计算机视觉中的几何不变性及其应用

对基于几何框架下不变性理论的原理及几何框架作了综合性的评述．讨论了目前在计算机视觉中该理论的主要研究内容及应用领域，介绍了今后的研究方向．

基于汇聚立体视觉的图像校正算法

通过分析汇聚立体视觉系统立体图像间的几何关系，提出了一种简单快速的图像校正算法，该算法利用矩阵的ＬＵ分解法，直接求解校正的转移关系矩阵．将立体视觉中对极几何的匹配关系变为图像扫描线的一一对应关系，从而将沿对极线搜索匹配点的过程变为沿图像行搜索的过程．实验表明该算法简单有效，具有较强的实用价值．

三线性约束及其在图像合成中的应用

通过对极几何关系及三线性约束关系建立立体视觉中参考视点之间和参考视点与虚拟视点之间的摄像机几何限制，把参考图像中的像素点直接转移到虚拟图像的对应点中去．即通过已得摄像机视点位置上的所得场景的图像，计算该摄像机在其他各个视点位置上所得到的该场景的图像序列．实验表明，该方法简单、有效，对计算机视觉中的运动估计、低比特率视频编码、虚拟现实和动画制作中都有很好的应用价值．

物联网的智能视频接入终端——高清晰智能相机的研制与应用

通过智能视频分析系统(Intelligent Video System,IVS)可在计算机图像分析技术的基础上,完成场景中背景和目标的分离任务,进而完成分割目标的追踪、定位与识别。为了在物联网的架构上实现多个智能视频终端的互联,并在此基础上实现多目标的动态感知,文中从嵌入式智能视频处理的角度,探讨了基于网格的智能行为分析系统的结构和功能,给出了一个具体的视频增强处理的实例和嵌入式智能相机的架构。

计算机视觉测量系统的误差模型分析

基于相机的针孔模型 ,研究了相机光学系统产生的 4种非线性误差 ,并在有径向失真和图像中心偏移失真的情况下 ,用模拟数据对匹配误差和不同量化等级在重建过程中的传播过程和影响作了详细讨论 ,为视觉测量系统达到高精度的三维重建提供了可靠的误差模型 .

多光谱图像压缩的联合码率分配—码率控制方法

针对基于KL(Karhunen-Loeve)变换和JPEG-LS编码的多光谱图像压缩系统中码率控制不准确以及码率分配效果差的问题,提出了一种联合码率分配—码率控制方法。首先分析了重构波段失真相当的条件下各变换分量量化步长之间的关系,根据该关系对各分量统一调整量化步长以控制码率,使码率分配和码率控制有效统一起来。为了更精确的控制码率,满足图像通信中有限带宽的要求,还提出了基于二次迭代调整的码率控制方法,使得实际码率在小于目标码率的前提下尽可能的接近目标码率。实验结果表明本文算法控制码率精确,计算复杂度低,整体重构质量明显优于其它码率分配方法,而且各波段重构质量非常稳定。

旋转目标检测算法在卫星影像中的应用

近年来,深度学习在卫星影像目标检测领域得到了快速的发展,如何精准高效定位目标物体是卫星影像目标检测研究中的主要难点。提出了一种基于旋转矩形空间的YOLOv3改进算法来精准定位卫星影像目标,对原有网络进行改进,增加角度变换的数据预处理过程,防止实例角度变化对网络训练造成影响。使用双旋转坐标进行回归训练,增加了角度锚点,提高了网络对卫星目标的检测有效性。提出了基于旋转矩形空间的非极大值抑制改进算法,可以有效去除多余的旋转预测框。实验结果表明,改进YOLOv3算法相较于原始YOLOv3算法拥有更好的可视化效果,可以有效准确地定位卫星影像的目标物体,有效避免了密集场景下预测框的遮挡问题,在保证实时性的前提下,将均值平均精度提高了0.8个百分点。

