基于多模态双向信息增强的RGBT跟踪网络

可见光-热红外(RGBT)目标跟踪旨在挖掘可见光和热红外数据的互补优势,实现鲁棒的目标跟踪。目前主流方法通常引入模态权重来实现多模态信息融合,但简单地为各个模态分配权重无法充分挖掘可见光和热红外模态的互补优势。基于此,提出了一种多模态双向信息增强的RGBT跟踪网络(MBIENet)。设计了一种特征聚合模块,用于聚合模态共享特征和模态特定特征以建模目标外观信息;提出了一种新的多模态双向调制融合模块,可有效融合模态互补信息,减少冗余特征和无用特征对跟踪器的影响;提出了一个轻量化的通道空间注意力模块,可自适应调整不同环境下不同模态的贡献。在GTOT、RGBT234和LasHeR数据集上的实验结果表明:所提跟踪算法的准确率和成功率优于当前主流的跟踪算法。

轮辋裂纹检测方法研究

综合运用图像边缘检测、形态学运算、傅立叶变换、最优阈值分割等多种方法,提出一种适用于车轮轮辋探伤系统的裂纹检测方法。该方法能有效抑制背景光照不均和去除背景刀纹,同时较好地检测到裂纹特征。实验表明该方法具有运算速度快,漏判误判率低的特点。

基于DMD和分数傅里叶的动态全息体视图显示

体视全息术是一种准三维显示技术,较之传统全息图,体视全息图大大降低了记录物体三维信息的数据量,使得计算机生成体视全息图成为可能,而空间光调制器SLM的不断发展也推动了全息显示系统的发展。分析了数字微镜器件DMD对光场的调制特性,将分数傅里叶变换算法用于体视全息图的生成,提出一种基于DMD的全息显示系统,实现了分数傅里叶变换体视全息图的动态显示。实验结果表明该系统能够较好地产生动态3D透视感,为基于DMD的全息显示搭建了系统平台。

计算机专业硬件类课程虚拟实验平台设计

针对传统的计算机专业硬件类课程的理论教学、实验教学的局限性,对计算机专业硬件类课程进行虚拟实验平台设计。该平台由网络管理系统、数据库系统和虚拟实验课系统三个模块组成,具有集成性、可扩展性、共享性、操作性及师生互动性强等特点,不仅可以实现对理论课教学的互补,而且让学生通过该平台进行积极自主地学习和动手实践,能够较好地提高教学质量和实验效果。

基于关联图划分的Kmeans算法

Kmeans是最典型的聚类算法,因其简洁、快速而被广泛使用。针对传统Kmeans算法对初始聚类中心敏感和聚类参数k难以确定的问题,提出了一种基于关联图划分的Kmeans算法。该算法能够有效地根据数据的分布特性选取初始聚类中心,能够在指定的数据密集程度下自适应确定聚类数目。有效性实验表明上述改进的Kmeans算法具有较高的准确率和稳定性。

基于颜色直方图变化率的视频镜头检测

镜头分割是基于内容的视频检索(CBVR)的关键步骤,它会直接影响到视频检索的结果。针对传统镜头分割算法实现过程复杂,渐变检测不理想等不足,提出了颜色直方图变化率HCR(Histogram Change Ratio)的概念,并在此基础上提出了一种基于颜色直方图变换率的视频镜头分割算法。实验证明,该镜头分割算法实现过程简单,而且对镜头突变和渐变均具有很好的检测效果。

结合RGB颜色特征和纹理特征的消影算法

在视频监控的运动检测中,运动阴影常被误认为视频对象。为了解决这个问题,提出了一种结合RGB颜色特征和纹理特征的运动阴影检测方法。利用背景差和多帧差结合的方法,获得包含运动阴影的前景分割,在此基础上利用阴影区域中RGB特征的相似性(其RGB向量夹角较小)与局部二值纹理模式(Local Binary Pattern,LBP)相结合,进行阴影检测与去除;使用形态学的方法去除像素突变的边缘部分。实验表明,该方法在运动目标检测及跟踪方面取得了较好的效果,与其他消影算法比起来,速度较快。

基于运动信息和相位一致性的运动目标提取

提出一种新的时空结合的运动目标分割方法。该算法首先在累积帧差图像上使用改进的高阶统计(HOS)算法检测出运动区域,用最大连通区域表示初始运动目标模板,利用基于Log-Gabor复小波变换的相位一致性边缘检测算法提取出每一帧的单边缘信息,结合初始运动模板与空域边缘图像得到更精确的运动目标模板,最后结合原图像分割出运动对象。实验结果表明该算法能从对比度较小和噪声较大的视频序列中精确地提取出运动目标,且不受光照变化的影响。

基于反馈稀疏约束的非负张量分解算法

为了充分利用图像本身的结构信息并充分压缩图像数据,把得到的子空间中数据(反馈)的稀疏性作为约束项加入非负张量分解目标函数中,即采用基于反馈稀疏约束的非负张量分解算法对图像集合进行降维。最后,将该算法应用于手写数字图像库中,实验结果表明所提出的方法能有效改善图像分类的准确性。

基于加权高阶奇异值分解的支持张量机图像分类

为了有效提高图像分类的准确率,充分利用图像本身的结构信息并压缩图像数据,首先构造三阶图像特征张量,利用非负矩阵分解(NMF)在张量子空间降维,提出了一种基于二维主成分分析(2DPCA)来得到NMF初始点的方法,保证了图像信息的有效利用.然后,为了保持降维后的张量子空间所在的流形空间的本征结构,根据图像类标构造权值矩阵,并把图像集合构造成四阶张量实现图像的分类.通过对两个图像数据库的实验,表明该方法能有效提升图像分类的准确率.

