基于关键区域特征提取与二阶段分类网络的场景识别方法

在场景识别任务中,存在异类场景包含高相似度的物品种类或同类场景空间布局差异过大的情况,即场景的类间相似性与类内差异性。现有方法通过增强数据集或利用多层次的信息互补提高分类器的判别能力,尽管性能得到了一定提升,但仍存在局限性。文中提出了关键区域特征提取(Discriminative Patch Extraction,DPE)以及二阶段分类(Two-Stage Classification,TSC)网络的方法来克服场景的类间相似性与类内差异性。关键区域提取通过保留图像中的关键信息区域来避免类内差异性对场景识别的影响,而二阶段分类网络则通过粗细两个阶段的训练来避免类间相似性对场景识别的影响。文中方法结合ViT(Vision Transformer)等基线网络,在经典场景识别数据集Scene15、MITindoor67和SUN397上的分类精度分别达到了96.9%、88.4%以及76.0%。所提方法在最大规模的场景识别数据集Places365上取得了60.5%的最高分类精度。

基于块间光照不一致性的深度伪造检测算法

深度伪造技术的迅速发展和广泛传播引起了社会的广泛关注,但深度伪造技术的恶意应用也给社会带来了潜在威胁。因此,如何检测出此类深度伪造内容成为热门研究课题。以往的多数深度伪造检测算法着重于捕捉像素级别的细微伪造痕迹。目前的深度伪造算法大多忽略了伪造前后的光照信息,导致原始人脸与伪造人脸之间存在一定的光照不一致性,这为使用光照不一致性来检测深度伪造提供了可能。从引入光照不一致性信息和为特定任务设计网络结构模块两个角度设计了对应的算法。针对光照的引入,通过设计对应的通道融合算法,将更多的光照不一致信息提供给网络特征提取层,从而衍生出新的网络结构。为了保证该网络结构的可移植性,将特征通道融合的过程置于网络提取信息之前,从而使所提算法能够完整移植至常见的深度伪造检测网络。针对网络结构的设计,从网络结构和损失函数设计两个角度出发,提出了基于块间相似性的光照不一致性深度伪造检测算法。对于网络结构,基于伪造图像篡改区域和背景区域不一致的特性,在网络特征层中对提取特征进行分块,通过对比块间余弦相似度得到特征层相似矩阵,使网络拟合重心更偏向于光照不一致性。在此基础上,基于特征层相似性对比方案,通过将输入图像与该图像的未篡改图像进行块间真伪性对比,为这一任务设计了独立的真实数据参考及损失函数。实验结果表明,与基线算法相比,所提算法对于深度伪造检测的准确性有明显提升。

一种基于块局部最优维纳滤波的图像重构算法

基于块的图像处理方法将欧氏距离作为相似块的评判标准,无法很好地反映块之间的结构性,导致重构图像存在不同程度的块效应。该文根据基于块的维纳滤波器能够充分利用图像块冗余度的特点,结合块效应的空间分布特征,提出一种改进的基于块局部最优维纳滤波的图像重构算法。首先,该算法通过对图像高频部分稀疏采样,将块效应限定在块与块的交界处,然后将图像分成块边界区域和块中心区域,利用几何结构相似和亮度相似的图像块确定滤波参数,进而平滑块效应。实验结果表明,该算法可以有效抑制重构过程中的块效应,且对于细节丰富的图像,重构效果的提升更加明显。

基于分块奇异值分解的两级图像去噪算法

为了更有效地进行图像去噪,提出了一种基于分块奇异值分解(Singular value decomposition,SVD)的两级图像去噪方法,该方法首先将含噪图像中具有相似结构的图像块组织成具有很强相关性的图像块组;然后,利用二维奇异值分解去除图像块组中每个相似块的内部相关性,利用一维奇异值分解去除相似图像块组之间的冗余;最后,通过硬阈值方法收缩变换系数实现图像与噪声的有效分离.为了进一步提高去噪效果,对含噪图像再次进行上述操作.不同的是,在第二级去噪过程中,相似图像块组根据第一级估计出的图像计算获得且相似图像块间的相关性通过离散余弦变换去除.仿真实验表明,提出的两级图像去噪算法不仅可以较大程度地去除图像噪声,还能有效保留图像细节,取得了良好的去噪效果.

