基于条件生成对抗网络的大视角单图像人脸纹理重建

针对当前的人脸重建方法、尤其是纹理重建部分,应用于自遮挡或物体遮挡区域表现不佳,使得人脸纹理重建后的结果不真实的问题,本文提出了基于条件生成对抗网络的大视角单图像人脸纹理重建的方法,实现人脸图像的纹理补全。补全网络基于改进的条件生成对抗网络,包括编码器和解码器的粗层之间的跳跃连接来保存高频细节;每个卷积层的输出上叠加了高斯噪声映射;将U-V纹理映射与其翻转版本共同连接输入的方法来提高纹理重建的质量以及真实性。使用Multi-PIE数据集与CFP数据集进行评估,整体网络能够实现更高的纹理重建精度,尤其在±90°图像重建上,能获得更为完整的纹理图像。

花岗岩矿物正交偏光镜下图像人工智能识别研究

人工智能在地球科学领域中的应用是近年来研究的热点,对地球科学的发展有着重要意义,其应用之一就是使用计算机视觉技术实现岩石或矿物的自动化识别分类。然而,目前大多研究直接对岩石薄片图像进行分类,不能够精细定位并识别薄片中多且复杂的矿物目标。虽然现已有许多学者将目标检测技术应用于岩石矿物的图像识别分类中,但这些方法识别的对象大多是岩石手标本图像,只能对图像中的单一对象检测。在识别分类研究领域中,缺少对岩石薄片镜下图像识别的算法及质量较好的相关数据集。为了解决这些问题,本文首先采集了3000张正交偏光镜下花岗岩薄片图像,标注矿物样本10000余个,并通过数据增广方式对数据集进行增强,建立了一个质量较好、具有多样性的数据集。其次本文提出基于Yolov5x的改进算法RDB-Yolov5x。这种方法在特征提取过程中添加了密集连接方式,使用密集连接残差模块(RDB)替代传统的残差结构,有效地保留了图像的语义和位置信息细节。实验结果表明该方法泛化能力较好,在对图像中小尺寸、特征模糊的矿物颗粒的识别中表现出优秀的性能,可以准确有效地对花岗岩中的五类目标矿物(石英、黑云母、白云母、斜长石、钾长石)进行识别,平均精度均值m AP达到94.1%。较对比方法,在IoU阈值为50%时提高了0.5%,阈值为95%时提高了1%。

基于STGCN算法的视频图像人体动作轮廓动态识别

人体动作轮廓在视频中的呈现具有多样性和连续性。人体动作不仅涉及到时间上的变化,还包括空间上的位置关系,受其姿势、速度、方向等影响。人体动作时空信息之间的关联难以充分捕捉,导致动作轮廓识别精度较低。为此,引入时空图卷积网络(STGCN)算法,提出一种视频图像人体动作轮廓动态识别方法。文中采用OpenPose模型从视频图像中提取描述关节点位置的置信图和描述人体关节间连接情况的二维矢量场,构建人体动作骨架图。结合视频帧时间序列组建人体动作骨架时空图,将其作为STGCN模型的输入,通过时空图卷积操作充分捕捉人体动作的时空特征后,采用Softmax层获取动态识别到的视频图像人体动作轮廓;并在STGCN模型中引入两种注意力模块,强化网络特征提取能力,提高动作轮廓识别精度。实验结果表明,所提方法可以有效实现视频图像人体动作轮廓的动态识别,引入的两种注意力模块对STGCN模型进行改进,可提升其动作轮廓识别效果。

基于改进MobileNet V1的红外图像人体行为识别方法

为解决红外图像人体行为识别中深度学习模型参数量多、运行速度慢,以及无法对突发事件进行实时处理等问题,提出一种基于改进MobileNet V1网络的人体行为识别方法。根据红外图像特性,在通道维度上压缩输入特征,生成空间信息描述符;进行充分的信息交互,并由Sigmoid函数得权重向量;与输入特征相乘,获得优化后的特征,构建高效空间注意力模块;利用空间注意力模块改进MobileNet V1网络,保留其轻量化优势并提升其在红外条件下的性能。实验结果表明,MobileNet V1+ESA网络的识别率达到99.83%,明显优于MobileNet V1网络;与基于红外图像的其他网络相比,在识别精度基本不变的情况下,大幅降低了参数量和运行时间,取得了良好的识别效果。

