基于知识共享的遮挡人体姿态估计网络

现有人体姿态估计方法处理遮挡情况时性能较差,为此提出新的估计网络,包含遮挡区域强化卷积网络(OCNN)和遮挡特征补偿图卷积网络(OGCN).设计高低阶特征匹配注意力以强化遮挡区域特征,由OCNN提取高适配权重,通过少量遮挡数据的方式实现遮挡部位的强化检测.由OGCN消除障碍物特征,通过强化关键点共有及专有属性的方式补偿节点特征;进行邻接矩阵重要性加权以改善遮挡部位特征质量,提升检测精度.所提网络在数据集COCO2017、COCO-Wholebody、CrowdPose上的检测精度分别为78.5%、67.1%、77.8%,优于对比算法.在自建遮挡数据集上所提网络节约了75%的训练数据使用.

语义风格一致的任意图像风格迁移

图像风格迁移的目标是通过将目标图像风格迁移到给定的内容图像来合成输出图像。目前已有大量关于图像风格迁移的工作,但这些方法的风格化结果忽略了内容图像不同语义区域的流形分布,同时,大多数方法使用全局统计数据(如Gram矩阵或协方差矩阵)来实现风格特征到内容特征的匹配,不可避免地存在内容丢失、风格泄漏和伪影的问题,从而产生不一致的风格化结果。针对以上问题,提出了一个基于自注意力机制的渐进式流形特征映射模块(MFMM-AM),用于协调一致地匹配相关内容和风格流形之间的特征;然后通过在图像特征空间中应用精确直方图匹配(EHM)来实现风格和内容特征图的高阶分布匹配,减少了图像信息的丢失;最后,引入了两个对比性损失,利用大规模风格数据集的外部信息来学习人类感知的风格信息,使风格化图像的色彩分布和纹理图案更加合理。实验结果表明,与现有典型的任意图像风格迁移方法相比,所提网络极大地弥合了人类创作的艺术品和人工智能创作的艺术品之间的鸿沟,可以生成视觉上更加和谐和令人满意的艺术图像。

改进的视角鲁棒KAZE特征匹配算法

针对KAZE特征匹配算法对视角变化敏感,在大视角场景下不能实现正确匹配的问题,提出了一种视角鲁棒的PKAZE（Perspective-KAZE）算法。该算法在原KAZE描述符的基础上,计算特征点邻域内的二阶梯度均值,形成新的扩展的80维描述符;然后利用透视变换模型对待匹配影像进行多视角模拟,在模拟影像上提取改进的KAZE描述符,再进行特征匹配。最后,选取5对含有最多正确匹配数量的影像上的匹配对作为初始结果,利用随机抽样一致算法对初始结果提纯。对多组图像进行了匹配实验,结果表明：与KAZE、尺度不变特征变换（SIFT）和加速鲁棒特征（SURF）算法相比,所提算法对视角变化具有更强的鲁棒性;与透视尺度不变特征（PSIFT）和仿射尺度不变特征（ASIFT）算法相比,本算法匹配正确率更高,分别为PSIFT的2-10倍,ASIFT的2-7倍。提出的算法对视角变化具有很好的鲁棒性,不仅对模拟影像的视角变化很稳健,而且适用于真实三维复杂场景拍摄的大视角影像,具有一定的实用价值。

实体和初级关系(FOR)匹配的分离与结合对故事类比通达的影响

采用移动窗口阅读技术深入探讨实体和初级关系(FOR)匹配的分离与结合对故事类比通达的影响,对表面特征和结构特征在类比通达中的作用进行检验。实验1探讨系统变化目标故事和线索故事之间实体匹配数目与实体和初级关系(FOR)匹配的分离与结合是否影响读线索故事时对目标故事的回想。实验2探讨系统变化目标故事和线索故事之间初级关系(FOR)匹配的数目与实体和初级关系(FOR)匹配的分离与结合是否影响读线索故事时对目标故事的回想。实验3探讨实体和初级关系(FOR)匹配的分离与结合对目标故事的通达是否与高级关系(HOR)的匹配有关。结果表明,实体匹配独立影响通达,实体和初级关系(FOR)分离与结合影响故事类比通达,高级的结构关系(HOR)是实体和初级关系(FOR)影响故事类比通达的必要条件。

