基于抽象关系场景图的图像情感识别

图像情感识别是通过分析视觉刺激来预测人类情感的抽象过程。现有方法大多缺乏对对象间关系以及对象与场景间相互作用的关注,并且对象间复杂多样的关系难以得到充分利用,进而导致难以正确对图像情感进行预测。为解决上述问题,提出一种基于抽象关系场景图的图像情感识别方法。首先,构建对象和属性检测器来提取图像中对象及其属性的特征。其次,使用对象特征推理对象间的亲密度和抽象关系特征,进而构建抽象关系场景图。再次,提出抽象关系图卷积网络来推理抽象关系场景图。最后,设计渐进式注意力机制对多个对象特征进行融合,以得到图像的整体对象特征。在FI、EmotionRoI和Twitter I公开数据集上的试验结果表明,该方法的分类准确率优于现有方法。

一种基于SAM-MSFF网络的低照度目标检测方法

由于低照度图像具有对比度低、细节丢失严重、噪声大等缺点,现有的目标检测算法对低照度图像的检测效果不理想.为此,本文提出一种结合空间感知注意力机制和多尺度特征融合(Spatial-aware Attention Mechanism and Multi-Scale Feature Fusion,SAM-MSFF)的低照度目标检测方法 .该方法首先通过多尺度交互内存金字塔融合多尺度特征,增强低照度图像特征中的有效信息,并设置内存向量存储样本的特征,捕获样本之间的潜在关联性;然后,引入空间感知注意力机制获取特征在空间域的长距离上下文信息和局部信息,从而增强低照度图像中的目标特征,抑制背景信息和噪声的干扰;最后,利用多感受野增强模块扩张特征的感受野,对具有不同感受野的特征进行分组重加权计算,使检测网络根据输入的多尺度信息自适应地调整感受野的大小.在ExDark数据集上进行实验,本文方法的平均精度(mean Average Precision,mAP)达到77.04%,比现有的主流目标检测方法提高2.6%~14.34%.

一种基于对比度增强和柯西模糊函数的红外与弱可见光图像融合算法

由于可见光图像在低光照环境下其可视性较差,为了提高红外与弱可见光图像融合的效果,提出了一种基于对比度增强和柯西模糊函数的图像融合算法.首先用改进的引导滤波自适应增强提高弱可见光图像暗区域的可视性;其次,利用非下采样剪切波变换将红外和增强后的弱可见光图像分解,得到相应的低频和高频子带;再后,分别用直觉模糊集构建柯西隶属函数和自适应双通道脉冲发放皮层模型对低频、高频子带进行融合;最后,使用非下采样剪切波变换对融合得到的高低频子带进行逆变换重构得到融合图像.实验结果表明,与其它融合算法相比,该算法有效地增强了弱可见光图像的暗区域,保留了更多的背景信息,从而提高了融合图像的对比度和清晰度.

一种基于MR-VAE的低照度图像增强方法

针对低照度图像多重失真特点(低亮度、多噪声和模糊等),本文基于变分自编码器提出了一种多重构变分自编码器(Multiple Reconstruction-Variational AutoEncoder,MR-VAE),逐步增强、从粗到细地生成高质量低照度增强图像.MR-VAE由特征概率分布捕获、全局重构和细节重构三个模块构成,核心思想是将全局特征与局部特征分阶段重建、将多重失真问题逐步解决,全局重构模块构建图像全局特征,提高全局亮度,得到较粗糙的图像;细节重构模块权衡去噪与去模糊,生成细节更逼真、噪声更少与局部亮度更合适的图像;此外,本文定义了一个多项损失函数替代l 2损失,以引导网络生成高质量图像.实验结果表明,多重构与多项损失函数的设计提高了网络生成复杂图像、处理多重失真的低照度图像性能,且提高了生成图像的质量、信噪比和视觉特性.