片相似性各项异性扩散图像去噪

提出了一种基于片相似性的各项异性扩散图像去噪方法.传统的各项异性图像去噪方法都是基于单个像素点的灰度相似性(或梯度信息),不能很好地保持弱梯度边缘和纹理等细节信息.基于片相似性的非局部图像去噪方法由于利用了邻域像素的灰度相似性,而能够很好地保持纹理等细节信息.将片相似性思想引入到各项异性扩散中,利用片相似性构造扩散函数,同时将片相似性各项异性扩散模型扩展到彩色图像的去噪.实验结果表明,提出的改进方法能很好地保持纹理等细节信息,不存在各项异性扩散普遍存在的明显的阶梯效应,同时比非局部图像去噪方法速度快.医学图像去噪实例也表明所提出方法具有很好的应用前景.

基于非局部的图像去噪方法的发展现状综述

通过对图像的相似块做处理从而达到去噪目的,是当前较为新颖的去噪方法,在对国内外利用相似块去噪文献进行理解和分析的基础上,回顾相似块去噪研究的发展,阐明相似块去噪的原理,并总结了相似块去噪的各种方法。最终基于对相似块去噪方法的分析,提出了对其研究方法的展望。

基于GPU加速的快速图像相似区域查找

图像相似区域查找是很多图形图像应用中的关键问题,也是计算瓶颈。传统加速方法如ANN(Approximate Nearest Neighbor)处理较大图像区域时速度较慢,而且在非度量空间下不支持精确查找。提出基于GPU加速的图像相似区域并行查找的通用计算框架,该框架可以扩展,以支持任意距离函数。特别针对在图像处理中应用广泛的欧氏距离(度量空间)和Chamfer距离(非度量空间)分别提出了基于CUDA的高效相似区域查找算法,比较完备地给出了相似性计算在不同度量空间下的实现。进一步,在设计具体的CUDA加速算法中,结合不同距离计算的特点对并行计算过程进行优化。该方法采用穷举的查找策略,在欧氏距离和Chamfer距离下都能实现精确查找,且大大提高了计算效率。实验结果表明,加速算法在准确查找的基础上执行速度比传统加速方法提升了一至二个数量级,且应用于纹理合成的实例表明,算法可以快速合成高质量的纹理。

基于相似性验证与子块排序的NSST域SAR图像去噪

为了改进传统的非局部变换域合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法不考虑子块关系的缺点,结合相似性验证与子块排序提出一种新的非下采样剪切波(non-subsampled shearlet transform,NSST)域SAR图像去噪算法.构造NSST域SAR图像相似块之间距离的密度分布;利用子块之间的相似性,去除相似性较低的子块;结合子块排序和最优一维滤波对SAR图像进行去噪.实验结果表明,与其他经典去噪算法相比,等效视数平均提升6.92,边缘保持指数更接近1,无参考质量评价指数平均降低2.51,能更好地保持图像边缘和纹理信息,改善图像的视觉效果.

融合几何变换相似块的序列图像超分辨率重建

图像内部不同位置或不同图像之间包含有相似的像素或图像分块,通过对相似块的融合可以完成高分辨率图像的重建。为了充分挖掘图像中潜在的相似信息,以提高重建质量,利用图像的几何变换自相似性,提取图像的邻域Zernike矩特征进行非局部相似性测度,提出一种融合几何变换相似信息的联合加权的序列图像超分辨率重建算法。实验结果验证了本文方法的有效性,与同类方法相比,本文方法具有更好的重建效果。

高寒干旱草原披针叶黄华植物群落土壤种子库与地上植被的关系

以祁连山高寒干旱退化草地披针叶黄华(Thermopsis lanceolate)群落为研究对象,采取野外调查取样和室内分析相结合的方法,对群落土壤种子库与地上植被的关系进行了对比研究。结果表明:地上植被物种共调查出15种,土壤种子库检测出植物18种,地上植被阿尔泰针茅(S.krylovii)、赖草(A.dasystachys)和扁穗冰草等可食草以及不食草披针叶黄华和阿尔泰狗哇花(H.altaicus)优势度明显,其它物种不明显;土壤种子库与地上植被物种组成的相似性程度较低;土壤种子库与地上植被中可食草的物种数多于不食草,土壤种子库的物种数均不小于地上植被中的物种数,地上植被中存在而未在土壤种子库中检测到的可食草物种有阿尔泰针茅和赖草,土壤种子库中存在而地上植被中未被发现的物种有早熟禾(P.annua)、灰绿藜(C.glaucum)、碱韭(A.polyrhizum)、酸模(R.patientia)、独行菜(L.apetalum)和秦艽(G.macrophylla);原生禾草物种在可食草功能群中生物量所占比例较低,毒杂草物种生物量所占比例增加显著,而土壤种子库的数量百分含量较低;可食草与不食草的生物量在植被梯度下的变化呈显著负相关(r=-0.940,P=0.018),而土壤种子库密度变化无相关性;可食草生物量变化与其土壤种子库密度变化不相关,不食草生物量变化与其土壤种子库密度的增加呈显著正相关(r=0.902,P=0.036)。

