结合风场的土壤重金属污染扩散过程模拟

为直观展示目标区域重金属污染元素汞(Hg)的污染范围、污染程度、污染扩散的过程,解决污染物在扩散过程中因受到风力的影响而产生与传统污染扩散模型结果有所出入的问题,针对目标区域的实际情况提出一种改进的污染扩散模型。在考虑到土壤重金属一般扩散规律的同时兼顾风向和风速等因素对污染扩散过程的影响,以求模拟得到目标区域土壤重金属污染更加符合实际情况的扩散过程。在完成对污染扩散模型算法的改进之后,结合Cesium开源框架实现在三维地球上对目标区域土壤重金属污染物Hg的扩散过程的可视化,在Web前端动态地展示研究区域Hg元素在传统扩散模型基础上结合风场因素的扩散过程。

潜在低秩表示下VSM联合PCNN的红外与可见光图像融合

为了更好的保存红外与可见光图像中的细节轮廓和对比度等信息,提出了一种潜在低秩表示(LatLRR)下视觉显著映射(VSM)和脉冲耦合神经网络(PCNN)相结合的图像融合方法。通过LatLRR将红外图像和可见光图像分解为低秩部分和显著部分,并分别使用不同的融合策略对得到的低频和高频层进行融合。低秩部分上,先计算图像低秩部分的视觉显著强度,并使用基于VSM的融合策略来融合图像低秩部分,以保留更多轮廓信息;显著部分上,使用梯度域PCNN融合策略来融合显著部分。舍弃二者的稀疏噪声,通过对融合后的低秩部分和显著性部分进行叠加,得到最后的融合图像。与其他经典的融合方法进行对比验证,融合图像的相关差异和(SCD)、结构相似性(SSIM)、融合质量(Q^(AB/F))等多种客观指标均有所提升,图像细节信息丰富,清晰度高,具有良好的可视性。

基于GF-WLS和VSM的多能量X射线图像融合方法

针对单一能量不能完整体现复杂结构件数字射线成像的全部图像信息这一问题,提出了一种基于引导滤波、加权最小二乘滤波(GF-WLS)和视觉显著图(VSM)的图像融合方法。首先,采用两种滤波方式对图像进行多尺度细节提取,提取出的细节作为细节层,原图作为基础层;其次,根据相位一致性和像素对比度原理分别对细节层和基础层构造视觉显著图,进而通过像素显著性的对比得到初始权重图,再利用引导滤波去除噪声;然后,将权重图归一化作为加权映射权重分别指导基础层与细节层的融合;最后,将融合后的两者进行叠加得到融合结果。试验表明,所提方法能够获得更高质量的融合图像。

基于视觉显著图和相位一致性的红外与可见光图像融合算法

为了获得更好的视觉融合效果,同时抑制边缘处的伪影和保留更多源图像特征,提出了基于视觉显著图(VSM)和相位一致性(PC)的红外和可见光图像融合算法。该方法利用信息损失更少的各向异性滤波(AnisGF)将源图像分解为多个高频信息细节层和一个低频信息基础层;利用VSM获取基础层的权重图,融合红外(IR)与可见光(Vis)基础层图像;利用最大-绝对值和相位一致性(PC)获取细节层的权重图,融合IR和Vis细节层图像,达到强化图像边缘信息并抑制噪声的目的,最后通过图像重构获得最终融合图像。实验结果表明,文章提出的方法与RFN-nest等五种方法相比,在清晰度、对比度和伪影等视觉效果均有改善。在AG(平均梯度)、EN(熵)、MI(互信息)、SF(空间频率)四种评价指标方面,均优于其他算法;在VIF(视觉信息保真度)方面,仅次于MSID-KBS方法。

基于滚动导向滤波的可见光与红外图像融合嵌入式系统研究

在不利的环境条件下,红外图像往往会出现暗部纹理信息缺失不全、主体轮廓模糊等问题,现已提出了多种相关的算法来解决这些问题,获得了极大的成功。但这些算法大多停留于软件仿真,本文研究了一种基于滚动导向滤波的嵌入式的图像增强算法并对其融合方法进行一定的改进:首先,使用滚动导向滤波器对红外图像和可见光图像进行多尺度分解得到一系列Gauss金字塔,再对每层Gauss金字塔分解出一张Laplace金字塔,得到红外和可见光图像的高频部分和低频部分,之后对低频部分和高频部分使用Gauss分布权重矩阵进行加权平均处理,根据图像灰度级生成一个可视化权重图,生成基层融合图像,之后计算两张图像高频部分的差异矩阵,接着将差异矩阵与两张图像的高频部分进行加权平均得到一个中间图像,使用该中间图像和两张原始图像的高频部分构建一个线性的差异矩阵,根据矩阵得到一个线性特征的方程组,通过求解该方程组得到待融合图像的细节层,实现图像的细节边缘性特征保存,最后进行逆变换从而得到融合图像。之后通过一系列图像质量评价的方式:STD、AVG、SSIM、FD,证明了该方法的可行性。最后探索了基于该方法的FPGA实现方式,在嵌入式平台实现了仿真,满足了图像融合的要求。

