基于渐进高斯滤波融合的多视角人体姿态估计

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡引起的量测不确定性问题.其次,构建分布式渐进贝叶斯滤波融合框架,以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性.特别地,针对量测统计特性变化问题,利用局部估计间的交互信息来引导渐进量测更新,从而隐式地补偿量测不确定性.最后,仿真与实验结果表明,相比于现有的方法,所提的人体姿态估计方法具有更高的准确性和鲁棒性.

基于肌电−惯性融合的人体运动估计:高斯滤波网络方法

本文研究了基于肌电(Electromyography,EMG)−惯性融合的人体运动估计问题,提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network,SPGF-net)估计方法来形成肌电和惯性的互补性优势,以提高人体运动估计精度和稳定性.首先,利用卷积神经网络对观测数据进行特征提取,以及利用长短期记忆(Long short-term memory,LSTM)网络模型来学习噪声统计特性和量测模型.其次,采用序贯融合的方式融合异构传感器量测特征,以建立高斯滤波与深度学习相结合的网络模型来实现人体运动估计.特别地,引入渐进量测更新对网络量测特征的不确定性进行补偿.最后,通过实验结果表明,相比于现有的卡尔曼滤波网络,该融合方法在上肢关节角度估计中的均方根误差(Root mean square error,RMSE)下降了13.8%,相关系数(R^(2))提高了4.36%.

基于改进高斯滤波算法的图像去噪方法

随着激光技术在光学测量和精密加工等领域的应用日益广泛,对图像的质量要求也越来越高。然而,在实际应用中,图像常常受到散斑噪声的影响,导致图像质量下降。现有方法由于采取的平滑技术较为简单,对于散斑噪声的抑制能力有限,为此,设计基于改进高斯滤波算法的图像去噪方法。测试结果表明,设计方法展现出了优秀噪声抑制性能,保留了图像的主要特征。

结合高斯滤波与MASK的G-MASK人脸对抗攻击

深度神经网络的快速发展使其在计算机视觉和自然语言处理等领域取得较大成功,但是对抗攻击会导致神经网络的表现性能降低,对各类系统的安全保密性造成严重威胁。现有黑盒攻击方法在人脸识别中性能表现较差,攻击成功率较低且生成对抗样本迁移性不高。为此,提出一种结合高斯滤波与掩码的对抗攻击方法G-MASK。利用Grad-CAM输出的热力图确定对抗样本的掩码区域,使其只在掩码区域施加扰动,提高黑盒攻击成功率,采用扰动集成方法提高黑盒迁移能力,增强黑盒攻击鲁棒性,对生成的扰动进行高斯平滑处理,降低集成模型之间干扰噪声的差异,提高图像质量且增强扰动掩蔽性。实验结果表明,针对不同的人脸识别模型,G-MASK方法在保证白盒攻击成功率较高的条件下能够显著提升黑盒攻击效果,并具有更优的掩蔽性,经过模型扰动集成的对抗样本白盒攻击成功率均提高至98.5%以上,黑盒攻击成功率最高达到75.9%,与快速梯度符号法(FGSM)、迭代快速梯度符号法(I-FGSM)和动量迭代梯度符号法(MI-FGSM)相比分别平均提升12.1、10.6和8.2个百分点,充分验证了该方法的有效性。

基于高斯滤波与多尺度CNN的抗噪轴承故障诊断方法

针对滚动轴承在强背景噪声环境下故障诊断性能不佳,已有基于深度学习和降噪处理的故障诊断模型规模较大,复杂度较高导致难以实际部署的问题,提出一种基于高斯滤波(Gaussian-filter)和多尺度卷积神经网络(MultiScale Convolution Neural Network,MSCNN)的滚动轴承故障诊断方法,可在噪声环境中实现低复杂度、高精度的故障诊断,并对不同负载情况具有高鲁棒性。该方法首先构造适应不同信噪比的最佳滤波核,然后对有噪信号进行降噪处理,最后使用MSCNN自适应提取信号多尺度特征,实现多类别故障诊断。实验结果表明,与当下最先进的各种故障诊断方法相比,该方法在各种强度噪声下均具有较高故障诊断精度,且在时间和空间维度上具有较低的复杂度,有望在工业生产中得到实际应用。

混合半径高斯滤波算法在去除GRACE条带误差中的应用

从GRACE重力卫星获取的时变重力场存在严重的南北条带误差,极大地掩盖了真实重力场信号,因此需要进行滤波处理。以GRACE相关滤波理论为基础,以信噪比最优为评估依据,详细分析不同高斯滤波半径在各阶次下信噪比以及高斯权重系数变化情况。基于此,提出混合半径高斯滤波方法,即通过调整各阶次下的高斯滤波半径来优化高斯滤波权重系数。结果表明,在仅进行400 km经典高斯滤波、去相关滤波与300 km经典高斯滤波的组合滤波信噪比最优情况下,采用分两步进行的400 km混合半径高斯滤波、去相关滤波与分3步进行的300 km混合半径高斯滤波方法,能进一步提高信噪比,同时改善因高斯滤波造成的信号泄漏。

