基于视觉相似性的中文古籍内容检索方法

人类文化遗产的数字化应用是数字图书馆计划的重要组成部分 .目前 ,数字化手书中文古籍尚缺乏有效的内容检索手段 .提出了一种基于视觉相似性的计算机古籍内容检索方法 ,研制出关键支撑技术 .该方法提取视觉对象的形态特征、全局位置特征和页面特征 ,采用高维空间索引技术组织形态特征构成的特征空间 ,完成视觉相似对象的快速检索 ,定义精度控制参数 ,动态调整由形态到语义的映射 ,借助约束验证技术提高一组相关对象的检索精度 .原型系统证实了新方法的可行性 ,获得了直接在数字化图像上自动完成古籍内容检索的技术效果 .

彩色视觉相似性图像评价方法

针对当前评价方法对彩色图像评价的不足,提出一种基于彩色视觉相似性的图像质量评价方法。首先通过把彩色图像转换到相对均匀的色空间(LAB2000HL),再根据视觉空间响应特性分别使用亮度对比度敏感函数(CSF)和色度CSF进行调整,获得各维图像的结构相似性(M-SSIM)指数,最后综合考虑色空间各维信息对彩色视觉质量影响的权重,建立综合评价指标现实彩色图像的质量评价。实验中,利用图像数据TID2008进行测试,并通过Spearman等级相关系数和Kendall等级相关系数分析评价结果与其视觉主观评价的一致性。实验结果表明,与其他图像质量方法比较,所提方法的评价结果与视觉主观评价具有较高的一致性。

汉语短时序列回忆中的语音相似性和视觉相似性效应

语音相似性效应和视觉相似性效应是短时序列回忆中的两个典型性效应,但前人很少探讨这两种效应的交互作用。本研究利用汉语字形和语音的属性,观察汉字短时序列回忆中语音相似性效应、视觉相似性效应及两者的交互作用。研究结果发现当回忆项目在语音或视觉上单纯相似或不相似时,视觉相似性效应及其与语音相似性的交互作用与混合词表条件下所发现的结果有很大的不同。这个研究结果为丰富和补充相关理论模型提供了进一步实证依据。

基于视觉相似性的半色调图像评价方法

为衡量半色调图像质量或加网算法的优劣,提出平均亮度相似性误差、平均对比度相似性误差和视觉相似性误差以衡量半色调图像与连续调图像之间的视觉相似性。该方法根据人眼视觉局部适应性特征,把图像划分子区域,利用亮度掩蔽和对比度掩蔽的特征,获得各子区域的亮度相似性误差和对比度相似性误差,最终获得平均亮度相似性误差、平均对比度相似性误差和视觉相似性误差分别评价半色调图像与原连续调图像在亮度和纹理的视觉相似性,及半色调图像中的局部缺陷。分别通过与峰值信噪比(PSNR)和权重信噪比(WSNR)在亮度相似性上进行比较,与全局质量因子(UQI)和图像结构相似(SSIM)在评价纹理相似性上进行比较,发现所提质量评价方法比较接近人眼视觉评价的结果。

考虑视觉相似性的广角图像背景区分层增强

为了解决广角图像背景区内容复杂导致的视觉效果差问题,提出一种考虑视觉相似性的广角图像背景区域分层增强方法。首先根据视觉习惯将对图像亮度进行调整,通过相似性像素取值计算出符合人眼需求的相似性曲线,使最初图像转换至模糊域中,并求解得出模糊特征平面,再运用分段函数实现灰度映射增强,同时将增强后的图像空间像素分层映射到对应模糊集合中,运用迭代增强函数求解获取出新模糊集合,并按照用户个人视觉相似性来控制增强迭代计算次数,实现图像背景区增强。仿真结果证明,所提方法可有效提高图像层次感,并表现出较好的对比度和亮度,说明所提方法具有良好的图像增强效果。

