基于提升方案的高维形态小波构造(英文)

研究基于提升方案的高维形态小波构造方法 .结合数学形态学和高维小波分析来构造高维形态小波 .提出高维多通道形态小波构造的一般性框架———高维多通道提升方案 .采用最大值 (最小值 )形态算子构造一维多通道Haar形态小波和高维多通道Haar形态小波 .最后通过两个例子说明形态小波变换的优点和可行性 .

基于贝叶斯网络的运动对象提取

本文分析利用颜色和运动信息做运动对象提取所存在的两个问题。针对这两个问题,本文引入场景上下文知识和经验知识来辅助提取运动对象。而贝叶斯网络(Bayesian Network,BN)是不确定性知识表达和推理的重要工具,我们利用它来表达运动对象的场景上下文知识和人们对运动对象的经验知识,并用它来推理运动对象的可能大小、位置和形状。

面向移动计算的数字水印技术研究

1引言 随着无线互连的不断发展,移动设备的使用越来越普遍,在移动设备上开发的服务项目更是日益丰富.以前移动设备只能提供文本服务,例如短信息;如今多媒体服务的不断涌现,极大地丰富了人们的生活,同时也把多媒体数据保护问题带到无线互连中.

基于阵列图像的自适应光场三维重建算法研究

针对现有光场图像获取困难,深度重建过程中遮挡以及亮度变化较大区域匹配效果差、稳健性低等问题,提出了基于单反相机的光场图像获取方法以及EPI自适应三维重建算法。在图像预处理阶段,该算法利用双边滤波器对EPI进行去噪,并通过交叉检测模型求得边缘区域。在边缘深度求解以及深度扩散阶段,算法在先验似然策略的基础上,提出EPI自适应框架,通过最大类间方差(OSTU)准则自动设定阈值,舍弃类外点,使距离度量只发生在类内点之间,因此极大地消除了遮挡以及光照变化的影响,提高了边缘深度和内部深度估计的准确性和稳健性。实验结果表明,所提出的系统可以方便地获取阵列图像,成本低、操作方便,且提出的算法能较好地估计场景的深度信息,并实现场景的三维重建,比以往算法在精度上有较大提高。

一种基于小波变换和骑士巡游的图像置乱算法

由于图像或视频数据在网络中 (特别是在无线网络中 )进行传输时 ,很容易被非法截取 ,人们对多媒体数据传输的安全性提出了很高的要求 许多典型的图像加密方法都是对传输图像的像素直接进行置乱 ,这使图像置乱的程度受到了限制 ;也有一些方法是对变换域的变换系数置乱 提出了一种新的图像置乱加密算法 ,其基本思想是首先将原图像进行小波分解 ,然后以棋盘上的骑士巡游线路为工具 ,充分利用小波子带的特点将小波系数进行置乱 这为图像加密提供了一种全新的思路 通过与传统的置乱算法做比较 ,验证了本算法能够获得更好的置乱效果 并通过对实验数据的分析和解释得到了若干有益的结论 。

离散小波变换图像压缩技术综述

1.引言 自从1984年"小波"这一概念诞生以来,小波及多分辨分析理论和应用得到了迅猛发展.特别是在图像压缩领域,由于离散小波及多分辨分析与子带编码的天然联系,以及离散小波变换本身具有的良好去相关特性,使之逐渐成为图像压缩中的主流变换.例如:在最新推出的JPEG2000静态图像压缩国际标准中,已采纳离散小波变换作为标准的像素去相关变换.在最新的MPEG4视频图像压缩国际标准中,也大力推荐采用离散小波变换.

图像压缩的小波系数模型

通过对 3种经典的小波系数模型 (EZW模型 ,SPIHT模型 ,EBCOT模型 )进行仿真实验 ,表明SPIHT的压缩性能优于EZW(平均高 0 .6dB) ,而EBCOT的压缩性能又优于SPIHT(平均高 0 .5dB) ,再通过对 3种模型的分析 ,明确了 3种模型性能差异的根源在于对子带内小波系数的相关性和子带间小波系数的相似性的不同利用。最后 ,综合上述 3种模型的优点 ,充分利用子带内小波系数的相关性和子带间小波系数的相似性 ,提出了一种新型小波系数模型。实验表明该模型在压缩比方面优于上述 3种模型。

Gradual-SURF算子的角点提取

SURF算子为了改善SIFT的计算复杂度高的问题,简化和近似了DoH(Determinant of Hessian),这样不仅保证了算法结果的稳定性,也提高了计算效率。但是SURF这样的近似简化过程,损失了图像中的一些渐变信息。对SURF算子进行了改进,在其处理过程中加入了渐变的信息。实验结果表明,提出的G-SURF(Gradual-SURF)算子可以获得更稳定的效果,并且同时计算复杂度也有所改善。