基于高斯滤波与均值聚类的异质多源传感器数据加权融合

异质多源传感器之间工作频率存在差异,导致数据之间的一致性较差,加权融合后的观测误差较大,因此提出基于高斯滤波与均值聚类的异质多源传感器数据加权融合方法。采用高斯滤波对异质多源传感器数据空间单元格进行划分,建立基于单元格的最佳连通域,保留传感器内部数据,完成传感器数据的高斯滤波平滑处理。引入均值聚类对异质多源传感器数据进行一致性处理。通过免疫粒子群搜索最优权重和参数,利用最优权重和参数完成异质多源传感器数据加权融合。仿真结果表明,所提方法能够降低融合后传感器数据的观测误差与均方误差,观测误差与均方误差最小值均为0.002。因此,说明所提方法提高了融合后异质多源传感器数据的可利用性。

高斯滤波在花山岩画图像处理中的应用研究

花山岩画是中国岩画文化的重要组成部分,具有极高的历史、艺术和科学研究价值。随着数字图像处理技术的不断发展,对花山岩画进行数字化保护和研究成为可能。高斯滤波作为一种基本的图像平滑技术,能够有效去除图像噪声,从而改善图像的质量。本文探讨了高斯滤波在花山岩画图像处理中的应用,通过实验证实了高斯滤波对提高岩画图像质量的有效性,为花山岩画的数字化保护和研究提供了重要的技术支持。这一研究为进一步挖掘和保护中国岩画文化遗产提供了有益的参考和指导。

高斯滤波增强技术融合最大类间方差法在医学影像诊断中的应用研究

为了进一步提高肺部医学影像辅助诊断的准确性,提出一种高斯滤波增强技术融合最大类间方差法对肺部CT影像进行分割和计算病变面积占比的算法。首先对原始图像采用高斯低通滤波运算去除噪声和杂质并使用MSVSR提高图像质量,然后通过最大类间方差法将图像目标和背景分割出来,再将二值化图像一分为二,一方面采用高斯高通滤波运算锐化磨玻璃影和病变肺实质,另一方面使用HED将肺轮廓提取出来,最后计算出病变区域与肺轮廓面积占比。临床试验数据表明,本文算法不仅可以去除伪影和噪声,还能够最大限度地保留临床意义上的图像特征信息,具有较高的准确性,可以为临床研判肺部疾病严重程度与医疗诊治提供帮助。

