利用局部特征匹配的运动小目标光流估计

基于深度光流估计的动态背景运动小目标检测,为了保证小目标的检测性能,一般采用较少的下采样次数以维持较高的分辨率,但由此带来了较大的计算耗时。特征匹配是深度光流估计的一个核心处理环节,其耗时在光流估计整体耗时中的占比较大,且对下采样次数非常敏感。据此,提出一种基于局部特征匹配的快速光流估计算法:引入目标运动信息,缩小特征匹配的空间范围,减少待处理的数据量;设计分块局部匹配策略,引入批处理机制,避免出现逐点局部匹配策略数据处理耗时过大问题,实现算法加速。在此基础上,在光流估计获取的光流场上,采用CenterNet网络检测运动目标对应的光流异常区域。从光流估计耗时、检测精度等方面开展了实验验证,结果表明:针对运动小目标检测,分块特征匹配光流估计比全局特征匹配光流估计耗时减少约25%,目标检测性能相当。

结合跨层特征融合网络和非局部的识别方法

在以往的方法中,针对于图像识别,主要目标是提取出足够多的具有区分度的局部关键特征。由于细粒度图像分类是对同属于一个大类下面的具体小类别的细分,所以不同的细类之间差别很小,要想提高准确率,更需要找到具有辨别力度的局部区域。论文使用了目标-导航网络,来筛选出前k个最具有判别力的局部区域块,然后针对于筛选出来的k个不同的区域块,利用非局部模块的思想,捕捉不同局部区域之间的联系,更加充分地利用了图像信息,以此来提高精度。与此同时,在残差网络中,使用了卷积注意模块捕捉不同通道注意力特征之间的联系,且在最后的全连接层处改进了网络架构,使用跨层特征融合的方法来代替了简单的级联。考虑到在细粒度识别中,图像的标注需要耗费非常多的人力物力,所以论文中提出的方法,是自监督的。

改进AKAZE算法的泥石流区无人机影像特征匹配

针对在泥石流区灾害应急中使用无人机高分辨率影像特征匹配时时效性较低的问题,本文提出了一种改进AKAZE无人机影像特征匹配的算法。该算法首先使用AKAZE特征点检测算法提取局部稳定不变特征,用二进制描述符BEBLID描述检测到的特征点,采用最近邻次近邻距离比(NNDR)完成初步匹配;然后采用核线几何约束计算变换矩阵,达到内点提纯、提高匹配质量的目的;最后选取5组同一无人机序列影像进行特征匹配试验,分别与经典SIFT算法、AKAZE算法、ORB算法进行比较。试验结果表明,该方法的匹配准确率与SIFT算法接近,略高于AKAZE算法,明显优于ORB算法,计算速度明显优于SIFT算法和AKAZE算法,基本达到ORB算法的计算效率。本文方法能较好地应用于对匹配精度和匹配时效均要求较高的泥石流场景无人机影像数据处理中。

基于多尺度熵特征优化算法的MCI早期诊断及敏感脑区分析

轻度认知障碍(MCI)是阿尔兹海默病诊疗的关键时期,迫切需要早发现,早干预。针对MCI早期诊断问题,特别是早期诊断的敏感脑区定位问题,提出一种基于多尺度熵的脑电信号特征提取优化算法,即多尺度熵特征优化算法。该算法通过构建多重尺度序列,并充分考虑各序列贡献程度,最大程度挖掘细节信息。共采集49名受试者临床脑电信号数据,其中实验组(MCI组)28名,正常对照组21名。对比分析实验组与对照组,MCI组16通道多尺度熵特征优化算法熵值均低于对照组,且前额叶、前颞叶以及中颞叶脑区具有显著性差异(P<0.01)。仅以此特征作为分类器输入特征,分析前额叶、前颞叶以及中颞叶3个脑区,其脑区诊断测试集识别率分别为83.33%、86.67%、73.33%。进一步,分析识别率最高的前颞叶两通道的AUC值分别为0.753与0.733。多尺度熵特征优化算法熵特征能够充分反应脑电信号变化,是可以作为MCI早期诊断的一种特征标记,前颞叶脑区可以为评估MCI患者脑认知功能状态的敏感脑区提供研究支持。

基于SIFT抗几何攻击的数字水印算法

针对数字水印信息易遭几何攻击的问题以及水印算法的不可见性与鲁棒性的平衡性问题,提出一种基于尺度不变特征变换(SIFT)的图像局部特征点的数字水印算法。首先利用SIFT算法在原始图像中寻找局部特征点,再以局部特征点确定多个满足一定条件的圆形局部特征区域(LFA),经LFA正规化后将水印嵌入到LFA的离散余弦变换(DCT)域的中频系数中。其中,考虑到水印信息对图像质量的影响,嵌入强度根据Watson人类视觉模型进行动态调整。实验结果表明,该算法得出的峰值信噪比(PSNR)和水印相似度数值较高,说明该算法不仅保证了较好的水印不可见性,并且在一定的几何攻击下表现出较强的鲁棒性。

