基于颜色和光流的多注意力机制微表情识别

针对光流法无法充分利用微表情面部颜色信息,导致识别准确率不高的问题,本文提出一种基于颜色和光流的多注意力双流网络方法。首先,提出以CIE Luv色差图的形式,初步提取人脸情感生理特征,弥补微表情光流特征的单一性和局限性;然后,将PAM模块和ECA block并行组合得到轻量化的双注意力模块,提取空间和通道关键特征;最后,设计一种交叉注意力机制以获取颜色和光流混合特征,将其与空间通道关键特征融合用于分类。本模型在实验中采用留一交叉验证法进行评估,在SAMM数据集上的准确率和F1分数分别达到69.18%和67.04%,在CASMEⅡ数据集上的准确率和F1分数分别达到72.38%和70.85%。实验结果均优于目前主流算法,进一步证明本文模型及其模块在识别微表情方面的有效性。

CORDIC迭代法快速计算LED显示屏色域边界

针对色域映射过程中快速并精确地计算出任意映射线与色域边界交点坐标的问题,提出一种基于改进的CORDIC算法的迭代逼近求解方法。该方法利用CIE LUV颜色空间的特性可沿映射线逼近边缘交点。无需边界搜索和插值计算过程,可大量节省存储器资源和计算时间,并具有较高的计算精度和广泛的适用性。文章详细分析了算法的计算原理、精度和速度,并以LED显示屏为例,在D65标准光源下进行边界拟合并做出误差分析。实验结果表明:12次迭代运算后,拟合边界非常光滑,最大色差值仅为0.16,计算500个映射线交点的总计算时间约为1 s。与插值类计算方法相比,最大色差值降低了2.15,计算时间从10 s降低到1 s,速度提高了近10倍。

农产品自动检测中的常见颜色模型

颜色是表明物体性状的一个重要特征,在计算机视觉技术中有相当广泛的应用。由于颜色本身是一种主观感觉,所以为了将其量化,同时更适合人眼视觉系统,因此产生了各种颜色模型,相关的文献也相当多。为此,总结了目前用于计算机处理的常用颜色模型,将重要模型的计算公式一并列出,以便于在农产品自动检测时能够依据系统来选择一个合适的颜色模型。