病理图像人工智能分析软件临床评价思考

目的:为病理图像人工智能分析软件提供临床试验思路。方法:分析已发布的关于软件类产品临床试验设计的指导原则及已经批准的人工智能辅助诊断类产品的试验情况,结合病理图片人工智能分析软件特点,对该类产品临床试验进行深入研究。结果:在临床试验合规性考虑、试验设计、入组人群、样本量、统计分析、特殊考虑等方面形成病理图像人工智能分析软件的临床试验思路。结论:病理图像人工智能分析软件的临床评价,有助于该类产品更加科学合理地完成临床验证,促进产品尽快上市。

基于改进Alphapose的红外图像人体摔倒检测算法

红外图像中的人体摔倒检测不受环境光照射的影响,在智能安防领域有着重要的研究意义和应用价值。现有的摔倒检测方法没有充分考虑人体关键点的位置变化规律,容易对类摔倒动作造成误检。针对这一问题,本文提出一种基于改进Alphapose的红外图像摔倒检测算法。该算法使用Yolo v5s目标检测网络,在提取人体目标框输入姿态估计网络的同时,对人体姿态进行直接分类,再结合人体骨架关键点的位置信息和姿态特征进行判断。通过实验证明,该算法在准确度和实时性方面都有良好的表现。

基于DCNN算法的非均匀光照图像人脸识别系统研究

人脸识别系统的人脸图像特征识别失误较高,因此文章设计了基于DCNN算法的非均匀光照图像人脸识别系统。硬件方面设计,采用ARM720T处理器与S3C2440芯片。软件方面建立非均匀光照图像人脸识别功能模块,设计软件整体架构。利用动态卷积神经网络(Dynamic Convolution Neural Network,DCNN)算法,设计人脸光照图像特征的识别程序,在非均匀光照条件下仍能有效地识别出人脸特征。测试结果表明,该能够准确识别出人脸特征,人脸系统识别得更加清晰,能够应用于实际生活中。

互联网语境下“图像人”的生成与高校思想政治教育话语权的科学建构

互联网和电子信息技术的发展加速了话语文化向视觉媒介文化的现代性转型,将图像时代推进到全盛时期并催生了"图像人",传统思想政治教育面临严峻挑战。高校思想政治教育需要对当下日新月异的话语环境有正确的认识,把握话语的"当代性"的社会发展需求,充分利用图像资源,转变话语思维和话语范式,优化话语传播平台,提升话语主体的视觉素养,促进互联网时代图像化趋势下思想政治教育话语权的多维建构。

基于示例学习的图像人脸检测技术

描述了一种基于示例学习的方法来检测具有复杂背景的图像中正面人脸的位置。这项技术使用了图像模型聚类的方式构造了人脸模式的分布。针对每一个图像 ,计算图像局部分布与基于分布的模板之间的特征矢量差异。然后基于这个差异 。

国家清史工程子项目《清代图像人物数据库》的建设

论述了《清代图像人物数据库》的基本内容、整体结构、建库基础、建库方法,介绍了数据库建设的一些实际经验。

一种应用于静态图像人体分割的显著性检测方法

针对人体肤色在显著性检测过程中容易被忽视,影响后期图像人体分割效果这一问题,本文提出了一种改进的显著性检测方法.首先利用超像素图分割法对图像进行分割,利用人脸检测提取肤色信息,接着将肤色信息融入到颜色独特性和颜色空间分布计算中,最后将得到的超像素显著值分配给每个像素,生成像素级显著图.在公开的数据集上选取100幅包含人物的图片进行测试,该算法取得最高95%的精确度,优于其他显著性算法,在图像人体分割实验中,可以很好地把人体和背景分开.实验结果表明,本文方法在精确率、召回率和F-测量上都优于其他方法,并且能很好地分割人体图像.

基于小波变换的图像人工退化算法

基于小波变换的混合性噪声和混沌流密码,提出一种图像人工退化算法。将原始图像分解为N级不同频率成分的子图像,对高频子图像进行加噪,通过图像退化程度与安全性分析改进算法的抵抗滤波攻击能力。实验结果表明,该算法能快速实现图像退化与恢复,具有较好的抗攻击性。

JALIS二期特色数据库建设研究——以“清代图像人物研究资料数据库”为例

以JALIS二期专题特色数据库子项目——"清代图像人物研究资料数据库"为例,对建库的基本原则、步骤与方法进行了探讨。

红外图像人脸识别方法

红外成像具有抗干扰性强、独立于可见光源、防伪装、防欺诈等优点,这使得红外图像人脸识别可在很大程度上弥补可见光人脸识别技术的缺陷和不足,是今后人脸识别研究的一个重要方向。在深入分析红外人脸图像特性的基础上,研究了红外图像人脸识别的特点,并提出了一种新的红外图像统计人脸识别方法。实验结果表明,这种识别方法不论从理论上还是从实验上都是可行的,具有良好的识别能力。