TDD慢衰落无线通信系统的预重传协同GBN-ARQ算法

提出一种新的适用于TDD慢衰落的TDMA无线通信系统的预重传协同GBN-ARQ算法(PC-GBN-CARQ,pre-repeat cooperative go-back-N automate repeat request)。利用TDMA的多址特性,使得数据源和中继可同时参与出错分组的重发过程,大大提高了数据分组的重发成功率;数据源在发送的每组数据分组时加入8bit的附加信息,将数据源利用TDD上下行信道相关性预测已发数据分组中哪些可能出错的结果告知中继,使中继也能像数据源那样提前重发这些可能出错的数据分组,以便提高系统的传输效率。仿真结果表明,归一化吞吐率在0.7左右,该算法较普通GBN-ARQ算法大约有5dB的信噪比增益。

一种实际红外海面辐射成像模型的建立

本文根据电磁散射、辐射理论，分析了可光海面图像与红外海面图像的生成原理．从理论上推导出了具有相同拍摄条件的可见光海面图像与红外海面图像之间的内在联系，并提出了一种快速算法，实现了从可见光图像反演出红外图像．最后，本文根据几幅可见光海面图像，利用这种方法反演出了其同样条件下的红外图像．

具有单缓冲区的协同GBN-ARQ算法

提出了一种具有单缓冲区的协同回退N自动重传请求(Go-Back-N Automatic Repeat Request,GBN-ARQ)算法,该算法适用于基于多址传送的单源单中继无线通信系统.利用多址系统允许多个节点同时发送数据的特点,在接收端加入一个缓冲区,使得中继和数据源可同时参与数据帧的发送及重发过程,有效提升了系统的首发成功率和重发成功率,解决了传统GBN-ARQ算法在信道条件较差时系统吞吐率性能快速下降的问题.以TDMA系统为例,经过理论分析和系统仿真,证明了该算法在保持原有GBN-ARQ算法复杂度基本不变的情况下,提升了系统的吞吐率性能,增益最大超过10dB.

基础矩阵计算中共面点冗余度问题的研究

在研究对极几何和透视投影不变量的基础上，提出并解决了在计算基础矩阵（Ｆ矩阵）时的共面点冗余性问题，即一个平面上至多有５个点可用作匹配点，其余的点均为冗余点，并从理论上证明了其存在性．最后通过去除冗余点提高了Ｆ矩阵的精度和稳定性．

基础矩阵计算中共线点冗余度问题

在研究对极几何和透视投影不变量的基础上，提出并解决了在计算基础矩阵（Ｆ矩阵）时的共线点冗余性问题，即一条直线上至多有３个点可用作匹配点，其余的点均为冗余点，并从理论上证明了其存在性．

轻量级神经网络架构综述

深度神经网络已经被证明可以有效地解决图像、自然语言等不同领域的问题.同时,伴随着移动互联网技术的不断发展,便携式设备得到了迅速的普及,用户提出了越来越多的需求.因此,如何设计高效、高性能的轻量级神经网络,是解决问题的关键.详细阐述了3种构建轻量级神经网络的方法,分别是人工设计轻量级神经网络、神经网络模型压缩算法和基于神经网络架构搜索的自动化神经网络架构设计;同时,简要总结和分析了每种方法的特点,并重点介绍了典型的构建轻量级神经网络的算法;最后,总结现有的方法,并给出了未来发展的前景.

