自然降水对陕北裸露干化黄土的修复深度的试验研究

为明确自然降水对陕北干化黄土的修复特性,研究中在米脂县远志山红枣栽培试验基地布设野外大型土柱,并且长期定位连续监测天然降水与土柱土壤水分状况。结果表明黄土丘陵区自然降水具有明显的年际、月际分布不均匀性;降水量为24.4mm,8.2mm,43.6mm的3个单次降水最大入渗深度依次为40cm,20cm,120cm。单次降水量P与最大入渗深度Zmax呈幂函数关系变化Zmax=28.657P0.78486(R2=0.89);多次降水的累积作用有助于促进深层土壤水分运移,在降水的累积促进作用下,2014~2019年间自然降水对干化黄土的修复深度达到1000cm。研究结果对于明确自然降水的修复机制,探讨干化黄土的修复时限,以及加强合理、高效利用降水资源等都具有重要的指导意义。

深度视频修复篡改的被动取证研究

深度视频修复技术就是利用深度学习技术,对视频中的缺失区域进行补全或移除特定目标对象。它也可用于合成篡改视频,其篡改后的视频很难通过肉眼辨别真假,尤其是一些恶意修复的视频在社交媒体上传播时,容易造成负面的社会舆论。目前,针对深度视频修复篡改的被动检测技术起步较晚,尽管它已经得到一些关注,但在研究的深度和广度上还远远不够。因此,本文提出一种基于级联Conv GRU和八方向局部注意力的被动取证技术,从时空域角度实现对深度修复篡改区域的定位检测。首先,为了提取修复区域的更多特征,RGB帧和错误级分析帧ELA平行输入编码器中,通过通道特征级融合,生成不同尺度的多模态特征。其次,在解码器部分,使用编码器生成的多尺度特征与串联的Conv GRU进行通道级融合来捕捉视频帧间的时域不连续性。最后,在编码器的最后一级RGB特征后,引入八方向局部注意力模块,该模块通过八个方向来关注像素的邻域信息,捕捉修复区域像素间的异常。实验中,本文使用了VI、OP、DSTT和FGVC四种最新的深度视频修复方法与已有的深度视频修复篡改检测方法HPF和VIDNet进行了对比,性能优于HPF且在编码器参数仅VIDNet的五分之一的情况下获得与VIDNet可比的性能。结果表明,本文所提方法利用多尺度双模态特征和引入的八方向局部注意力模块来关注像素间的相关性,使用Conv GRU捕捉时域异常,实现像素级的篡改区域定位,获得精准的定位效果。

深度神经网络修复策略综述

随着智能信息时代的发展,深度神经网络在人类社会众多领域中的应用,尤其是在自动驾驶、军事国防等安全攸关系统中的部署,引起了学术界和工业界对神经网络模型可能表现出的错误行为的担忧.虽然神经网络验证和神经网络测试可以提供关于错误行为的定性或者定量结论,但这种事后分析并不能防止错误行为的发生,如何修复表现出错误行为的预训练神经网络模型依然是极具挑战性的问题.为此,深度神经网络修复这一领域应运而生,旨在消除有缺陷的神经网络产生的错误预测,使得神经网络满足特定的规约性质.目前为止,典型的神经网络修复范式有3种:重训练、无错误定位的微调和包含错误定位的微调.介绍深度神经网络的发展和神经网络修复的必要性;厘清相近概念;明确神经网络修复的挑战;详尽地调研目前已有的神经网络修复策略,并对内在联系与区别进行分析和比较;调研整理神经网络修复策略常用的评价指标和基准测试;展望未来神经网络修复领域研究中需要重点关注的可行方向.

自适应融合RGB图像特征的稀疏深度修复

深度修复的目的是从稀疏深度图像中恢复出稠密的深度图像。现有方法通常是以稀疏深度图像及其对应的RGB图像为输入,通过1个卷积神经网络恢复出密集深度图像。然而,普通的卷积层在处理稀疏且不规则的深度信息时有较大的局限性,同时,RGB图像特征和深度图像特征属于不同的模态。针对这些问题,文章提出了自适应稀疏不变模块,根据输入像素的有效性来处理稀疏深度,并提出了结合注意力机制的多尺度特征融合模块,在关注有效特征的同时,抑制不必要的特征,进一步提高深度修复性能。文章在NYUv2数据集上进行了一系列实验,实验结果表明了所提出算法和模块的有效性。