飞行时间、点扩散函数和高斯滤波对18F-FDG PET/CT肺结节SUV和SNR的影响

目的:探讨飞行时间(TOF)、点扩展函数(PSF)和高斯滤波(GF)对肺结节的标准化摄取值(SUV)和信噪比(SNR)的影响,为肺结节患者提供最佳的PET重建算法.方法:回顾性分析2020年12月至2022年3月在安徽医科大学第一附属医院行全身18F-FDGPET/CT检查的38例肺结节患者的PET/CT图像.采用滤波反投影(FBP)、有序子集最大期望值(OSEM)、OSEM+TOF、OSEM+PSF、OSEM+TOF+PSF和OSEM+TOF+PSF+GF[GF的半高宽(FWHM)分别为2、4、6、8和10 mm]重建算法进行图像重建,通过视觉评估PET图像质量和半定量方法分析肺结节的SNR和SUV.分别采用Holm-Sidak检验和Friedman检验分析不同重建算法间SUV和SNR的差异.结果:相比于FBP组,OSEM+TOF+PSF组SUVmax、SUVpeak、SUVmean 和 SNR 分别提高 8.02%(P>0.05)、10.72%(P<0.000 1)、19.05%(P<0.000 1)和 688.89%(P<0.000 1);相比于OSEM组,OSEM+TOF+PSF组SUVmax、SUVpeak、SUVmean和SNR分别提高 13.89%、25.60%、38.56%和 101.07%(均P<0.01);相比于OSEM+TOF组,OSEM+TOF+PSF组SUVpeak、SUVmean和SNR分别提高8.42%、12.76%和67.98%(均P<0.000 1),SUVmax降低2.76%(P>0.05);相比于OSEM+PSF组,OSEM+TOF+PSF组 SUVmax、SUVpeak、SUVmean 和 SNR分别提高 28.17%、19.19%、33.83%和12.15%(均 P<0.01).与 OSEM+TOF+PSF 组相比,OSEM+TOF+PSF+GF(2 mm FWHM)组 SUVmax、SUVpeak和SUVmean分别降低 12.12%、52.05%和9.24%,SNR提高3.42%(均P<0.05);OSEM+TOF+PSF+GF(4 mm FWHM)组 SUVmax、SUVpeak 和 SUVmean 分别降低 56.67%、69.79%和 34.75%,SNR 提高10.10%(均P<0.05);OSEM+TOF+PSF+GF(6 mm FWHM)组SUVmax、SUVpeak、SUVmean和SNR分别降低 115.91%、99.10%、73.63%和 1.75%(均P<0.05);OSEM+TOF+PSF+GF(8 mm FWHM)组 SUVmax、SUVpeak、SUVmean 和 SNR 分别降低 198.38%、140.65%、126.04%和 18.68%(均P<0.05);OSEM+TOF+PSF+GF(10 mm FWHM)组 SUVmax、SUVpeak、SUVmean和 SNR分别降低 311.94%、198.99%、201.85%和60.47%(均P<0.05).2名医师对FBP、OSEM、OSEM+TOF、OSEM+PSF和OSEM+TOF+PSF重建算法肺结节PET图像视觉评分优秀率均值分别为0、11.63%、25.58%、18.60%和50.00%;OSEM+TOF+PSF+GF(GF的FWHM分别为2、4、6、8和10mm)重建算法肺结节PET图像视觉评分优秀率均值分别为51.16%、54.65%、54.65%、33.72%和 10.47%.结论:在所有重建算法中,OSEM+TOF+PSF+GF(4 mm FWHM)重建算法可以获得最佳的肺结节PET图像视觉评分和SNR,但降低了肺结节的SUV.

基于db N小波变换和自适应高斯滤波的齿面干涉图像相位滤波方法

齿轮齿面形貌的激光干涉测量中,由于齿面高度差较大,采集到的干涉图像中难以避免存在条纹密集区域,容易出现局部条纹粘连、错切等现象,增加了相位噪声和解包裹难度。分析了包裹相位图中条纹密度分布规律,提出了一种基于db N小波变换和自适应高斯滤波的齿面干涉图像相位去噪方法。首先,利用小波变换分解出包裹相位图中常表现为高频信号的噪声,采用软阈值去噪滤除部分高频噪声;其次,根据包裹相位图频域特征,结合自适应高斯滤波进一步对高频噪声进行迭代滤波处理;最后,设计了相关实验,通过与经典的滤波方法进行对比,所提方法不仅能够有效滤除条纹较为密集的包裹相位图中的相位噪声,而且更大限度地保留了图像细节信息,证明了所提方法的有效性和正确性。

基于高斯滤波和AKAZE-LATCH的图像匹配算法

针对图像匹配中AKAZE(Accelerated-KAZE)算法匹配精度较低以及计算复杂等问题,提出了一种基于高斯滤波和AKAZE-LATCH(AKAZE-Learned Arrangements of Three Patch Codes)算法相融合的图像匹配算法。首先,对输入图像进行高斯滤波预处理,去除高斯噪声等连续性噪声,并且保留图像的边缘信息。然后通过LATCH算法为AKAZE算法构建高效的二进制描述子,再通过KNN(K Nearest Neighbors)算法得到对应的匹配对。最后结合USAC(Universal RANSAC)去除误匹配对方法进行再次筛选,得到最终的匹配结果。经实验对比,所设计的算法相较于AKAZE算法匹配精度更高,且具有良好的鲁棒性和可靠性,可用于多数复杂场景下的图像匹配。

基于容差机制与高斯滤波的图像去雾算法

为了使暗通道先验去雾算法能够有效处理雾霾图像中天空等明亮区域,提升去雾后图像的抗噪性能,提出了一种基于容差机制与高斯滤波的图像去雾算法。首先,引入容差机制来修正明亮区域透射率;然后,融入高斯滤波算法来提升去雾后图像的抗噪性能;最后,适当调整图像亮度,以提升去雾后图像的可视化效果。仿真实验结果表明,改进后算法不仅能够有效处理雾霾图像中天空等明亮区域,而且能够提升去雾后图像的抗噪性能;相较于主流的同态滤波算法,改进后算法的去雾性能更优。