基于生成对抗网络的异常视觉图像重着色算法

相较于正常人可以正确感知三维颜色空间的所有色彩,异常视觉患者只能感知到二维颜色空间的色彩甚至只能感知亮度的变化。针对异常视觉患者对颜色信息感知的偏差或缺失问题,提出通过新的生成对抗网络模型对图像重着色来提高异常视觉患者对图像中颜色信息的辨识度。该网络模型在基础条件生成对抗网络模型之上进行了改进。首先,在基础网络模型中加入异常视觉仿真的计算模型,以便于从异常视觉患者的视角去检验图像的重着色过程;其次,引入彩色图转灰度图模块来消除生成图像中的随机噪声;最后,将高斯混合模型和KL散度的计算模型作为先验性条件模块,指导图像重着色的主要方向。实验结果表明,新网络模型的表现优于现有的异常视觉图像转换方法。

基于语义连通图的场景图生成算法

提出了基于语义连通图的场景图生成算法.将关系检测过程分为关系建议和关系推理两步;以目标检测算法得到的候选对象为节点集合,构建一个全连接图;使用物体的类别信息和相对空间关系计算物体之间存在关系的概率;通过设置阈值来删除图中的无效连接,得到稀疏的语义连通图;使用图神经网络聚合物体节点的特征进行聚合,融合上下文信息.根据语义连通图的连接关系,结合更新后的主语和宾语特征以及两个物体联合区域的特征,构建关系特征,预测图中的每条边对应的关系类别.

扫地机器人增强位姿融合的Cartographer算法及系统实现

Cartographer是谷歌在2016年开源的一个可以在多传感器配置下实现低计算资源消耗的SLAM算法框架.针对原有Cartographer中位姿融合不准确、存在延迟的问题,首先设计了一种基于位姿增量的多传感器位姿融合方法;随后,针对扫地机器人Player平台,设计并实现了基于增强Cartographer算法的多模块SLAM系统;最后,通过Cartographer数据集的实验分析和真实场景的实际测试,验证了增强Cartographer算法的有效性以及SLAM系统在Player机器人平台上的可用性.

构建基于云平台的机顶盒视频点播系统

随着数字电视的普及,用户不仅仅希望通过机顶盒看电视节目,他们希望获得更多针对他们小区的个性化定制服务,而服务商也希望可以针对不同小区提供差别化的服务。面对这样的个性化需求,如何架设和配置服务器成了大家首要考虑的问题。利用云平台来搭建基于数字机顶盒的视频点播系统,可以使得服务商最大程度地满足小区用户对视频服务的个性化需求,同时又可以动态地利用和分配网络和服务器资源。

基于Eucalyptus云平台的一种存储系统架构

由于现代社会对于网络服务的种种需求,云平台正在以飞快的速度进入人们的视野和生活,对云平台的研究也引起了业界普遍的关注。通过云平台我们可以搭建各种各样的服务,也可以将平台以租赁的形式供别人使用。由于许多云平台并没有直接的提供一种朴实的解决存储扩容和数据共享的存储方案,所以许多人在使用云平台的时候存储架构成了瓶颈。文章就云平台存储扩容和数据共享两个问题提出了一种合理的存储解决方案。

基于知识蒸馏的特定知识学习

在传统知识蒸馏框架中,教师网络将自身的知识全盘传递给学生网络,而传递部分知识或者特定知识的研究几乎没有。考虑到工业现场具有场景单一、分类数目少的特点,需要重点评估神经网络模型在特定类别领域的识别性能。基于注意力特征迁移蒸馏算法,提出了三种特定知识学习算法来提升学生网络在特定类别分类中的分类性能。首先,对训练数据集作特定类筛选以排除其他非特定类别的训练数据;在此基础上,将其他非特定类别视为背景并在蒸馏过程中抑制背景知识,从而进一步减少其他无关类知识对特定类知识的影响;最后,更改网络结构,即仅在网络高层抑制背景类知识,而保留网络底层基础图形特征的学习。实验结果表明,通过特定知识学习算法训练的学生网络在特定类别分类中能够媲美甚至超越参数规模六倍于它的教师网络的分类性能。

一种基于时频分析的信噪分离方法

文中从时频分布的物理含义出发，探讨了使用小波变换和小波模极大性重构方法作信噪分离时的特点，并结合相空间与尺度空间的具体含义，提出了用小波变换及其模极大性投影相结合来对信号进行信噪分离的方法。最后给出实例的分析结果。