舒适护理联合疼痛护理在深度烧伤创面修复患者中的应用

研究分析舒适护理联合疼痛护理在深度烧伤创面修复患者中的应用效果。方法 抽取近两年内到本院就诊的100例深度烧伤创面修复患者,观察组和对照组患者各50例。对照组接受常规护理,观察组接受舒适护理联合疼痛护理,对两组深度烧伤创面修复患者经过治疗护理后的疼痛程度、创面愈合情况等进行比较。结果 观察组的疼痛程度、创面愈合情况、瘢痕整体增殖情况等优于对照组,p<0.05,差异有统计学意义。结论 舒适护理联合疼痛护理在深度烧伤创面修复患者中的应用效果显著。

多尺度特征融合的透明物体深度图像快速修复方法

透明物体是日常生活中常见的事物,具有独特的视觉特性,这些特性使得标准的视觉3D传感器较难对其进行准确的深度估计.在大多数情况下,视觉3D传感器捕获的深度信息表现为透明物体后面的背景的深度值或大面积的深度缺失.为了对深度图像中透明物体的深度缺失进行快速修复,提出一种基于语义分割和多尺度融合的透明物体深度图像快速修复的方法,使用轻量级实时语义分割预测出透明物体的遮罩,剔除深度场景图像中该部分的错误深度信息,对彩色图像和剔除错误信息后的深度图像进行多尺度的特征提取和特征融合,完成对透明物体的深度图像快速修复.本文在Clear Grasp数据集上算法进行了效果验证.该数据集包含了5万多组RGB-D图像.实验结果表明,文中方法对透明物体深度的修复在度量指标MAE,δ_(1.05 )和 δ_(1.25 )上,分别取得了0.027,72.98和98.04的结果,均优于现有方法,并且在效率上有较好的提升.

石油污染土壤生物堆+植物梯阶深度修复技术研究

开展石油污染土壤深度修复,可最大限度地恢复生态平衡。以华北地区石油污染土壤为研究目标,采用强化生物堆和生物+植物联合修复工艺开展模拟试验,得到生物堆最佳运行参数和高效降解植物。研究表明:按照污染土、基料质量比10∶1建立生物堆,可实现石油烃高效降解的同时,做到成本最优。相同工况下紫花苜蓿草降解石油烃的效率最高,羔羊毛和黑麦草次之。通过开展中等质量分数石油污染土壤梯阶深度修复先导试验,历时8个月,污染土总石油烃从最初的10200~11900 mg·kg^(-1)降至500 mg·kg^(-1)以下,实现了石油污染土壤的深度修复。

基于背景修复的动态SLAM

视觉同时定位与地图构建(Simultaneous localization and mapping,SLAM)过程中,动态物体引入的干扰信息会严重影响定位精度。通过剔除动态对象,修复空洞区域解决动态场景下的SLAM问题。采用Mask-RCNN获取语义信息,结合对极几何方法对动态对象进行剔除。使用关键帧像素加权映射的方式对RGB和深度图空洞区域进行逐像素恢复。依据深度图相邻像素相关性使用区域生长算法完善深度信息。在TUM数据集上的实验结果表明,位姿估计精度较ORB-SLAM2平均提高85.26%,较DynaSLAM提高28.54%,在实际场景中进行测试依旧表现良好。

基于异形曲面拟合引导的深度信息修复算法

为了克服异形投影曲面RGB-D空间的深度信息出现非预期抖动、表面采样缺失等问题,提出一种基于异形曲面拟合引导的深度信息修复算法。通过将格雷码序列图像投射于异形投影曲面对其赋予高可用纹理特征,使纹理形态为原始深度信息的修复过程提供强约束引导参照,以实现异形投影曲面的非重建式平缓区域划分。再利用原始深度信息划分结果对各平缓区域分别进行曲面拟合,然后根据拟合曲面方程对该区域内原始深度信息进行平滑修复,从而增强异形投影曲面深度信息的可用性及可信性。算法验证结果表明,该深度信息修复算法不仅能够实现异形曲面的空洞填补与平滑修复,还能够有效地减少深度信息过修复、欠修复等情况发生。

Kinect深度图像快速修复算法

深度提取是基于"纹理+深度"自由立体视频系统的关键技术,而立体视频实际应用系统需要高效快速的深度图提取.提出一种针对Kinect提取深度图的快速修复算法.首先,对Kinect提取的彩色纹理图和深度图进行对齐裁剪,并采用背景填充算法对裁剪后的深度图进行初步修复;然后,对初步修复后的深度图进行基于颜色匹配的快速修复,得到质量较好的可用深度图.实验结果表明,本算法能有效修复原始深度图中由于遮挡而引起的空洞,获取的深度图整体平滑度好、边缘清晰;在普通PC机上达到25～30帧/s的处理帧率,实现了深度图的实时提取.

