基于Hough变换的三次方Bezier曲线检测算法研究

类似经典Hough变换中对直线(段)、圆(弧)、椭圆、抛物线等解析曲线的检测,论文研究了三次方Bezier曲线的检测算法,提出了离散Bezier曲线的特征建模方法和使用R函数的Hough变换曲线检测快速算法。该算法能够根据所给出的待检测目标点阵图像建立形状参数模型,然后检测该曲线在复杂图像中出现的位置、大小和方向。实验表明,该法能够有效地检测任意三次方Bezier曲线,且精确度优于目前广泛用于曲线检测的广义Hough变换。

道路光明,前途曲折——解读《夏季鸟笼》中女性宿命的主题

在小说《夏季鸟笼》中,主人公莎拉.班尼特试图寻找一条走向完整幸福生活的道路。周围女性的实例证明了看似光明的道路,实则前途曲折。尽管评论家赞扬玛格丽特.德拉布尔在其处女作中展现了初出茅庐的象征主义者的才华,但是作者真正的意图却没有被发现。通过象征体系建立起自然界和人类社会的比较,揭示女性宿命的根源。根据达尔文主义,自然选择和适者生存的规律使生物物种更具竞争力。而在人类社会,只有那些符合体现男性意志的社会观念、传统文化、价值观的女性才会得到社会认可。女性努力保持"优雅状态"的同时,离幸福也越来越远。

快速不变矩算法基于CUDA的并行实现

不变矩自提出以来被广泛应用于目标识别系统中进行特征描述,这需要能够实时计算不变矩值。虽然已经提出了许多不变矩的快速算法,但仍无法在单台PC机上实现不变矩的实时计算。分析了基于差分矩因子的不变矩快速算法的并行性,提出了一种基于统一计算架构(CUDA)的快速不变矩并行实现方法,并在NVIDIA Tesla C1060 GPU上实现。对所提出算法的计算性能与普通串行算法进行了对比分析。实验结果表明,所提出的并行计算方法极大地提高了不变矩的计算速度,可有效地用来进行实时特征提取。

基于纹理特征和模板匹配的棒材自适应计数方法

研究了一种基于图像处理的成捆棒材自适应快速计数方法。该方法用灰度共生矩阵原理描述棒材截面纹理,有效地将棒材截面与复杂的背景进行分离,使用阀值渐增的二值化方法获取图像中的局部灰度极大值,并使用聚类方法对误判点进行过滤,进而统计计数。实验结果表明,该方法极大地提高了棒材技术的效率和准确率。

基于深度特征增广的跨域小样本人脸欺诈检测算法

随着人脸识别技术的发展,人脸欺诈攻击已经成为一项实际的安全问题,人脸欺诈检测算法用于及早发现该类攻击,保护系统安全。文中将一种经典域自适应算法扩展到深度神经网络中,首先定义了基于深度特征增广的域自适应层,提出了一种基于深度特征增广的跨域小样本人脸欺诈检测算法。该算法在已有的基于全卷积神经网络的人脸欺诈检测深度神经网络的中部嵌入域自适应层将卷积特征图增广,来适配源域和目标域的差异,随后根据增广后的特征图进行像素级分类,最后将像素级概率图从空间上融合为帧级决策。文中在CASIA-FASD,Replay-Attack和OULU-NPU 3个数据集和6个常见测评协议(2个CASIA-FASD与Replay-Attack跨库协议和4个OULU-NPU标准协议)下进行实验,验证了算法在不同背景、不同攻击设备、不同相机等跨域情况下的性能。实验表明,基准FCN人脸欺诈检测算法已经能够达到较好的性能,在此基础上,借助小样本目标域数据学习域自适应模型,可进一步显著提升性能,将错误率减半(CASIA-FASD训练+Replay-Attack测试的HTER指标从27.31%降至11.23%,Replay-Attack训练+CASIA-FASD测试的HTER指标从37.33%降至21.83%,OULU-NPU标准协议IV的ACER指标从9.45%降至5.56%),实验结果验证了基于深度特征增广的跨域小样本人脸欺诈检测算法的有效性。

基于卷积-反卷积网络的正交人脸特征学习算法

身份特征与表情特征是人脸图像分析中的两组重要特征,传统的有监督正交人脸特征学习(supervised orthogonal facial feature learning,SOFFL)算法虽然能够在给定表情和身份标签时学习这一对特征,但因数据要求较高令其应用受限.提出一种低数据要求的无监督正交人脸特征学习(unsupervised orthogonal facial feature learning,UOFFL)算法,通过提取正交人脸特征的统一框架,假设人脸图像空间中仅有身份和表情变化,使用重构损失、分类损失和相关性最小化损失的组合,采用深度卷积-反卷积神经网络,从已对齐的人脸图像中联合学习,提取身份和表情特征.其中,分类损失用于学习表情特征;相关性最小化损失用于提高身份特征和表情特征之间的独立性;重构损失用于确保两组特征组合的信息完整性.在大规模合成人脸表情数据集(large-scale synthesized facial expression dataset,LSFED)和受限的Radboud人脸数据集(Radboud faces dataset,RaFD)上进行验证,将所学身份特征空间中的欧氏距离用于人脸验证任务,结果表明,算法性能接近联合贝叶斯等有监督人脸识别方法.UOFFL算法可在身份标签缺失的条件下,仅使用表情特征学得身份特征.相比改进前的SOFFL算法,该方法缓解了对身份标签的依赖,适用场合更广.