基于散斑的三维体感交互系统

为了提高基于投影散斑的体感交互算法的精度和效率,提出采用零均值归一化互相关算子(ZNCC)恢复深度信息的快速计算方法,并通过引入特征筛选的分级决策树构建了姿态分类器.首先采用ZNCC在三维场景重建中求取散斑图像的视差,由三角化测量根据视差值反算目标场景的深度图像,基于GPU并行架构和改进的计算公式,解决ZNCC的冗余计算问题;然后采用改进的随机森林算法在姿态估计中完成人体部件分类,由mean shift算法实现关节点和骨骼提取,通过特征筛选机制去除无效特征降低训练数据的特征空间维度,并根据人体姿态动作的特点在决策树的组合中用分级决策思想提高预测精度.最终实现了系统的整体集成,通过实验验证了该方法的有效性.

基于图像子空间的改进商图像方法

光线变化将显著降低人脸识别系统的性能。Shashua et al.提出了一种处理人脸识别中的光线变化问题的简便方法——商图像方法。在本文中,我们从图像子空间的角度对商图像方法进行了分析,理论分析和实验表明,这种方法存在的主要缺点有:1)不准确的理想类假设;2)简单的三维点光源模型无法很好地近似任意光照情况。针对这些不足,我们提出了一种基于图像PCA子空间的改进商图像方法,以克服这些缺点。我们的方法能够较好地满足商图像方法的理论前提,从而达到更好的图像合成效果和人脸识别性能。

基于UKF的无线传感器异步数据融合优化算法

提出了一种基于无迹卡尔曼滤波(UKF)的无线传感器异步数据融合算法,利用RNAT机制识别无线传感器网络中的冗余节点,构造数据冗余树来实现冗余数据的去除。根据重复数据消除的结果,在每个传感器检测范围半径相等的环境下,采用四圆定位法,任意选择2个检测目标信息的节点,计算2个圆形检测区域边界的交点,根据迭代法找到并近似目标。设定了不同传感器的原始传感器相互独立、同一传感器不同原始量测量值相互独立的前提条件,计算出各通道的测量值,利用未测量卡尔曼滤波器以滤波的形式更新测量值,引入卡尔曼滤波增益矩阵,并结合异步数据定位结果实现数据融合。实验结果表明,融合后的数据利用率高于现有结果,算法耗时短、能耗低,且具有较高的数据融合精度,整个融合的准确率在90%以上。

基于单个深度相机的带纹理人脸实时重建算法

三维重建的研究是近年来计算机视觉领域的一个热点。基于单个深度相机的KinectFusion算法具有实时性高、比较廉价等优点,在KinectFusion算法基础上提出了能够自动识别人脸的有效区域,通过获取相应的深度数据和RGB数据来进行带纹理的人脸三维重建方法。在点云配准阶段引入一个惩罚因子来平滑人脸的非刚体运动。根据获取的颜色信息建立颜色信息的场函数并进行纹理贴图,得到更加逼真的带纹理的三维模型;在重建过程中使用了GPU加速实现实时性。

结合EZW和AES的图像加密机制

随着图像或视频的网络应用日益普及,各种各样的新型应用不断涌现。由于图像或视频在网络中传输时,网络本身的安全措施并不能完全阻止非法截取事件的发生,因此人们对于图像数据传输的有效性和安全性提出新的要求。提出一种新的方法,其基本思想是通过结合使用离散小波变换(DWT)、嵌入式零树小波编码(EZW)和高级加密标准(AES),在对需要传输的图像充分压缩的基础上,对编码码流加密置乱,从而同时达到有效和安全传输的目的。实验结果表明,该方法在保持较高压缩效率的同时,增强了码流在传输过程中的安全性。

基于八叉树结构的三维体素模型检索

随着VR/AR技术发展以及三维模型的广泛应用,实现三维检索具有越来越重要的现实意义.基于模型的检索较好地保留了模型的空间信息和几何特征,其不仅包含模型的表面信息而且还包含模型的内部属性.但是,基于模型的检索往往存在着高存储、高计算的问题.为了解决该问题,本文研究了三维模型预处理及三维模型表示的方法,提出了一种基于八叉树结构的三维体素模型检索方法,即将模型进行体素化处理后提取模型的粗粒度特征和细粒度特征,将两种特征进行融合用八叉树形式表达特征,输入到卷积神经网络中进行训练,最终通过特征的欧氏距离度量实现模型的检索.运用八叉树特征表示法,可以有效地节省体素化存储过程的空间占用量,而且也能保留原始三维网格模型的细节信息.同时考虑到计算性能,本文还在模型体素化的过程中做出一定的改进,通过仅对模型外表面进行体素化,实现了对体素化过程以及数据存储和卷积神经网络训练的优化,大大降低了时间开销.实验中将三维体素模型特征存储在八叉树结构中作为卷积神经网络的输入,结合SOFTMAX代价函数,通过大量的模型训练数据,对该卷积神经网络模型进行训练.与其他同类算法对比,证明了该算法在三维模型检索中的优越性.