特征采样和特征融合的子图像人脸识别方法

提出一种基于特征采样和特征融合的子图像人脸识别方法(RS-SpCCA).首先,对子图像进行特征采样;然后,将全局特征和采样后的特征使用CCA进行信息融合,以获取包含全局特征和局部特征的相关特征;最后,在相关特征上构建分量分类器.在该方法中,特征采样是为了构建更多且多样的分量分类器;而引入特征融合思想是为了充分利用图像的全局特征.AR,Yale和ORL这3个数据库上的实验结果表明,基于特征采样和特征融合的子图像方法(RS-SpCCA)优于单纯的信息融合方法(SpCCA)和特征采样方法(Semi-RS).

远程视频图像人体运动特征监控仿真研究

对运动人体的运动特征进行检测时,一旦采集区域与检测目标距离较远,引进人体运动特征在进行提取时会发生明显的形变,导致无法获取图像序列中稳定的运动特征变化规律,当前的算法面对这种远程特征时,由于特征退化,只能通过多次采集的方式进行弥补,多次采集对识别效率造成的了较大的影响。提出采用免疫遗传算法的网络视频远程监控方法。利用免疫遗传算法的群体遗传理论进行网络视频远程监控,并将异常运动目标区域内的颜色直方图分布作为抗原,以目标区域的异常运动特征作为样本,搜索与异常运动特征样本最为相近的区域,并定义为抗体,在将抗体与抗原之间的亲和力表示为抗体特征与抗原特征间的匹配程度,利用证据理论进行异常运动特征点的匹配,完成对网络视频远程监控中的异常运动特征识别。仿真结果表明,改进算法对异常运动特征提高了识别的准确性,为远程运动目标监控的准确识别提供了科学依据。

基于小波变换和数学形态学的遥感图像人工建筑区提取

为了快速定位中高分辨率可见光遥感图像中的人工建筑目标,一般需要先对目标进行粗定位,提取人工建筑区域。根据遥感图像中的不同地貌具有不同的频谱特性,人工建筑区相对其他区域具有较高的频率,提出了基于小波变换和数学形态学的遥感图像人工建筑区提取算法。该算法先对遥感图像进行小波变换,将不同地貌的信息转换到不同频带,再对高频信息进行融合,并将融合后的高频信息中幅度变化剧烈的区域看作"山峰",变化平稳的区域看作"盆地",最后采用形态学重建的方法提取人工建筑区,实验结果表明,该算法具有快速性和准确性的特点。

遥感图像人机交互判读方法研究及其应用

对于大型复杂的遥感判读任务,往往需要灵活地运用不同的判读方法,才能取得令人满意的效果。然而传统目视判读和常规计算机分类都难以满足这一要求。笔者设计了屏幕目视判读、改进型监督自动分类、分区自动分类、辅助波段分类、动态变化判读、人机混合判读和多组分工判读等遥感图像人机交互判读方法,把计算机自动分类与人工判读的优势相结合,对于提高图像判读精度、速度和高效率的遥感专题信息生成,帮助判读人员更好地完成各种遥感图像的判读任务都具有重要的意义。该文探讨了以上方法的特点、适用范围与实现方法,并给出了一些实例加以说明。

基于复合分类特征的红外图像人体实时检测

针对红外图像中人体区域的检测问题,提出了一种基于复合分类特征的人体实时检测方法。首先根据红外图像中人体区域的特点,使用自适应的两级方向投影获得人体候选区域的可能位置,然后融合方向梯度直方图特征、人体形状特征及亮度分布惯性特征以充分描述人体区域的特点,并且采用支持向量机算法对候选目标中存在的人体进行分类检测。实验结果表明,本文提出的方法充分利用了复合分类特征各自的优点,具有较好的实时性和鲁棒性。

基于FAST检测器和SURF描述子的聚合图像人脸识别

本文提出了基于聚合图像的人脸识别方法。将多张人脸图像通叠加的方式形成一幅聚合图像,并将其作为训练图像进行特征检测和描述,最后与测试图像提取到的特征进行匹配。通过与其他人脸识别方法对比,实验结果表明,本文方法在识别率方面有明显的优势,即使使用单张人脸图像依旧能够获得较高的识别率;使用聚合图像时,随着聚合图像使用的人脸图像数量的增加,提取到的特征点的数量也不断增加,使测试图像在训练图像中匹配到更合适的特征点,提高其识别率。