利用多层视觉网络模型进行图像局部特征表征的方法

为了寻求代价更小、效率更高、适应性更强的图像局部特征表征方法,提出一种基于视觉机制的多层网络计算模型.首先对初级视皮层中的简单细胞和复杂细胞等神经元进行建模;然后对腹侧视通路上的V4区神经元和下颞叶皮层区神经元的响应模式进行研究,并利用该计算模型对输入图像进行局部特征的表征.实验结果表明,与传统的图像特征描述方法相比,该模型所提取的图像局部特征具有足够的区分度;此外,利用生物视觉模型提取出的图像局部特征在具有复杂背景的场景中显示出了更加优秀的泛化能力.

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.

一种新的基于对称特征的彩色人脸定位方法

本文研究了复杂多变人脸的检测和定位问题,提出了一种新的基于对称特征的人脸定位方法。该方法基于肤色特征提取出人脸,根据眼睛的颜色和梯度特征在肤色区找到眼睛可能存在的有限的候选区域;根据人脸的对称特征把这些候选区域分别进行匹配,找到最佳匹配的区域就是眼睛区域。实验证明,这种方法在复杂姿态和复杂表情以及戴眼镜的情况下有很强的稳健性。

基于分布重叠和特征加权的无线局域网室内定位算法

受复杂室内环境下无线信号时变特性和随机特性的影响,传统的以接收信号强度均值为指纹信息的定位算法定位精度较低。针对该问题,提出了一种基于分布重叠和特征加权的位置指纹匹配定位算法。该方法采用接入点(Access Point,AP)信号包络的概率分布作为位置指纹特征,首先根据终端与AP的连通性为指纹特征设定权值,用信号包络概率分布重叠来表征指纹特征的相似度,然后取各特征相似度的加权和为指纹的相似度,最后根据最大指纹相似度原则估计目标位置。实验结果表明,所提算法的定位精度明显高于传统定位算法,具有较高的实用性。

基于随机投影的场景文本图像聚类方法研究

图像中的文本字符存在于杂乱的背景之中,拍摄视角的不同使得文本具有较大的几何变形,再加上存在光照变化、字符颜色不统一等现象会导致背景分离和文本识别困难。为此提出一种基于图像文本区域的图像聚类方法。该方法首先对自然场景图像中已定位的文本区域提取局部特征描述,并使用随机投影方法将局部特征矢量集映射为固定维的特征向量,然后对包含图像文本区域的图像进行聚类。这种方法避免了由图像分割与字符识别带来的困难。实验结果表明,该方法可以对包含文字的自然场景图像有效地进行聚类,聚类的准确率能达到86.66%。

采用多特征融合的自动适配区选择方法

局部无纹理目标跟踪是当今空地成像制导领域的一个难点和热点问题,而自动适配区选择是解决该难题的一种有效方法。介绍了一种基于多特征融合的自动适配区选择方法。首先,构造一个融合边缘密度、平均边缘强度、边缘方向离散度以及空间距离的适配性度量函数;然后,采用该函数计算图像中每一点的适配置信度;通过制定适当的适配区选择策略,分割出3个置信度相对较高的适配区,用作匹配跟踪的目标模板。实验结果表明,采用该方法分割出的适配区与通过人工经验判断的结果相近,获得了较好的结果。该方法可广泛用于空地成像制导的局部无纹理目标跟踪以及景象匹配任务规划等应用中。

一种基于特征增强的小波图像融合新方法

图像的特征增强可以突出地物的空间结构和纹理特征,文中在分析小波变换系数局部特征的基础上,利用系数的局部方差定义了高频融合因子,进行了合成孔径雷达(SAR)图像和光学图像的融合实验。由于对SAR图像进行增强处理,提高了融合图像的细节清晰度,与传统方法进行比较,得到了更好的融合效果。

西部地区地方高校定位问题

高等学校定位包含高校在某一教育系统中的定位,与同类学校相比较中的发展目标定位,还包括人才培养目标的定位。中国西部地区高校存在着对定位不重视,定位不准确,缺乏个性和特色,盲目攀比,不切实际的问题。西部经济社会发展状况、政府权力、市场需求、学科特色等都是制约学校定位的因素。准确定位,要把握好办学类型、办学水平和办学特色等问题。

我国地方少数民族教育立法的内容及特点

地方少数民族教育立法是我国少数民族教育立法的重要组成部分,加强地方少数民族教育立法研究是推进我国地方乃至中央民族教育法制建设的需要。本文作者通过文献研究及实地调研,对我国地方少数民族教育立法的内容及特点进行了较深入的阐述。

