域自适应多级对抗语义分割网络

为了解决领域自适应中存在领域间视觉、空间以及语义特征分布差异的问题,提出了基于多模态特征的无监督领域自适应多级对抗语义分割网络。首先,设计3层结构的注意力融合语义分割网络来分别从源域和目标域学习上述三类特征。然后,在单级对抗学习中引入联合分布置信度和语义置信度的自监督学习方法,从而在领域间所学特征的分布距离最小化过程中实现更多目标域像素的分布对齐。最后,通过基于多模态特征的多级对抗学习方法对3路对抗分支与3个自适应子网进行联合优化,从而能够有效学习各子网所提取特征的域间不变表示。实验结果表明,与当前先进方法相比,所提网络在GTA5到Cityscapes、SYNTHIA到Cityscapes和SUN-RGBD到NYUD-v2的数据集上分别取得最优的平均交并比62.2%、66.9%和59.7%。

人脸部分遮挡条件下表情识别研究的新进展

随着人工智能技术的发展,人脸表情识别可以从图像或视频中抽取表情状态,识别对象心理情绪,从而达到更好的人机交互效果。然而多数方法只关注正面无遮挡的人脸表情识别,并不能适用于客观复杂的场景,极大地限制了算法的实用性。近几年,针对光照遮挡、噪声遮挡、姿态遮挡、实物遮挡等不同类型的遮挡,研究者们提出了各种新方法来挑战人脸部分遮挡下的表情识别,综述了这些方法的主要原理并进行了对比分析,同时对未来的研究和发展方向进行了展望。