结合彩色图像局部分割的Kinect深度图修复算法

针对Kinect深度图空洞和噪声存在降低三维目标检测和识别精度的问题,提出一种结合彩色图像局部分割的深度图修复算法。首先,利用区域连通性对空洞区域进行分析和标记;其次,根据空洞区域领域的深度直方图峰值数目判断空洞区域类型;再次,分割膨胀区域对应的彩色区域,获取空洞像素所在分割区域与其领域的交域(有效支撑区域),利用交域内的有效深度信息计算空洞像素;最后,利用引导滤波对深度图进行平滑、去噪。实验结果表明,经该算法处理后的深度图边缘细节更加清晰,具备微小梯度不变性,且测量精确度更高。

采用曲率扩散和边缘重建的深度图像空洞修复

传统的深度图像空洞修复算法,针对离散空洞和物体内部及背景中的空洞修复效果较好,但当物体边缘处存在较大面积空洞时,采用传统的修复方法,会出现物体边缘过填充或欠填充现象,造成边缘几何失真、边界模糊等问题。采用曲率扩散和边缘重建的深度图像空洞修复方法。首先获取深度图像空洞掩膜,确定空洞区域;然后使用曲率扩散模型填充空洞,并使用二值分割滤波获取边缘信息,得到待重建的像素;最后,通过马尔科夫随机场模型重建深度图像中的物体边缘纹理,去除模糊现象。曲率扩散模型将深度图像视为一个流体扩散方程,利用等照度线和曲率分布确定扩散强度,将局部结构从空洞的外部向内部扩散,能够准确的填充较大面积的空洞结构;马尔科夫随机场模型利用邻域系和连通系的能量函数表示结构信息,能够有效重建修复后的深度图像边缘纹理,从而去除物体边缘模糊。实验结果表明,相比传统的深度图像修复方法,采用文中方法修复后深度图像的平均梯度指标提高了10%-25%,可以有效地实现对深度图像中物体边缘处较大面积空洞的修复,得到结构完整、边缘纹理清晰的深度图像。

Kinect深度图像修复算法

针对Kinect深度数据不稳定,深度图像与彩色图像存在偏差,图像噪声较大和空洞等问题,提出了一种Kinect深度图像修复算法.首先,设计了一种Kinect标定方法,完成深度图像与彩色图像对准;第二,利用深度数据的时间相关性,实现了深度图中不稳定数据的重计算;第三,借助于深度数据空间相关性,并结合颜色一致性约束,填补了深度图中(缺失的数据)空洞;最后,设计了一种改进的双边滤波器,在平滑深度图像数据的同时保留了边缘信息.实验结果表明,修复后的深度图像整体平滑、边缘清晰,与原始深度图像相比,空洞明显减少,深度图像质量大大提高.

基于Kinect相机的深度图像修复算法

针对Kinect相机获取深度图像存在空洞和噪声的问题,提出了一种基于联合双边滤波和中值滤波相结合的深度图像处理方法。将Kinect获得的彩色(RGB)图像和深度图像裁剪对齐,利用联合双边滤波器修复深度图像中的空洞,用中值滤波器滤除噪声。实验结果表明与其他方法相比,所提算法能够有效填充深度图中的空洞区域,并去除图像中的噪声,能够达到更好的修复效果。

视点合成中基于深度的空洞修复

为提高视点合成中空洞的修复质量,基于样本图像修复技术,提出利用深度信息进行修复的方法.通过深度图预处理、图像映射变换、合成深度图修复以及合成视图修复等步骤,实现对空洞区域的填充,得到虚拟视点视图.所提出的深度边缘单向膨胀预处理方法、先修复合成深度图再修复合成视图的策略以及匹配块的预编辑方法,可以提高最终合成视图的质量.实验结果表明:所提出方法在主观视觉对比、峰值信噪比(PSNR)以及运行耗时上优于现有方法,在图像边缘连续性的保持、前景和背景像素渗透现象的消除等方面具有较好的效果.