一种快速非局部均值图像去噪方法（英文）

针对非局部均值(NLM)去噪算法运算量大的缺点,给出一种快速NLM方法。通过特征来表示块的信息,使每个块只计算一次,从而减少计算时间。与先前的方法相比,所给方法的相似性度量准则与NLM方法一致,且不需要预先设置阈值。为加速相似块的搜索,采用2D直方图和积分图两种方法。另外,给出基于块的方法对图像噪声进行盲估计,以求解滤波参数。针对坦佩雷图像数据库(TID)所进行的实验结果表明,所给方法利用整幅图像信息,故其性能明显优于半局部均值(SLM)算法。

无线局域网指纹匹配身份认证仿真研究

对无线局域网指纹匹配身份进行准确的认证,可以保障无线局域网中身份认证过程中数据信息的安全性。应将对指纹图像纹理特征与系数特征构成指纹特征向量进行提取,获取存在平移和旋转关系的两幅指纹图像特征信息才能实现身份认证过程中的指纹匹配,但是传统方法通过小波去噪理论去除无线局域网中身份认证过程中语音信号中的环境噪声,结合马尔科夫模型进行预测信号特征匹配完成认证,但是不能准确提取纹图像纹理特征,存在认证误差大的问题。提出一种基于K均值理论的无线局域网指纹匹配身份认证方法。上述方法先利用K均值结合隶属度对身份认证中的指纹图像进行预处理,获取各类指纹图像的中心点,计算出指纹图像样本特征和各基准点特征的分块隶属度,依据最大隶属度原则获得指纹图像样本的分类结果,将分类的结果进行重构并提取指纹图像纹理特征与系数特征构成指纹特征向量,在此基础上对存在平移和旋转关系的两幅指纹图像特征信息利用限界盒方法进行全局匹配,实现身份认证过程中的指纹匹配,并完成指纹匹配身份认证。实验结果表明,所提方法进行无线局域网指纹匹配身份认证效果较好,且认证效率较优。

运动信息引导的目标检测算法

在室外监控视频的场景下,由于场景的复杂性及目标的多样性,监控视频中的目标存在难以检测的情况,如目标被遮挡、目标尺寸变化等,目标检测任务仍然存在挑战。基于此,提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进,使得到的运动前景图中能够保持静止目标前景的存在;利用运动前景图中的前景可以指示目标空间位置的特点,在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合,提高特征图可能存在目标区域的响应值;在目标检测算法的检测器中,引入一个定位分支,利用视频帧的运动前景图,学习候选目标的定位置信度,并与目标的分类置信度加权求和,作为目标最终的置信度,再通过非极大值抑制方法得到检测结果。实验证明,在固定摄像机下采集的数据集中,所提算法能够提升目标检测的准确率。

局域网络信息系统特征级开源目标融合仿真

在局域网络信息系统中,信息都储存在开源目标节点上,信息量较少,难以精准的获取以及很难做出正确决策。为了收集更多的开源信息,做出准确判断,提出基于开源目标度量融合框架的局域网络信息系统特征级融合算法。将RMF框架作为特征级开源目标融合策略的理论基础,使上述算法具有可行性和鲁棒性。通过融合运算,使向量融合空间保存大量有效信息,通过特征级开源目标融合后,提高向量维度,以获得较为理想的目标数量和精度。分析仿真结果验证了所提方法的有效性与优越性,说明特征级开源目标融合,可以在局域网络信息系统中获取更多信息量,从而进行精准的决策。

一种基于K-Mean算法的移动应用兼容性测试方法

随着移动应用市场的快速发展,移动应用兼容性测试问题日显突出和紧迫。本文提出了一种基于K-Mena算法的移动应用兼容性测试设备选择方法。该方法首先建立移动应用兼容性测试设备的特征树模型,确定各个基本特征的测试值,定义初始K值和中心点。然后给出一种基于设备特征树模型的特征距离计算方法。最后基于K-Mean聚类算法,对移动设备进行聚类,从各个聚类中选择适合的移动应用兼容性测试设备。通过实例进行验证分析,结果表明该方法能够帮助测试人员选择适合的测试设备,从而降低测试成本,提高测试效率和测试质量。

舰船局域网络大规模入侵实时取证方法研究

传统检测取证方法存在大规模入侵检测数据误差大的问题。提出舰船局域网络大规模入侵实时取证方法,依托信号滤波技术,创建卡尔曼信号滤波单元,对网络波束内部干扰源进行滤波处理,利用Hybrid入侵特征提取算法,对滤波后信号进行提取运算。实现对局域网内的入侵数据信号干扰滤波与入侵信号提取。通过对比实验证明:提出的舰船局域网络大规模入侵实时取证方法,能够有效滤除局域网入侵干扰信号波,快速筛选、锁定、提取入侵数据信号,实现实时提取入侵信号证据的效果。