一种改进的BSCB修复模型

图像修复是利用一些算法对产生划痕和有缺损的图像进行修复,或者从图像中去除指定的物体和文字,以达到特定的目的。提出了一种基于片相似性的BSCB模型,利用片相似性各向异性扩散的性能来对受损区域进行平滑降噪,并针对结构简单的人工图像和有复杂结构的自然图像进行了修补。实验结果表明,基于片相似的BSCB模型可以获得良好的修复效果,且与BSCB-ASG模型和TV模型相比,可以减少图像的修补次数,改善图像的修补效果,因而可以满足图像修复的需要。

破碎刚体复原中的断裂面匹配算法

给出一种断裂面匹配的算法.首先根据形状描述子提取断裂面的特征点;然后根据特征点的特征值是否相近及邻域曲面是否相似得到少量特征显著的相似点对,算法以显著特征点为中心将断裂面划分为多个曲面片,使用三维直方图比较面片间的相似性,对于相似面片内部的特征点不再寻找其相似点,所以得到的相似点对数量少,可靠性高;最后使用引入三角形约束的穷举搜索的方法进行断裂面匹配.实验结果表明,算法能够实现断裂面的部分和完全匹配.

基于片相似性和最大似然期望最大化的低剂量CT重建算法

针对低剂量计算机断层成像(CT)重建的图像产生严重退化的问题,提出一种基于片相似性各项异性扩散和最大似然期望最大化(MLEM)的低剂量CT重建算法。首先,采用基本的MLEM算法对低剂量投影数据进行重建;然后,由于片相似性在降噪的同时,也能较好地保持图像的边缘和细节信息的特点,对重建后的图像使用基于非局部理论思想的片相似性降噪方法处理;最后,由于低剂量投影数据还存在脉冲噪声点,使用中值滤波对图像进行处理。采用Sheep-Logan体模作为实验模型进行低剂量CT图像重建的仿真,与BI-MART、BI-MLEM、基于方差的ELEM和基于结构相似性的MLEM算法进行了对比。实验结果表明,所提算法的信噪比(SNR)高达10.216308 dB,与对比算法相比,视觉效果更优,且有更小的归一化均方误差(NMSE)、均方绝对误差(MAE)和归一化均方距离(NMSD)。所提算法重建出来的图像能在光滑去噪的同时有效地保持图像的细节和边缘信息,既能有效地保持弱梯度和纹理,又不存在各项异性扩散存在的明显阶梯效应。

基于变指数的片相似性扩散图像降噪算法

针对图像去噪过程中存在边缘保持与噪声抑制之间的矛盾,提出了一种基于变指数的片相似性扩散图像降噪算法。算法基于变指数的自适应降噪模型,引入片相似性的思想,构造出新的边缘检测算子和扩散系数函数。传统的各项异性扩散图像降噪算法利用单个像素点的灰度相似性(或梯度信息)检测边缘,不能很好地保持图像的弱边缘和纹理信息。而所提算法利用邻域像素的灰度相似性,可以在滤除图像噪声的同时,保持更多的细节信息。仿真结果表明,与其他传统的基于偏微分方程(PDE)的图像降噪算法相比,该算法将信噪比(SNR)和峰值信噪比(PSNR)提高至16.602480 dB和31.284672 dB,具有良好的抗噪性;同时视觉效果较好,保持了更多的弱边缘和纹理等细节特征,在噪声抑制与边缘保持之间取得了较好的权衡。

视频人脸识别中判别性联合多流形分析

将基于视频的人脸识别转换为图像集识别问题,并提出两种流形来表示每个图像集:一种是类间流形,表示每个图像集的平均脸信息;另一种是类内流形,表示每个图像集的所有原始图像的信息.类间流形针对图像集之间的区别提取整体判别信息,作用是选出几个与待识别图像集较为相似的候选图像集.类内流形则考虑图像集内各原始图像之间的关系,负责从候选图像集中找出最为相似的一个.不同于现有的非线性流形方法中每幅图像对应流形中的一个点,采用分片技术学习两种流形的投影矩阵,每个分片对应流形中的一个点,所学到的特征更具有判别性,进而使流形边界更加清晰,同时解决了传统非线性流形方法中的角度偏差和不充分采样问题.还提出了与分片技术相匹配的流形之间的距离度量方法.最后在几个广为研究的数据集上进行了实验,结果表明:新方法的识别准确率高,尤其适用于不受控环境下的视频识别,而且不受视频段长短的影响.

