计算机视觉描述缺素番茄叶片颜色变化的研究

利用计算机视觉系统代替人眼对番茄缺素进行自动识别的方法,通过对缺素番茄叶片彩色图像的分析研究,利用图像处理技术中的颜色分析方法,分析缺N和正常叶片的特征量随着缺素时间的变化规律,提出用G体均值、H色调均值来定量描述缺N叶片随时间的变化。结果表明:利用计算机视觉能定量描述缺N叶片颜色随缺素时间的变化。

云计算中基于改进视觉描述符的图像检索

为提高海量图像数据库的图像检索效率,提出了一种基于改进视觉描述符的海量数据图像检索算法。首先,设计了图像的视觉特征提取算法与图像兴趣点的提取算法;然后,对二叉搜索树进行修改,将图像中每一对兴趣点的图像ID作为键值(key),通过二叉搜索树提高搜索的效率;最终,基于key-value的索引方案将图像小文件组织成一个大文件,利用云计算的MapReduce并行计算模块计算查询图像与图像库之间的相似性。基于公开的高维数据集与大数据集进行了实验,结果表明该算法不仅实现了较高的检索准确率,并且提高了大数据集的图像检索时间效率。

经验表述与视觉描述——论中西绘画的不同观念

中国山水画与西方风景画的绘画语言存在明显的差异性,这一差异性主要体现在绘画语言后面的观念不同,其中之一就是山水画偏重对经验的重视和表述,而风景画则偏重对视觉的重视和描述。中国山水画以经验表述为主,过分重经验最终导致了它至明清时期走向衰微。西方风景画以视觉描述为主,重视视觉导致其1 9 世纪以后趋向成熟与完备,也导致其不同风格的出现与变迁。

应用MapReduce与视觉描述符的图像检索算法

为了提高海量图像数据库的图像检索效率,提出了一种基于改进视觉描述符的海量数据图像检索算法。首先,设计了图像的视觉特征提取算法与图像兴趣点的提取算法,通过高斯分布的差分方法(DOG)搜索尺度空间的兴趣点,通过尺度不变特征描述符提取兴趣点的视觉特征;然后,对二叉搜索树进行修改,将图像中每一对兴趣点的图像ID作为键值(key),2个兴趣点的相似性作为二叉树的值(value),通过二叉搜索树提高搜索的效率;最终,设计了基于key-value的索引方案将图像小文件组织成一个大文件,利用云计算的MapReduce并行计算模块计算查询图像与图像库之间的相似性。基于公开的高维数据集与大数据集进行了实验,结果表明:本算法不仅实现了较高的检索准确率,并且明显地提高了大数据集的图像检索时间效率。

基于融合MPEG-7视觉描述符的图像分类方法

提出了利用融合不同的低层MPEG-7视觉描述符的方法来进行基于内容的图像分类的技术。目的在于通过融合几种描述符来改善机器学习分类器的性能,包括3种方法来改善分类器的性能:作用于支持矢量机(SVM)分类器的聚类融合,作用于K近邻分类器的反向传播(BP)融合和作用于FART模糊神经网络的BP融合。将这些分类方法应用到海滩风景/城市风景的分类的实验中,实验结果表明BP融合显示出更好的性能改善。

基于多视觉描述子及音频特征的动态序列人脸表情识别

关于面部表情识别的应用也正在渗透至各个领域,如安全驾驶、商品销售、临床医学等等.本文对面部表情识别相关技术进行研究,主要工作及贡献如下:研究非约束条件下人脸动态表情识别,提出了一种基于多视觉描述子及音频特征融合策略的动态表情识别算法.借助多视觉描述子的空时局部特征描述实现动态表情特征的提取;而视频、音频特征的融合策略改善了表情识别性能.基于协方差矩阵及时间轴分段的动态规整,有效地解决了具有不同时长的动态表情序列的样本描述.为进一步改善表情识别模型的泛化性能,本文引入了基于多个体识别模型加权投票的集成识别模型.针对投票过程中的权值学习,提出了基于随机重采样的投票权重学习以及基于个体分类模型相对优势的投票权重学习方法.集成决策进一步改善了表情识别性能.基于AFEW5.0的动态表情库实验验证了算法的有效性.