计算机专业数字图像处理双语课程的“主题式”教学

针对计算机专业数字图像处理双语课程的现状,围绕"主题式"教学模式,从教材的选取、课程的开设、教师的遴选、实验的安排及考核方式5个方面提出具体的教学改革方案。

基于帧差和小波包分析算法的运动目标检测

提出了一种在镜头不动的情况下基于累积帧差分割和小波包分析融合技术的运动目标检测方法。这种方法可分为四步:使用改进的累积帧差算法和阈值分割算法完成目标区域的分割,并获得初始运动模板;利用小波包分析算法提取出单帧图像的边缘信息并获得细化的目标区域边缘图;根据初始运动模板和空域边缘图像的融合得到更精确的运动目标模板;最后结合原序列图像检测出完整的运动目标。实验结果表明:这种方法可以有效地从对比度较小和噪声较大的视频序列中较精确地检测出完整的运动目标。

VC++与Matlab混合编程及其在轮辋裂纹检测中的应用

文中结合轮辋裂纹检测系统介绍了几种VC++与Matlab混合编程的方式,并具体分析了它们在轮辋裂纹检测中的可行性,得出了在轮辋裂纹检测中可以采用Matlab引擎的结论。最后结合边缘检测、形态学运算、最优阈值分割等多种方法,采用Matlab引擎较好地实现了轮辋裂纹检测,取得了理想的效果。实验表明该方法在轮辋裂纹检测系统的开发中大大提高了编程效率。

面向信息安全专业的软件工程实践教学探究

软件工程实践是信息安全专业的一门重要课程，是培养合格信息安全工程师的一个基础保障。但针对它的教学研究一直较少。对此该文以安徽大学为例，在分析现有软件工程实践教学不足的基础上，提出从设计面向信息安全专业的实践教学内容；导人具有信息安全特点的实践教学方法；采用突出能力化的实践考核方式和建立基于信息安全专业的创新型实践教学团队等多个方面进行改革。后续试点表明：新的实践教学体系确能有效提高学生工程实践能力和创新能力，为培养高素质的信息安全人才奠定了坚实的基础。

面向计算机专业的电路与模电教学方法研究

本文首先分析当前面向计算机专业开设《电路与模电》课程遇到的问题,然后提出一些针对性的教学改革思路与方法,以提高计算机专业电路与模电课程的教学效果。

基于离散曲率熵的徘徊行为检测

针对公共重点区域的智能监视问题,提出了一种新的徘徊行为异常检测方法。该方法利用视频目标跟踪算法得到可疑行人的运动轨迹,通过曲线拟合对运动目标的离散点轨迹进行平滑,计算离散点的离散曲率,计算感兴趣区域内运动目标轨迹点的离散曲率的熵及方差,通过离散熵阈值比较进行徘徊行为判断,该方法只需计算运动目标的轨迹,无需建立样本库,实验证明了该方法的有效性、实时性。

基于颜色空间的自适应阈值镜头分割算法

镜头分割是基于内容的视频检索的关键步骤,它会直接影响到视频检索的效果。文中介绍了几种常用的镜头分割方法,并且根据YUV颜色空间的各分量可分离的特点,提出了一种改进的基于YUV颜色空间的自适应阈值镜头分割方法。在突变镜头检测模块,为了消除由噪声带来的误检,加入了帧差值比法。在渐变镜头检测模块,使用了滑动窗口值方法。镜头分割的难点是渐变检测,算法在渐变检测上也取得了不错的成果。经过大量实验结果表明,改进的算法对镜头分割有很好的实验效果,算法计算复杂度低,易于实现。

基于单元格运动特征的人群异常检测

针对传统基于跟踪的异常检测方法无法适用的拥挤人群场景,提出一种根据单元格速度和前景像素数(大小)及其运动方向是否具有刚性运动特性来判别异常的检测方法。为了只分析前景目标忽略不相关的背景,首先将输入帧进行前景分割,再将输入帧分割成不重叠的单元格,通过计算单元格中前景像素的光流提取每个单元格的运动特征来判定异常的发生。其中,速度特征可以检测出速度过快的异常情况。为了区分出车和因人群走近而形成的大目标,提出运动方向统计的方法。实验表明该方法在较短的时间内具有较好的检测效果。

基于背景差与HOG-LBP的快速运动人体检测

针对单目静止摄像机近距离监控的情形,结合运动目标外接矩形长宽比,提出一种HOG特征联合LBP特征并通过PCA降维的快速运动人体检测算法。该方法包含两个步骤:运动目标提取和运动人体检测。使用帧差与背景差相结合的方法提取运动目标,帧差用于更新背景,背景差用于提取运动目标。运动目标判别即人体检测分为两个部分:单运动人体检测以及多运动人体检测。首先根据运动目标外接矩形的长宽比,把目标分为单目标以及多目标;然后,根据肤色的分布判断单个行人。对于多目标,提取HOG-LBP特征,用PCA降维,结合线性SVM进行群人目标判定。实验结果表明,该方法不仅提高了人体检测速度,还提高了人体检测率。

RGB-T目标跟踪综述

RGB-T目标跟踪是基于RGB目标跟踪问题发展而来的.为了提高复杂环境下的目标跟踪性能,学者们提出结合可见光和热红外的信息来克服单一成像受限的问题.本文首先介绍了RGB-T目标跟踪的研究背景,并指出该任务所面临的挑战,然后归纳并介绍了目前已有的RGB-T目标跟踪的几类方法,包括传统方法和深度学习方法.最后,本文对现有的RGB-T数据集、评价指标进行了分析和对比,并指出RGB-T跟踪中值得研究的方面.