基于改进SIFT算法的图像复制粘贴盲检测方法

对高斯二阶差分(D^2OG)算子的产生过程和理论依据进行了分析,介绍了一种称为广义特征点匹配的新方法。通过仿真,先获得被检测图像的基于D^2OG算子的SIFT特征点,然后利用广义特征点匹配方法检测图像是否被篡改。对100幅篡改图像进行篡改检测,采用D^2OG算子得到的特征点与DOG算子得到的特征点用于检测图像复制粘贴的正确率接近;但用D^2OG算子检测效率更高,对图像检测量大、实时性要求高的检测任务有实用价值。

利用灰色系统理论确定ICA解密图像的顺序

针对基于ICA的图像加密解密算法中,解密输出图像顺序不确定问题,提出一种利用灰色系统理论进行图像特征匹配的方法。利用主成分分析提取图像的主分量数据,建立灰预测模型GM(1,1),提取模型的灰参数作为匹配特征;将解密图像的灰参数作为比较序列,对明文图像的灰参数作灰关联分析,关联度最大的图像对就是匹配的明文图像与解密图像。分别选取独立性强和关联性强的明文-解密图像集各1组,进行图像匹配实验,获得了准确的匹配结果。该方法对图像具有普适性,计算复杂度小,确定ICA解密图像顺序快速、准确。

结合亮度序局部特征描述的图匹配算法

在图匹配问题中基于松弛迭代的方法能否收敛到全局最优解在很大程度上依赖于初始值的估计,针对这个问题,提出了一种结合亮度序局部特征描述的图匹配算法。该算法首先利用Hessian-Affine方法提取图像的特征点及局部特征区域,以特征点作为图的节点并结合特征点的邻近关系构造结构图;其次,根据亮度序约束关系对局部特征区域进行子区域划分,利用改进的中心对称局部二值模式(CS-LBP)获取局部特征描述;最后,将局部特征描述之间的相似性作为图匹配关系矩阵的初始值,通过松弛迭代的方法获取特征点的准确匹配结果。实验结果表明该算法匹配准确率较高。

图像多阶特征对集的最优匹配模型

针对图像匹配问题,提出了一种图像多阶特征对集的最优匹配模型.图像的多阶特征主要是指一阶、二阶和三阶特征,分别由单个特征点、特征点之间的边或者连接特征点的三角形来定义.最优匹配模型是一个以图像多阶特征为顶点集的加权二分图,其优点是权重参数可以直接计算,并能采用Kuhn-Munkras算法求解最大权对集.实验结果表明,该模型具有很好的鲁棒性,对于视频序列图像和涂鸦图像,即使在存在较大缩放、旋转和仿射变换的情况下,也能获得比较精确的匹配结果,其准确度通常优于OpenCV中著名的Flann和BruteForce匹配算法.

基于二阶差分Markov特征的LSB匹配隐写检测

针对安全性较高的最不重要位(LSB)匹配隐写算法,通过计算待检测图像像素水平和垂直方向的二阶差分,得到二阶差分矩阵并将其作为敏感特征提取源,提取差分矩阵的二阶Markov转移概率矩阵作为特征,提出了一种隐写检测算法。实验结果表明:与基于一阶差分Markov转移概率矩阵的算法相比,该算法在保证检测较高正确率的情况下,在很大程度上提高了算法的检测速度,增强了算法的性能和实用性。

基于图像相邻像素相关性的LSB匹配隐写分析

LSB匹配隐写是图像隐写分析中的重点研究问题。根据图像相邻像素的相关性,提出了一种新的隐写分析算法。通过图像复原算法计算出复原图像,利用高阶Markov链模型分别对待检测图像和复原图像建模,根据LSB匹配隐写对高阶Markov链模型经验矩阵的影响,提取复原图像和待检测图像的统计特征组合成新的27维特征向量对支持向量机进行训练。实验表明提出的算法对LSB匹配隐写有较好的分析效果,特别在嵌入率低的情况下,算法具有较好的分析能力。