基于改进高斯滤波网络的深度伪造检测方法

针对虚假视频的检测中,特征噪声多、数据量大和检测准确率低的问题,提出一种改进高斯滤波对地标点进行去噪和改进深度网络模型来提升精度的算法(IGFNet);算法将高斯滤波拓展到空域和值域上,在滤除低频噪声的同时尽可能保留高频噪声,使得在后续特征数据的处理中,标记点的精度得以提升;采用特征化的数据代替原始数据以减少数据量,使得送入网络的数据量大大缩小,有效缩短了训练时长和减少了网络参数量,在实际应用中可以增加鉴别虚假视频的效率;并且针对人脸属性特征点的差异采用不同深度的双流神经网络,从而更加有效地学习如何鉴别虚假视频。实验表明:改进高斯滤波网络算法(IGFNet)有效地增加了真假脸检测的准确率,在与当前较为优秀的方法如Meso4,Xecption,LRNet等的对比下,IGFNet的准确率均有不同程度的提升,在跨数据集的测试上提升尤为明显;在压缩过的虚假视频测试中,IGFNet的泛化下降程度最低,显示了较强的鲁棒能;通过改进网络加入梯度热力图以直观判断出IGFNet对于深度伪造图片的鉴别能力。

基于后向递推与扩展指数的球谐域高斯滤波系数高精度计算方法

针对滤波半径较大、参考球面半径较小、球谐阶数较高时,传统高斯滤波球谐系数计算存在不稳定性的问题,将扩展指数法应用于高斯滤波球谐系数的后向递推计算。数值计算和实际应用均表明,该方法基本可实现在任何半径大小球面上、任意滤波半径的超高阶高斯滤波高精度计算。

高斯滤波器在子弹三维图像特征提取中的应用

为了弹痕的自动比对,建立了基于结构光的子弹三维纹理信息获取系统。由于在采集三维信息时子弹的中轴线与采集系统的y坐标轴很难做到完全重合,这需要进行相应的坐标旋转,尤其是在子弹变形时,无法利用子弹近似圆柱提取这一信息,这都给弹痕提取带来了很大的困难。本系统采用高斯逼近滤波器的方法获取高斯滤波中线,然后将三维弹痕信息与高斯滤波中线相减,进而提取出子弹的弹痕信息。利用冲激响应不变法设计了十二级的IIR型数字高斯滤波器,所设计的高斯逼近滤波器最大幅度偏差只有1.38%,大大优于ISO11562规定的2.5%的最大幅度偏差。此方法使得弹痕提取过程更简单,提取结果更精确,对后续弹痕比对的准确率有明显的提升。

高斯滤波残差在拉曼光谱基线校正中的应用

为了校正拉曼光谱背景基线以进行下一步研究,本文提出了一种降低背景干扰的拉曼光谱基线校正算法。该算法利用高斯函数可以检测出光谱曲线中区别于背景的拉曼峰数据,然后比较了并行和迭代两种形式的基线校正算法,最后采用迭代算法得到光谱背景基线。迭代形式的高斯卷积基线校正算法使用了计算机中的矩阵加速方法,且经过26次迭代就能得到一个基线校正完成的拉曼光谱。本算法具有实现简单、计算时间少、自动化的优点。

几种CUDA加速高斯滤波算法的比较

目前已有几种CUDA加速的图像高斯滤波算法,但这些算法有的描述不清楚,也没有人对它们的性能进行详尽的比较,这给理解及应用带来了困难。描述了几种CUDA加速的图像高斯滤波算法,包括直观的实现方式、使用共享内存的分离滤波器方法、使用纹理内存的分离滤波器方法、基于CUFFT的卷积滤波以及递归高斯滤波器。强调了这些算法的核心思想,比较了它们的时间复杂度,通过实验对它们的性能进行了分析。

高斯滤波在三维表面评定中的应用

表面粗糙度是影响物质表面技术性能的重要物理特征之一,随着现在工程表面要求的不断提高,二维评定已不能满足要求。高斯滤波为当今用滤波技术中的主要方法。本文分析了高斯滤波法在评定三维表面信息时的数学模型并给出高斯滤波本身的不足。为克服其缺点,本文引入了稳健高斯滤波原理并给出算法,最终通过实验证明了其有效性。

基于双边与高斯滤波混合分解的图像融合方法

针对红外与可见光图像融合时,两种异质图像信息容易相互干扰,造成融合图像出现模糊、信息混乱和对比度降低等问题,提出了一种基于双边与高斯滤波混合分解的融合方法。首先采用双边和高斯滤波器对输入的红外与可见光图像进行混合信息分解,得到小尺度纹理细节、大尺度边缘和底层粗略尺度图像信息;其中的大尺度边缘信息包含红外图像的主要特征,依据该特征确定各分解子信息的融合权重,从而将重要的红外特征信息注入到可见光图像;最后通过对各融合子信息进行组合重构出融合图像。实验结果表明,该算法融合效果要优于传统基于多尺度分解的图像融合算法。