MPEG-7中的视觉描述

结合基于内容的视频检索技术介绍了MPEG-7标准中视觉描述部分的内容,并着重介绍了各种视觉描述子和它们的一些应用。

基于多通道多步融合的生成式视觉对话模型

当前视觉对话任务在多模态信息融合和推理方面取得了较大进展,但是,在回答一些涉及具有比较明确语义属性和位置空间关系的问题时,主流模型的能力依然有限。比较少的主流模型在正式响应之前能够显式地提供有关图像内容的、语义充分的细粒度表达。视觉特征表示与对话历史、当前问句等文本语义之间缺少必要的、缓解语义鸿沟的桥梁,因此提出一种基于多通道多步融合的视觉对话模型MCMI。该模型显式提供一组关于视觉内容的细粒度语义描述信息,并通过“视觉−语义−对话”历史三者相互作用和多步融合,能够丰富问题的语义表示,实现较为准确的答案解码。在VisDial v0.9/VisDial v1.0数据集中,MCMI模型较基准模型双通道多跳推理模型(DMRM),平均倒数排名(MRR)分别提升了1.95和2.12个百分点,召回率(R@1)分别提升了2.62和3.09个百分点,正确答案平均排名(Mean)分别提升了0.88和0.99;在VisDial v1.0数据集中,较最新模型UTC(Unified Transformer Contrastive learning model),MRR、R@1、Mean分别提升了0.06百分点,0.68百分点和1.47。为了进一步评估生成对话的质量,提出类图灵测试响应通过比例M1和对话质量分数(五分制)M2两个人工评价指标。在VisDial v0.9数据集中,相较于基准模型DMRM,MCMI模型的M1和M2指标分别提高了9.00百分点和0.70。

图像视觉特征描述中基于相位信息的对称性检测

在综述现有图像特征视觉描述中对称性检测方法的基础上,研究和分析基于相位信息的对称性检测问题,提出相位信息的对称性检测方法(PSD),可以同时检测镜像对称、旋转对称、曲线对称等多种对称性,通用性强,给出结果的性能分析,本文提出的方法在图像视觉描述中具有优良的性能.

基于视觉词汇形状描述的图像表示方法

针对目前图像表示中引入空间位置信息的空间金字塔匹配方法缺乏对图像中视觉物体平移、缩放和旋转的考虑,提出一种基于视觉词汇形状描述模型的图像表示方法。该方法相对于每个视觉单词的几何中心建立空间几何模型,保证平移不变性;给出对数极坐标空间金字塔匹配,对对数极半径做归一化,保证缩放不变性;在空间金字塔划分过程中确定极角的主方向,从而保证旋转不变性。分别在Caltech-101数据集和自建图像数据集上对该方法进行了验证和比较。实验结果表明,该方法提高了分类识别准确率,特别是对于包含明显平移、缩放和旋转变化的图像数据集;该方法的方差较小,说明其鲁棒性更强。

移动视觉搜索技术研究与标准化进展

移动视觉搜索成为未来移动世界中有影响的基础技术之一。文章介绍了移动视觉搜索面临的技术挑战,探讨了包括紧凑视觉描述子、视觉检索流程、检索系统互操作性等关键技术。围绕紧凑视觉描述子概述了移动视觉搜索国际标准的工作进展,提出建设大规模视觉对象数据集的重要意义。

基于SAE与底层视觉特征融合的无人机目标识别算法

无人机在复杂战场环境下，因敌方无人机外形、颜色等特征较为相似，现有基于底层视觉特征无法快速地对其进而准确的识别，从而造成误检测甚至误打击等事件的发生。针对这一问题，文中提出基于稀疏自动编码器融合底层视觉特征的算法，对无人机目标对象进行识别。算法首先利用底层视觉特征描述子（GIST、LBP）以及稀疏自动编码器（Sparse Auto—Encoder，SAE）提取目标对象的底层视觉特征和高层视觉特征；然后，采用主成分分析（PAC）法对全局特征进行降维融合；最后，将全局特征响应送入softmax回归模型完成无人机目标对象的分类。实验表明，与传统SAE算法及传统基于底层视觉特征描述子识别算法相比，新算法具有更高的准确性及鲁棒性。

基于SAE与底层视觉特征融合的无人机目标识别算法(英文)

无人机在复杂战场环境下,因敌方无人机外形、颜色等特征较为相似,现有基于底层视觉特征无法快速地对其进而准确的识别,从而造成误检测甚至误打击等事件的发生。针对这一问题,文中提出基于稀疏自动编码器融合底层视觉特征的算法,对无人机目标对象进行识别。算法首先利用底层视觉特征描述子(GIST、LBP)以及稀疏自动编码器(Sparse Auto-Encoder,SAE)提取目标对象的底层视觉特征和高层视觉特征;然后,采用主成分分析(PAC)法对全局特征进行降维融合;最后,将全局特征响应送入softmax回归模型完成无人机目标对象的分类。实验表明,与传统SAE算法及传统基于底层视觉特征描述子识别算法相比,新算法具有更高的准确性及鲁棒性。