交通监控视频图像语义分割及其拼接方法

视频拼接是图像拼接的外延,在场景监控、目标识别等应用中发挥着重要作用。传统视频拼接算法多要求视频间具有较大重叠区域且特征点匹配过程中只顾及图像几何特征,当处理交通监控视频时,会因不同摄像头之间重叠区域极小或主光轴之间夹角较大而导致无法拼接或图像变形较大。为此,本文提出一种交通监控视频图像语义分割及其拼接方法。首先,利用边缘角度二阶差分直方图算法自动识别多视频交汇区域的正射影像,并将其作为拼接背景图像;然后,基于全卷积神经网络对正射影像和视频图像进行语义分割,提取图像中的交通专题语义;最后,以交通专题语义作为约束进行特征点匹配,将各个交通监控视频匹配至背景正射影像,实现监控区域视频拼接。采用山东省某市实际视频数据进行试验验证,结果表明对于重叠区域较小的监控视频,本文方法可获得较好地拼接图像,同时可有效提高特征点匹配的准确度。

基于弹性图匹配的实时视频流人脸识别

1引言 人脸识别作为模式识别的一个分支,近年来再次成为研究的热点,各种方法层出不穷[1].其中弹性图匹配算法较好地利用了局部灰度特征信息和形状拓扑结构特征信息,具有较高的鲁棒性而广受关注[2～7].

一种新的基于特征点的立体匹配算法

目前,立体匹配是计算机视觉领域中最活跃的研究主题之一。为了快速并更精确的对特征点进行立体匹配,本文提出了一种新的基于特征点的立体匹配算法。该方法独立于特征点的检测算法,先以扫描线作为匹配单元,然后以鲁棒函数为匹配代价函数,最后用顺序约束对每一匹配单元的视差图进行检测与校正。实验证明,该方法的匹配精度高于传统的基于NCC(norm alized cross-correlation)的立体匹配算法,并且运行时间快,可以应用于纯软件的基于特征点的立体视觉系统中。

利用亮度排序的快速鲁棒特征描述与匹配算法

针对快速鲁棒特征SURF描述符匹配精度不高且对光照变化不具有鲁棒性的问题,提出利用亮度排序的快速鲁棒特征描述与匹配算法。该方法在SURF算法的基础上,对特征邻域像素的灰度值进行排序和分段。通过建立索引表对每段的像素进行表示形成描述子,再将每段的描述子串联形成特征描述符对影像进行匹配。实验表明,该算法较SURF算法匹配精度高,匹配可靠性方面提高74.7%,且对线性及非线性光照变化均具有较好的鲁棒性。

基于稀疏表达特征提取的发动机爆震状态检测

研究了利用发动机缸体振动信号进行爆震检测和强度评价的方法,提出了一种基于广义正交匹配追踪的改进K-均值奇异值分解(K-means singular value decomposition,简称K-SVD)信号处理方法,将稀疏表达理论引入了发动机爆震特征识别领域。首先,对缸体振动信号进行稀疏分解,得到涵盖爆震特征的稀疏字典以及针对单个信号的稀疏系数;然后,计算重构信号的四阶累积量的自然对数,提出了一种爆震强度评价指标。计算结果表明,该方法对于混有强烈背景噪声的缸体振动信号表现出了良好的降噪和特征提取能力,且提高了运算效率,能够准确区分强烈爆震、轻微爆震和正常燃烧3种状态,证明了该方法在发动机爆震识别领域的应用价值。

一种基于顺序形状上下文的轮廓匹配方法

形状上下文是一类经典的轮廓描述子,在图像分析、匹配与识别等领域具有广泛的应用。论文针对形状上下文存在的问题,将轮廓点顺序关系这一全局形状特征与传统形状上下文相结合,提出一种新的描述子。理论分析与实验结果均表明,该方法能够有效提升上下文描述子的区分能力,显著改善形状检索精度。

一种基于高阶特征表示的图像分类方法

传统高阶特征构建方法需对局部特征进行两两匹配,随着阶数的增加,从而导致组合爆炸问题。为此,提出一种高阶特征组合表示方法。将图像划分为多个网格,每个网格内的尺度不变特征转换组合成高阶特征组合。同一个网格内tf-idf值最大的特征作为主特征,其余特征作为子特征,将主特征与子特征之间的夹角作为特征空间信息。通过高阶特征组合的视觉距离和几何距离匹配高阶特征,并结合支持向量机进行图像分类实验,结果表明,该方法分类准确率提高了约4%,可有效避免组合爆炸问题。