一种基于NEMD的三维场景视觉相似度评价方法

在空间的综合简化过程中,需要删除部分三维模型,笔者提出了一种基于NEMD的视觉相似度评价方法。该方法首先基于最小包容盒提取空间中单个模型的几何特征(长、宽、高),再分析模型之间的关系(距离),从而生成空间特征关系图(Attribute Relation Graph)。通过计算原空间与简化后空间特征关系图之间的嵌套运土者距离(NEMD),对模型场景之的视觉相似度进行评价。通过与用户实验的比较,本方法更符合视觉特征。

MS-VSCN:用于影像匹配的多尺度视觉相似度比较网络

影像匹配在多种计算机视觉任务中起着重要的作用。提出一种用于影像匹配的多尺度视觉相似度比较网络。该网络基于孪生网络结构进行构建,将普通卷积与空洞卷积进行融合,使得卷积神经网络在多个尺度上提取到的视觉特征实现互补。首先,网络的输入由两幅待匹配的影像组成,使用权值共享的两个网络分支分别提取两幅影像的深度特征;其次,在网络中与每个普通卷积模块平行设置一个或多个空洞卷积模块,得到的特征经过融合后输入下一个网络层进行特征提取;最后,根据网络输出特征间的欧氏距离对影像的相似度进行比较,从而完成影像匹配关系的判别。实验结果表明,本文提出的方法在测试数据集上的性能优于对比方法,能够有效地完成影像匹配任务。

面向视觉相似的红外伪装仿真效果评估

针对红外伪装仿真系统效果评估困难的问题,提出了一种面向视觉相似的解决方法。从视觉相似的角度出发,定义了一种新的视觉相似性模型,并建立了包括温度偏差系数、离散偏差系数和视觉相似性系数的评价指标体系;为减小主观经验的影响,引入直觉模糊集理论,建立了仿真效果评估的多属性决策模型;采用逼近理想解的排序算法(TOPSIS)进行模型求解,并针对算法存在距离正、负理想方案区分度不高的问题,定义了一种基于直觉模糊集Hamming距离的灰色接近系数来表征方案与理想方案的接近程度,有效解决了多属性决策问题。实例表明,该方法的评估结果与TOPSIS方法的结果一致,且与专家评估结果一致,验证了评价指标体系的合理性和评估方法的可行性。

以视觉相似为基础的Phishing检测方法

目前检测网络欺诈均采用人工的方式。该文提出了一种基于EMD(earth move distance)算法的视觉相似度欺诈网页检测算法,算法将网页在像素级别的相似度比较结果作为依据,判断某网页是否为欺诈网页。在2个实际系统中应用和实践了该算法,通过对9280个网站进行检测,检测出欺诈的正确率为90.90%,结果显示该算法具有较高的欺诈检测精度以及较低的时间性能开销。

基于局部–全局建模与视觉相似引导的光流估计方法

光流估计是计算机视觉的核心任务.近年来,基于卷积神经网络的光流估计方法已取得很大成功,然而由于现有模型的卷积感受野有限,难以建模远距离的依赖关系,导致在大位移和局部歧义性区域的光流估计效果较差.此外,现有方法在光流上采样过程采用的插值操作会导致误差的传播放大,进而引起光流估计的运动边缘模糊等问题.针对以上问题,本文提出了一种基于局部–全局建模与视觉相似引导上采样的光流估计方法.首先,引入一个高效且简单的自注意力机制加强光流计算网络的局部和全局建模能力.通过提取更具有表达力的图像特征,降低因大位移和局部歧义性导致的光流估计误差问题.其次,基于物体视觉特征越相似,运动也越相似的假设,构建视觉相似引导的光流上采样网络模型.将特征的视觉相似性转化为运动的相似性进而指导光流上采样过程,提高了运动边界区域光流估计的精度.最后,分别采用MPI-Sintel和KITTI数据库测试图像集对本文方法和最先进的深度学习光流计算方法进行综合对比分析.实验结果表明,本文方法在所有对比方法中取得了最优的光流计算结果,尤其在大位移和运动边界区域显著提升了光流计算的精度.