无人系统之“眼”——计算机视觉技术与应用浅析

计算机视觉(CV)是指赋予机器某种视觉洞察力,让机器具备视觉感知以及认知的能力。计算机视觉是人工智能领域最重要的研究方向之一,主要包含图像理解和视频理解两大研究方向。主要从图像识别与理解、视频识别与理解两大角度进行技术综述和应用浅析,在图像领域重点回顾了图像分类、图像目标检测、图像分割与图像描述的研究现状,在视频领域重点回顾了视频目标检测与识别、视频目标跟踪、视频行为识别与视频描述等领域的研究现状,并对各自领域的研究方向进行了展望。最后简述了计算机视觉在智慧医疗、公共安全和自动驾驶等领域的应用现状。

移动视觉搜索中无线网络带宽技术研究进展

移动视觉搜索(MVS)是一种融合了移动计算、图像处理技术、无线通信技术的图像检索技术,旨在为移动用户提供基于移动互联网的图像搜索服务。无线网络带宽是影响MVS技术发展和应用的关键因素。文中分析了解决网络带宽的关键技术低比特率编码和网络传输技术,并对MPEG的视觉搜索紧凑型描述符进行了详细探讨。最后讨论了MVS领域中的无线带宽的研究方向与挑战。

面向智能交互的图像识别技术综述与展望

视觉在人与人交互以及人与自然界的交互过程中起到非常重要的作用,让终端设备具有智能的视觉识别和交互能力是人工智能和计算机技术的核心挑战和远大目标之一.可以看到,近年来视觉识别技术发展飞速,新的创新技术不断涌现,新的研究问题不断被提出,面向智能交互的应用呈现出一些新的动态,正在不断刷新人们对此领域的原有认识.从视觉识别、视觉描述和视觉问答3个角度对图像识别技术进行综述,对基于深度学习的图像识别以及场景分类技术进行了具体介绍,对视觉描述和问答技术的最新技术进行了分析和讨论,同时对面向移动终端和机器人的视觉识别和交互应用进行了介绍,最后对该领域的未来研究趋势进行了分析.

多媒体内容理解的研究现状与展望

随着多媒体和网络技术的迅猛发展,海量的图像、视频、文本、音频等多媒体数据快速涌现.这些不同媒体的数据在形式上多源异构,语义上相互关联.认知科学研究表明,人脑生理组织结构决定了其对外界的感知和认知过程是跨越多种感官信息的融合处理.如何对不同媒体的数据进行语义分析和关联建模以实现多媒体内容理解,成为了一个研究和应用的关键问题,受到了学术界和工业界的广泛关注.选取了多媒体内容理解的5个最新热点研究方向:图像细分类与检索、视频分类与目标检测、跨媒体检索、视觉描述与生成、视觉问答,分别阐述了它们的基本概念、代表性方法、研究现状等,并进一步阐述了多媒体内容理解面临的重要挑战,同时给出未来的发展趋势,旨在帮助读者全面了解多媒体内容理解的研究现状,吸引更多研究人员投身相关研究并为他们提供技术参考,推动该领域的进一步发展.

一种新的图像分类方法研究

提出了利用融合不同低层MPEG-7视觉描述符的方法来进行基于内容的图像分类的技术。其目的在于通过融合几种描述符来改善机器学习分类器的性能,包括三种方法改善分类器的性能:作用于支持矢量机(SVM)分类器的聚类融合、作用于K近邻分类器的反向传播(BP)融合和作用于FART模糊神经网络的BP融合。最后,将这些分类方法应用到海滩风景/城市风景的分类试验中。实验结果表明BP融合显示出了更好的性能改善。

目标跟踪中表观建模研究进展

目标跟踪是计算机视觉中的热点研究问题,具有重要的理论价值和广泛的应用前景。虽然研究者对目标跟踪进行了大量研究,但是目标跟踪在复杂场景下的效果依然难以令人满意。为了设计鲁棒的目标跟踪算法,需要解决的首要问题是如何对目标表观进行建模。近年来,视觉理论和机器学习的蓬勃发展促进了目标表观建模的研究。为了使读者了解最新的表观建模研究进展,首先分析了最近几年典型的目标表观建模方法,并对目标表观建模的一般框架进行了总结,然后分别从目标的视觉描述和模型学习两方面进行了详细的论述,最后讨论了目标表观建模还存在的问题以及未来发展的方向。

基于图像增强处理的CDVS匹配算法

紧凑型视觉描述子(CDVS)的目标是针对移动端的图像检索以及匹配应用提供一套标准化的比特流语法。CDVS标准算法对于光照条件良好的图像具有很好的匹配效果,但是对于昏暗条件下拍摄的图像,匹配的准确度表现不足。因此提出一种基于直方图均衡化的CDVS匹配算法,对昏暗条件下的图像通过直方图均衡算法进行质量提升,增加关键点匹配数,然后再利用CDVS标准算法对图像进行匹配。另一方面,提出一种基于同态滤波的CDVS匹配算法,对昏暗图像进行频域变换,突出高频信号,抑制低频信号,增加图像对比度。实验对比了昏暗条件下图像匹配结果与处理之后图像匹配结果,验证了本算法的有效性。