基于深度学习利用特征图加权融合的目标检测方法

为了提高目标检测的准确性,提出了一种基于深度学习利用特征图加权融合实现目标检测的方法。首先,提出将卷积神经网络中的浅层特征图采样后与最深层特征图进行加权融合的思想;其次,根据所提的特征图加权融合思想以及卷积神经网络的具体结构,制定相应的特征图加权融合方案,并由该方案得到新特征图;然后,提出改进的RPN网络,并将新特征图输入到改进的RPN网络得到区域建议;最后,将新特征图和区域建议输入到后续网络层完成目标检测。实验结果表明所提方法取得了更高的目标检测精度以及更好的目标检测效果。

基于视觉底层特征的图像增强方法

目的提出基于视觉底层特征对不同类型图像权重的图像增强方法。方法提取图像的视觉底层特征,如颜色、亮度、方向、纹理和边缘特征;加权融合成计算显著图;与眼动仪测得的眼动显著图进行相关系数比较,以确定各视觉底层特征的最佳权重。再根据权重的大小为不同类型的图像选择合适的图像增强方法。结果采用基于视觉底层特征的图像增强方法,其增强后的效果更符合人眼视觉感知。结论针对不同类型的图像需要充分考虑各视觉底层特征的权重大小,使其能真实反映视觉感兴趣区域,以达到提高图像增强后的视觉感知一致性。

基于加权索引图的图像质量的半参考评测模型

为了进一步提高半参考图像质量评价的准确性,设计了一种半参考图像质量评价方法,该方法建立传输前后图像特征的变化与图像主观质量之间的联系。选择映射机制与合理的特征,设计了能够表征特征变化情况和传输图像劣化位置的参考图像,在接收端对参考图像进行全参考质量评价就能判断特征变化情况。并引入两层HVS特性,分配图像不同分块的质量权重,将此质量权重作用在对参考图像的质量评价中,通过对参考图像进行基于视觉加权的全参考质量评价,来实现对传输图像的基于视觉的加权半参考质量评价。该方法比对参考图像采用传统的,不加权的psnr方法以及ssim方法在评测准确性上分别高出了18.65%,2.71%,单调性上分别高出17.86%,11.97%,一致性上分别高出55.18%,23.45%。

基于滚动引导滤波的红外与可见光图像融合

为提高融合图像更加适应人类视觉感知,并解决可见光图像受光线、天气等影响而导致融合效果不佳的问题,本文提出了一种基于滚动引导滤波的可见光与红外图像融合方法。首先,利用引导滤波对可见光图像的内容进行增强,然后,利用滚动引导滤波将可见光和红外图像进行多尺度分解为小尺度层、大尺度层和基础层。在大尺度层的信息合成的过程中利用加权最小二乘法融合规则解决融合时可见光与红外图像不同特征带来的困扰,提高融合图像的视觉效果;在基础层的融合过程中采用优化的视觉显著图融合规则,减少对比度损失。最后,将大尺度层、小尺度层与基础层合并为融合后的图像。实验结果表明所给方法在提高视觉感知、细节处理、边缘保护等方面都有良好的效果。

融合光度和深度的视觉里程计改进算法

针对视觉里程计中对纹理较少的环境难以获得高精度相机位姿的问题,提出一种融合光度和深度的视觉同步定位与绘图(SLAM)方法.首先构造基于光度和深度的相机位姿优化函数,通过t分布模型计算每个像素点的光度和深度误差权重,对每一帧图像引入帧权重系数λ来平衡光度和深度,并采用中值法求解帧权重λ,求得相机位姿.然后对10个国际标准数据集进行仿真实验,结果表明,对纹理丰富的环境,本方法能够保持DVO SLAM算法的建图精度;对纹理较少的环境,本方法的建图精度要高于DVO SLAM算法,绝对路径误差降低31.6%,相对位姿误差降低19.4%.