基于GPU的散斑三维重建系统

散斑相关算法可以用来估计场景的深度信息,但因易受到噪声干扰且计算量大而难以应用在基于普通计算机的三维重建系统中。采取零均值归一化互相关函数(ZNCC)作为相关算法的匹配代价函数,对传统的ZNCC快速计算方法进行修改并将其应用于计算机的通用图形处理器(GPU),实现了实时的场景三维重建效果。对比实验表明,在精度一致的前提下,提出的GPU计算方法的速度是CPU算法的39倍。

基于投影散斑的实时场景深度恢复

为了解决传统匹配算法重建散斑图像时在视差不连续区域误匹配较多的问题,提出一种在网格顶点处选择种子点、渐进增长的区域生长匹配方法,以完成散斑图像的深度信息恢复.针对传统区域生长方法种子点选取速度低、覆盖性差的问题,提出在网格顶点处选择种子点的快速定位方法;在生长策略方面,采用逐步放宽种子点选择标准和生长标准的方式,渐进地增长区域;为克服散斑图像亮度不均衡的问题,采用零均值归一化互相关算子作为相关测度算子,并针对该算子冗余计算较多的问题,运用积分图结合其改进计算公式加速计算,确保算法的实时性;最后插值细化视差图,并根据三角测量原理转化视差值为深度值.实验结果表明,该方法深度恢复结果鲁棒性强、速度较快.

融合注意力机制的多阶段舌象分类算法

为解决舌象分类算法容易受到面部无关信息以及舌部杂质信息的干扰,造成分类准确率下降的问题,设计一种融合注意力机制的多阶段舌象分类算法。通过舌部定位阶段提取不同感受视野的舌象特征进行融合,获得舌部区域,减轻面部信息干扰;在舌象分类阶段基于舌部区域,借助注意力机制模块抑制舌部杂质信息的干扰,提取精准特征,进行分类。将算法得到分类结果的P、R、F值与KNN、SVM和Inception-V4的作比较,结果均优于这3种算法。

一种快速的空间变换模型计算方法

提出一种基于Sobel算子特征点检测的快速空间变换模型计算方法。利用Sobel算子对边缘的敏感特性生成Sobel描述器,进行特征点的描述和匹配,并运用PROSAC算法快速消除误匹配,从而计算出空间变换模型。实验结果表明,算法采用简单的Sobel算子组合成描述器,快速提取出了图像中的特征点,并且根据相似性描述器准确地进行了特征点匹配,提高了空间变换模型的计算速度,为增强现实和图像拼接等视觉领域应用提供了前提[1,2]。

基于渐进可靠点生长的散斑图快速立体匹配

传统的区域生长匹配结果过于依赖生长阈值,而渐进可靠点生长匹配设置由高到低的种子点选取阈值和生长阈值迭代地生长区域,有效增强了匹配结果对于生长阈值的鲁棒性。有研究将该方法用于散斑图的立体匹配,取得了较好的效果,但是计算速度慢且仍存在不少非法点。实现了一种划分格网进而筛选种子点的方法,并在生长过程中丢弃传统的四邻域生长,提出一种跳跃式生长方法,其在确保匹配质量的同时大大提高了计算速度。进一步地,将渐进可靠点生长的方法用在匹配后处理中消除了一半的非法点。

全局双边网络的语义分割算法

语义分割任务是对图像中的物体按照类别进行像素级别的预测,其难点在于在保留足够空间信息的同时获取足够的上下文信息。为解决这一问题,文中提出了全局双边网络语义分割算法。该算法将大尺度卷积核融入BiSeNet网络中,在BiSeNet网络原有的空间路径和上下文路径两条分支的基础上增加全局路径分支,使网络能够捕获更多的上下文信息,同时提出将BiSeNet网络中的注意力优化模块和特征融合模块中的全局池化模块替换为全局卷积模块,进一步提高了网络获取上下文信息的能力,从而使预测结果更加准确。实验结果表明,该算法在Cityscapes数据集上将交并比(MIoU)指标提高了0.84%,获得了优于BiSeNet网络的表现。