考虑视觉显著性的部分相似图像检索

当前流行的图像检索系统普遍采用词袋(Bag-of-Words)模型表示图像视觉内容。由于传统的视觉词袋模型忽略了局部特征间的几何关系,考虑几何约束的后处理方法明显地提高了检索准确率。这些方法认为每个局部特征点是平等的,然而在实际情况中,图像中的局部特征点对于部分相似图像检索任务的重要性是不同的,比如位于相似图像区域上的特征点要比位于背景图像区域的特征点重要。鉴于此,提出考虑图像特征点重要性的部分相似图像检索算法。首先用视觉显著性算法来计算图像每个像素点的显著性(即重要性),然后在几何验证计算图像间匹配分数中考虑匹配局部特征点的重要性,最后在广泛使用的相似图像检索数据集上对提出的算法进行验证。实验结果表明了本方法的优越性。

基于视觉结构相似度的离焦图像融合方法

针对融合多张部分聚焦图像的问题,从离焦图像质量评价角度出发,提出了一种基于视觉结构相似度的图像质量评价标准,并以此标准将离焦图像融合转化为一个优化问题.通过特殊设计进化算法,从源图像出发,优化出一个质量评价最好的图像作为融合结果.结果表明,通过该方法能够得到较好的融合结果,并在继承性和可靠性方面优于流行的多尺度方法和特征组合方法.

基于ICA-HMAX的视觉与语义相似性计算模型

该文首先简单介绍多层次卷积ICA-HMAX模型;然后提出卷积核的可视化方法实现对不同层次卷积核的理解。提出采用ICA-HMAX模型的S3层特征实现不同类别的视觉的相似度计算。通过在Caltech101数据集上实现对不同的类别之间的视觉相似度计算,并与类别之间的语义相似度进行对比分析进而探讨语义相似与视觉相似之间的关系。

基于多特征相似性融合的半参考图像质量评价

提出了一种基于多特征相似性融合的半参考图像质量评价方法.在多个特征域,该算法采用不同的策略,分别评估了原始与待测图像之间的视觉相似性,并利用特征融合模块将上述特征相似性度量合并为图像整体质量指标,即MFSIQ(Multi-Feature Similarity based Image Quality).为验证所提出算法的性能,本研究分别在三个主流数据库上,将所提出算法与主流的全参考以及无参考算法进行了性能比较.实验结果表明,MFSIQ的性能优于两种主流半参考算法和全参考算法PSNR,甚至可以媲美人们所熟知的全参考算法SSIM.

基于视觉和语义互学习的标签完备标注

大多数图像标签完备方法仅依据待完备图像的视觉特征搜索近邻图像,获取候选标签实现完备,往往忽略候选标签与初始标签隐含的语义和视觉关系.为有效完备图像标签,本文依据信息的相互学习机制提出一种基于视觉和语义互学习的标签完备标注方法.首先,依据待完备图像的视觉特征和初始标签语义,搜索其近邻图像集并获取候选标签;其次,根据候选标签与初始标签的视觉内容相似性和语义相关性度量候选标签与待完备图像的关联度;最后,结合候选标签频率,选取关联程度高的候选标签实现标签补全.在基准数据集Corel5K以及真实数据集Flickr30Concepts上进行实验验证,结果表明该方法在图像标签完备的平均准确率、平均召回率以及覆盖率上均表现出更优的性能.