次生林区斑块形状动态与森林恢复过程分析

以 195 9年以来 4期航片为基础资料 ,在ARC/INFO支持下 ,分析了关帝山天然次生林区森林恢复过程中各类景观要素斑块异圆指数和类斑边界分维数及其动态。研究表明 ,采用斑块异圆指数即可揭示景观要素斑块形状特征及其变化规律 ;研究地区景观恢复过程中 ,各类非林地斑块的异圆指数总体上高于林地斑块 ,但呈持续下降趋势 ,形状趋于规则 ;林地斑块的异圆指数呈持续上升趋势 ,景观处于活跃的森林恢复和斑块演替中期 ,演替后期森林斑块的扩展和合并过程始终占主导地位 ,斑块形状更趋复杂多变 ,相邻斑块间的联系密切 ,先锋性森林群落的斑块形状较为简单 ,斑块逐渐消退。

自适应非局部低秩的图像压缩感知重构算法

针对传统非局部低秩的图像压缩感知重构算法忽略图像结构特征,导致图像重构效果不理想的问题,提出一种自适应非局部低秩的图像压缩感知重构算法,充分考虑图像自身结构特征和图像块间的强相关性。根据样本块的块结构稀疏度值设置阈值,自适应选取局部搜索窗口大小和相似块的数目;利用新的相似块匹配方法在给定搜索窗口内选取所需要的相似块,按列聚合成低秩矩阵;利用加权Schatten p-范数作为原始秩函数的逼近去求解矩阵秩最优化问题。实验结果表明,所提算法较对比算法在峰值信噪比和视觉效果上均有所提高,验证了其有效性。

基于相似度理论的绿地斑块动态变化的估计与分析

系统地阐述了相似度理论,将该理论体系与层次分析法(AHP)相结合,以深圳特区两期绿地斑块的动态变化为例,对每个区总体和每种类型绿地总体的斑块相似度进行估计;通过与一定阈值的比较,判断其相应绿地斑块的变化程度及变化类型,最后综合分析整个深圳特区两期绿地斑块动态变化的原因。结果表明:利用相似度分析绿地斑块的动态变化是可行的,为进一步评估深圳特区城市化进程中的绿地规划提供了有效的方法和依据。

基于语义优先的土地利用图斑综合的研究——以大连旅顺口区北海街道为例

土地利用图斑综合是实现其多尺度表达的关键技术,主要包括相邻图斑的融合、相离且语义邻近图斑的聚合、狭长图斑的综合以及要素边线的化简等。通过以下4种方法实现图斑综合:①以要素间语义相似度为先决条件并顾及空间拓扑关系建立邻近度分析模型,通过模型检索要素的最邻近图斑实现数据融合;②以相离要素缓冲区交集中的节点建立多边形要素填补桥梁区域实现要素聚合;③以相邻要素的缓冲区将狭长区域剖分,并融合到周围要素的方法来实现狭长图斑的综合;④以Douglas-Peucker算法实现要素边线化简。上述方法对普通图斑及特征图斑均提出了各自适应的综合算法。实验结果表明上述模型及算法能最大限度的保证各地类面积平衡、也能有效控制要素变形、合理压缩数据并保证地图简洁、美观,保证自动化制图综合的简捷高效。

晋北盐碱化草地群落斑块的多样性

通过对晋北盐碱化草地8个不同的草地群落斑块的优势度、多样性、群落相似系数及土壤性质等特征进行研究,揭示草地群落斑块在演替过程中的结构特征与变化规律,为进一步对草地植被恢复与盐碱化草地治理奠定理论基础。结果表明,8个群落斑块的物种组成和优势度差异比较明显,Margalef物种丰富度指数和Shannon-Wie-ner多样性指数在斑块Ⅱ、Ⅲ和Ⅰ、Ⅳ、Ⅴ、Ⅵ、Ⅶ、Ⅷ组之间差异极显著(P<0.01);Pielou均匀性系数和Simpson优势度指数在斑块Ⅱ、Ⅲ和Ⅵ、Ⅶ、Ⅷ之间差异极显著(P<0.01);斑块Ⅶ和Ⅷ、Ⅵ和Ⅶ、Ⅳ和Ⅴ群落相似系数最大,分别为0.956 7,0.929 7,0.903 4。8个群落斑块分为2类,其中斑块Ⅰ、Ⅱ、Ⅲ为一类,主要表现为土壤含水量、容重、pH值和碱化度比较小,植被特征主要是以较高大的赖草为优势物种,随着土壤的旱化,一些不耐旱的种群在群落中消退,比较耐旱的赖草在此类斑块中占据优势,形成以赖草为优势种的斑块;其他斑块为另一类,植被特征主要是以比较低矮的委陵菜和麻黄为主。