基于目标特征的植株深度图像修复

针对植株深度图像的像素错误和缺失、常见的滤波方法无法准确修复植株深度图像的问题,提出一种基于目标特征的植株深度图像修复方法。首先基于颜色和空间信息的图像分割算法对植株彩色图像进行目标分割,再检索每个目标的外轮廓,并对外轮廓进行多边形拟合;其次,基于目标区域搜索深度图像中具有正确深度值的像素作为目标区域采样点,并对叶片区域的图像进行归一化;最后,利用空间拟合法计算各目标区域的方程,修复区域内小面积错误和缺失的深度值,同时采用支持向量机和空间变换运算对大面积错误和缺失深度值的叶片区域进行修复。实验结果表明,该方法能够准确地修复植株深度图像中错误、缺失的深度数据,且能够有效地保护目标区域的边缘信息。

融合纹理信息的深度图像修复

针对低质量深度图像中存在的空洞和噪声问题,提出了融合纹理信息的深度图像修复算法。首先利用形态学操作对空洞进行优化,基于区域的分割算法完成空洞区域分割;然后将提取出的空洞区域进行纹理信息填补,分析空洞区域与同场景彩色图像的局部结构相似性,完成空洞初修复;最后利用灰度级图像重建算法,对边缘空洞区域进行填充和平滑处理。基于标准数据集Middlebury,所提算法与快速行进算法、自适应中值滤波算法和形态学重建算法相比,对大面积空洞信息完成了良好的修复。在获得较好修复效果的同时,该算法保持了图像的结构完整性和整体平滑性。

面向统计特性一致的深度图像修复方法

本文提出了一种改善深度修复图像统计特性一致性的方法。首先,分别采用非线性高通滤波残差及深度神经网络提取固有身份信号(intrinsic identity signal,IIS),发现深度修复图像和真实图像存在IIS统计特性差异,验证在不同来源图像和不同的深度修复算法的条件下统计特性不一致性是普遍存在的。其次,提出一个生成型卷积神经网络,优化修复区域,保证修复图像的视觉质量,使其与真实区域IIS统计特性保持一致。最后,通过在合理范围内对生成网络的部分参数进行随机扰动,生成具有模式多样性的图像,有效降低生成图像被识别来源的概率。通过对比真实图像、深度修复图像、生成图像的IIS统计特性,以及在取证检测器上的对抗检测实验,表明了本文方法的有效性。

分层联合双边滤波的深度图修复算法研究

三维场景建模及三维多目标检测识别等研究中需要获取高精度、高分辨率深度图,针对RGB-D传感器提供的深度信息存在分辨率低、深度值缺失和噪声干扰等问题,提出一种基于深度置信度的分层联合双边滤波深度图修复算法。基于深度信息获取存在的问题提出相应的深度退化模型,采用深度置信度测量对深度像素进行置信度分类,根据深度置信度确定滤波器窗口权重值,利用提出的分层联合双边滤波算法在待修复区域完成深度图修复。采用Middlebury标准数据库和自采数据库进行定性对比实验和定量结果分析表明,该算法对深度图修复后边缘更加清晰合理,消除了边缘模糊和纹理伪像,有效提高了三维深度图修复的精确度。

基于TOF深度图像修复的输送带煤流检测方法

传统的带式输送机煤流检测装置中,核子胶带秤存在一定安全和环保隐患,电子胶带秤检测精度易受输送带张力、刚度等因素的影响;而基于超声波、线激光条纹、双目视觉等技术的非接触式检测方法存在实时性差、测量误差较大等问题。提出了一种基于飞行时间(TOF)深度图像修复的输送带煤流检测方法。通过TOF相机获取输送带运煤图像;对TOF图像进行均衡化处理,采用帧差法和边界跟随算法去除背景噪声,获得感兴趣的煤料区域;针对TOF深度图像因边缘处存在飞行像素噪声与多径误差噪声而导致的边缘信息不准确问题,提出强度图像引导的深度图像修复算法,通过Canny边缘检测算法寻找深度图像和强度图像的相似边缘,基于强度图像的有效边缘信息对深度图像边缘处的不可靠数据进行校正,并进一步基于Navier-Stokes方程和中值滤波器得到高精度深度图像;对煤料区域进行像素级分割,并建立煤料体积计算模型,结合输送带速度得出输送带煤流。实验结果表明,该方法的检测误差不超过3.78%,标准差不超过0.491,平均处理时间为83 ms,满足实际生产要求。