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果。为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比。实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点。这为舰船运动短期预测提供了一个新的思路和方法。

对数变换主成分分析的图像识别

为了进一步提升现有鲁棒主成分分析(PCA)算法处理含有异常样本数据的性能,提出了对数变换的PCA算法。为降低异常样本对目标函数值的影响,根据对数函数的性质建立了对数变换PCA算法的目标函数,证明了所提目标函数值小于标准PCA算法的。之后,给出了求解所提目标函数的一种优化算法,即为所提算法。通过迭代计算对角矩阵和进行特征值分解进行优化,证明了所提算法可以近似收敛于所提目标函数的最优解。分析证明了所提算法具有旋转不变性。为了更好地比较各算法处理异常样本数据的能力,使用AR数据库中的原样本作为异常样本,在其他数据库中人为添加了异常样本。与标准PCA算法、鲁棒PCA算法、包括贪婪求解的基于l1范数的PCA算法、非贪婪求解的基于l1范数的PCA算法、基于l2,p范数的PCA算法和基于最大相关熵的PCA算法在AR、Extended Yale B、CMU PIE这3个人脸数据库和MNIST这1个手写字符数据库进行了实验对比,结果表明:所提算法均得到了最低的重构误差和最高的识别精度;所提算法具有良好的收敛性能,一般迭代5到6次即可收敛。

改进非线性结构张量的含噪图像边缘检测

现有的边缘检测方法在含噪图像中的检测性能不佳。针对含噪图像的边缘检测问题,提出了利用引导核改进基于非线性结构张量的含噪图像边缘检测方法。首先,计算含噪图像的张量积。然后,根据图像梯度对张量积进行扩散,图像梯度依赖张量积本身。扩散方程中的扩散矩阵包含张量积,该张量积是通过各向异性的引导核进行空间自适应平均,而不是通过各向同性的高斯核进行平均。最后计算扩散张量积的特征值和特征向量,并基于此检测图像的边缘。将所提方法与基于线性结构张量的边缘检测方法、基于张量梯度扩散的非线性结构张量的边缘检测方法、基于图像梯度扩散的非线性结构张量的边缘检测方法进行比较,实验结果表明,所提方法可以得到更为清晰的边缘,并且检测结果中噪声较少。

基于图像块l_(0)梯度最小化的边缘保持平滑算法

l_(0)梯度最小化图像平滑算法可在保持边缘的同时滤除纹理和细节,但该算法使用图像梯度判决被平滑成分时会出现包含较小图像梯度(弱边缘)的区域会被平滑,而包含较大图像梯度(强纹理)的区域被保留的现象.为克服此缺陷,提出一种基于图像块l_(0)梯度最小化算法(image-patch based l_(0)gradient minimization algorithm,简称IP-l_(0)算法)的图像平滑算法,通过对输入图像中的图像块而非整幅图像进行平滑,动态改变图像块目标函数中的权重参数,令主要包含强纹理的图像块以较大的力度进行平滑,而主要包含弱边缘的图像块以较小的力度进行平滑,再整合平滑后的图像块得到整个边缘保持平滑图像.对IP-l_(0)算法、原始的l_(0)梯度最小化算法、基于局部拉普拉斯滤波器的算法、基于相对全变差算法、基于树滤波的算法,以及2种基于深度学习的边缘保持算法进行仿真实验,结果表明,使用IP-l_(0)算法滤波后的图像能在保持较弱的边缘的同时平滑强纹理.

基于重加权l_(1)范数的边缘保持图像平滑算法

边缘保持图像平滑是很多计算机视觉和图形学算法的关键步骤,基于l_(1)范数的边缘保持图像平滑算法是现有算法中性能较好的一种,但是该算法的平滑结果中仍然存在很多未被平滑的纹理。为了改进算法的平滑结果,提出了一种新的基于重加权l_(1)范数的边缘保持图像平滑算法,该算法将原始的基于l_(1)范数的图像平滑算法与重加权l_(1)范数最小化相结合,通过使用重加权方法使得解更加稀疏;并通过实验对该算法的性能进行了验证。结果表明:和基于l_(1)范数的图像平滑算法以及一些最新的图像平滑算法相比,文中提出的算法可以更加有效地平滑图像,平滑结果中仅有很少的纹理残留;采用重加权l_(1)范数可以改进现有的基于l_(1)范数的图像平滑算法的图像平滑结果。

低秩表示和加权核范数最小化的子空间聚类

为了进一步提升基于核范数和F范数最小化的子空间聚类算法的性能,使用加权核范数扩展上述两种范数.提出的算法中含有一个参数γ,当γ=0时,可得到核范数;当γ=1时,可得到F范数;当0<γ<1时,可得到介于核范数和F范数之间的范数.采用交替方向乘子方法和线性交替方向乘子方法求解所提算法的目标函数,并由此得到了2个基于加权核范数最小化的低秩子空间聚类算法.利用Extended Yale B人脸数据集、MNIST手写字符数据集和USPS手写字符数据集进行实验.实验结果表明:和现有的子空间聚类方法相比,所提算法可以得到较高的聚类精度.

基于前向学习网络的人脸欺诈检测

为了克服现有人脸欺诈检测方法在少样本应用场合下的局限性,将前向学习网络用于欺诈检测.通过前向学习的方式从图像中无监督地学得卷积滤波器,在人脸欺诈检测应用场合下,对前向学习网络进行了改进,改进后的网络使用了面向人脸欺诈检测任务的卷积滤波器.使用主成分分析变换所得的最小特征值对应的特征向量作为卷积滤波器提取图像的特征.将所提方法在CASIA-FASD、Idiap Replay-Attack和OULU-NPU数据集上进行了验证,实验结果表明,在少样本跨攻击类型实验中,所提方法显著提升了欺诈人脸检测的准确率.