基于加权视觉色差的三维色域匹配算法

提出了以加权视觉色差为评价标准的三维色域匹配算法。加权视觉色差公式由C IE 1994色差公式引申而出,根据权重系数在色差边界的GBD矩阵内确定了动态的空间搜索范围,将重心坐标方程应用于搜索值并得到最终匹配结果。通过基于相纸色域的仿真实验,验证了三维色域匹配在视觉感知和色差方面都要优于传统的二维匹配。

一种用于说话人头部动画的Viseme语音识别系统

Viseme是在语音驱动说话人头部动画中一种常用的为口形建立的音频 -视频模型。本文尝试建立viseme隐马尔可夫模型(HMM) ,用于驱动说话人头部的语音识别系统 ,称为前映射系统。为了得到更精确的模型以提高识别率 ,引入考虑发音口形上下文的Triseme模型。但是引入Triseme模型后 ,随着模型数量的急剧增加将导致训练数据的严重不足。本文使用决策树状态捆绑方法来缓解这一问题 ,同时引入了一种以口形相似度为基础的决策树视频问题设计方法。为了比较viseme系统的性能 ,本文也建立了一个以phoneme为基本HMM模型的语音识别系统。在评价准则上 ,使用了一种客观评价说话人头部动画的加权识别率。实验表明 ,以viseme为基本HMM模型的前映射系统可以为说话人头部提供更加合理的口形。

基于注意力选择与感觉容量的图像质量评价算法

图像质量评价是用可计算的模型模拟人的主观判断。根据人眼对图像高低频失真的感觉容量不同及注意力选择特性,本文提出一种新的图像质量评价算法。首先,将图像的高低频信号分别选用视觉显著图的系数和小波变换的近似系数表示;然后,采用不同方法分别计算图像高频和低频失真量,两种失真量的乘积就代表图像质量评价。这种客观评价算法与LIVE图库中DMOS的线性相关性达到0.906 4以上,明显优于PSNR和SSIM等算法。

视觉注意模型中权值估计与特征整合

针对视觉注意模型中不同特征在特征整合阶段的权值判定,提出了一种基于显著区域分布的权值估计方法。在Itti-Koch视觉注意计算模型的基础上,不同于平均权值的方法,通过计算各个特征图显著区域的分布、位置、个数,计算权值整合特征图。实验结果表明,该方法得到的显著图能更好地模拟人眼的观测结果。

一种权值可发育的视觉选择性注意模型研究

针对Itti视觉选择性注意模型不具有子特征图显著图归一化过程中权值随任务改变而改变的问题,借鉴自主发育在视觉选择性注意学习的研究成果,提出一种权值可发育视觉选择性注意模型作为图像特征提取的学习机制。该算法采用三层自组织神经网络和Itti视觉选择性注意模型相结合的决策进行寻优,通过对模型的训练学习获取最优权值更新。这样既可以保证在初期特征提取内容的完整性,又降低了系统对不同任务条件的约束性,提高了模型特征提取能力。利用权值可发育视觉选择性注意模型对图像进行感兴趣区域特征提取实验,结果表明,该方法能够提高特征提取准确性、减少运算时间,获得了良好的动态性能。

动态场景下基于加权静态的视觉SLAM算法

针对传统视觉同步定位和映射(SLAM)系统在动态环境中鲁棒性和定位精度低等问题,基于ORB-SLAM2算法框架,提出一种在室内动态环境中运行稳健的视觉SLAM算法。首先,语义分割线程采用改进的轻量化语义分割网络YOLOv5获得动态对象的语义掩码,并通过语义掩码选择ORB特征点,同时,几何线程通过加权几何约束的方法检测动态对象的运动状态信息。然后,提出一种给语义静态特征点赋予权值,并对相机的位姿和特征点的权值进行局部光束平差法(BA)联合优化的算法,有效地减少动态特征点的影响。最后,在TUM数据集和真实的室内动态场景中进行实验,结果表明,与改进之前的ORB-SLAM2算法相比,所提算法有效地提高了系统在高动态数据集中的定位精度,并且绝对轨迹误差和相对轨迹误差的均方根误差(RMSE)分别提升了96.10%和92.06%以上。

基于显著性自适应权重图的红外可见光图像融合

为改善现有融合策略对源图像信息利用不够充分的问题,利用滚动引导滤波器和各向异性扩散来提取基础层和细节层,对获取的基础层和细节层分别使用视觉显著映射和权重图构建的方法进行融合,然后添加某一权重将融合后的基础层与细节层图像融合为最终图像。基于公开数据集的多个场景进行方法实验验证。实验结果表明,相比其他方法,所提方法得到的融合结果具有更好的对比度,在保持图像像素强度均匀分布的前提下在边缘细节处保留了丰富的纹理特征,具有更好的视觉效果和融合精度,同时在平均梯度、信息熵、空间频率等指标上取得了显著的进步。

基于区块位置与加权视觉语义映射的语义图像检索

提出了一种新的图像语义映射方法WVS-RSSVM,采用自适应的NCut分割方法自动发现并图像中的区域,提取出每个区域包含了位置信息的特征,达到消除一定歧义的目的。并将这些区域采用加权的方式映射为视觉语义空间中的一个点,然后通过SVM分类的方法进行语义学习,实现对图像的语义标注。并且以SVM分类时点到边界的距离作为该点属于某个语义的隶属度,实现检索的排序。实验结果表明,该方法对表达图像的主要语义以及发现有歧义的区块代表的语义,有很好的效果。