基于全局视觉优化的视频目标检测算法

提出一种基于全局视觉优化的视频目标检测算法,在原有流引导特征聚合算法(FGFA)基础上,更关注寻找检测精度与运行时间之间的折衷策略。首先利用全局视觉优化的思想,使用感知哈希算法在多帧特征聚合前进行帧段两端的全局视觉相似度计算,判断当前帧段的时序信息相关性;其次使用连续帧作为输入,进一步利用视频的时序信息,将相邻帧在运动路径上的特征聚合到当前帧的特征中,进而对视频特征有更好的表达。ILSVRC实验表明,经过全局视觉优化的预处理后,该算法较原本算法在视频中进行目标检测的准确率和速度均得到一定提升。

基于视觉特征的仿冒域名轻量级检测技术

近年来,僵尸网络、域名挟持、钓鱼网站等仿冒域名攻击越发频繁,严重威胁着社会和个人的安全,因此仿冒域名检测已经成为网络防护的重要组成部分。当前的仿冒域名检测主要面向公共域名,检测方法以编辑距离为主,难以充分体现域名的视觉特征;此外利用域名相关信息进行判定虽然有助于提高检测效率,却会引入较大的额外开销。为此,考虑采用仅基于域名字符串的轻量级检测策略,并综合考虑字符位置、字符相似度和操作类型对域名视觉的影响,提出基于视觉特征的编辑距离算法。该算法根据仿冒域名的特点,先对域名进行预处理,然后按照字符位置、字符相似度及操作类型对字符赋予不同的权重,最后通过计算编辑距离值进行仿冒域名判定。实验结果表明,基于视觉特征的仿冒域名轻量级检测方法与基于编辑距离的判定方法相比,在阈值取1和2时,F1值分别提高了5.98%和13.56%,验证了该方法具有良好的检测效果。

基于模糊度量视觉特征的非局部均值去噪

针对非局部均值(non local mean,NLM)相似性度量不够准确的问题,提出一种基于模糊度量的视觉特征相似度的改进非局部均值图像去噪算法。利用模糊度量理论构建视觉特征度量相似性函数作为衡量图像像素点相似性;将平滑核函数代替高斯加权核函数,提高运算速度和避免滤波参数的设置;利用构建视觉特征相似性度量生成的平滑核函数,对图像进行去噪。由于改进方法考虑图像视觉结构特征,更加完善了非局部均值结构相似的特点。在高斯噪声和椒盐噪声下,用峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity index,SSIM)评价指标分别对比分析提出方法与几种优秀的改进NLM方法的降噪性能。实验结果表明,改进的新方法在去噪性能方面得到较高的提升,同时降低了相似度计算的复杂度和减少了参数设置问题。

基于语境与文本结构融合的中文拼写纠错方法

在中文拼写纠错任务的处理中往往存在对句子的语义理解不够且对于汉字的语音和视觉信息利用较少的问题,针对这一问题,提出一种基于语境置信度和汉字相似度的纠错方法(ECS).该方法基于深度学习的理论,融合汉字的视觉相似度、汉字的语音相似度以及微调过的预训练BERT模型,能自动提取句子语义并利用汉字的相似性.具体地,通过对预训练的中文BERT模型进行微调,使之能适应下游的中文拼写纠错任务;同时,利用表意文字描述序列获取汉字的树形结构作为视觉信息,采用汉字的拼音序列作为语音信息;最后,利用编辑距离得出汉字的视觉和语音相似度,并将这些相似度数据与微调过的BERT模型融合,以实现纠错任务.在SIGHAN标准数据集上的测试结果显示,和基准模型相比,提出的ECS方法其F1-score提升巨大,在检错层面上提升2.1%,在纠错层面上提升2.8%,也验证了将汉字的语境信息、视觉信息与语音信息融合用于中文拼写纠错任务的适用性.

基于二维典型视图的三维CAD模型检索算法

为了更好地实现对三维CAD模型的重用,提出了一种基于二维典型视图的三维CAD模型检索算法,通过比较模型对应的二维典型视图来计算模型间的相似程度。首先获取模型沿固定视角的二维投影视图集;然后采用Apriori算法甄选出其中的典型视图;最后通过比较模型所对应的典型视图获得模型间的相似性评价,实现模型的相似性检索。实验结果证明本文算法的检索性能令人满意。