基于机器学习算法的河南省冬小麦面积提取研究

为了精准获取河南省冬小麦空间分布及面积数据,基于2003—2021年250 m MODIS-NDVI时间序列遥感数据集,通过设置不同的阈值条件获得高质量的样本数据,采用深度神经网络(DNN)、随机森林(RF)和支持向量机(SVM)算法,自动从NDVI时序数据中提取冬小麦特征,分别训练出非线性模型,在250 m尺度对河南省冬小麦分布和面积进行识别。结果表明,基于DNN算法的河南省冬小麦面积识别模型精确率为97.26%,总体一致性为97.97%;基于RF、SVM算法的精确率分别为91.51%和89.31%,总体一致性均在90%以下。和RF、SVM算法相比,DNN算法在精度上有明显的提升,能够更好地反映河南省冬小麦的时间变化趋势和空间面积分布。该研究说明,运用中等分辨率长时间序列影像结合DNN算法,在一定程度上可以更准确识别大区域的农作物信息。

基于显著性和ORB的红外和可见光图像配准算法

针对红外与可见光图像配准过程过受灰度差异影响大、特征点难配准的问题,提出基于显著性检测和ORB特征点的图像配准算法。首先利用优化的HC-GHS显著性检测算法得到图像的显著性结构图;其次利用ORB算法在显著性结构图上进行特征点检测,利用泰勒级数筛选出鲁棒性强的特征点,并根据特征点的方向进行分组匹配的策略;最后利用汉明距离实现特征点的匹配。实验表明本文算法能准确实现红外与可见光图像之间的配准,在红外噪声干扰、尺度变化下都具有良好效果。

参数池化卷积神经网络图像分类方法

传统的卷积神经网络使用池化层对信息进行降维操作,通常会造成信息损失,从而影响网络的表达能力.针对这一问题,使用参数池化层(Parameterized Pooling Layer)替代传统卷积神经网络中的池化层,提出参数池化卷积神经网络(Parameterized Pooling CNN,PPCNN).参数池化层在仅仅增加了少量网络参数的情况下,最大可能的保留了卷积神经网络中希望被保留下来的特征;同时,由于增加了池化层前向传播的信息,从而影响了反向传播算法中权值的更新,网络收敛速度更快;实验结果表明,PPCNN模型与传统卷积神经网络模型以及部分改进模型相比,参数池化卷积神经网络模型是有效的.

一种基于ARD⁃GAN的低照度图像增强方法

为解决低照度图像增强过程中噪声放大、细节不足以及色彩还原问题,本文提出一种基于注意力机制残差密集生成对抗网络(Attention Residual Dense⁃Generative Adversarial Networks,ARD⁃GAN)的低照度图像增强方法.首先,该方法在全局光照估计模块(Global Illumination Estimation Module,GIEM)中生成全局曝光注意力图,以引导后续模块更好地进行照度增强;其次,使用卷积残差模块(Convolution and Residual Module,CRM)和基于通道注意力的残差密集模块(Channel Attention Residual Dense Module,CARDM)分别提取浅层特征和深层特征,并将不同层次的特征融合以获取更好的细节信息;然后,在CARDM基础上将密集连接与批归一化相结合抑制噪声;最后改进了损失函数,使增强后图像色彩还原更好.实验表明,ARD⁃GAN有与主流算法相比,在主观视觉和客观评价指标上均得到更好的效果.

基于IPCNN的红外与可见光图像融合算法

为充分保留源图像的细节信息,提高融合图像的清晰度、对比度,提出一种基于改进脉冲耦合神经网络(improved pulse coupled neural network,IPCNN)的红外与可见光图像融合算法。对源图像进行非降采样轮廓波变换(nonsubsampled contourlet transform,NSCT),采用基于静态小波变换(static wavelet transform,SWT)的融合策略对低频子带进行融合,对高频子带采用绝对值取大与IPCNN相结合的融合方式,在融合过程中引入链接突触计算神经网络(linking synaptic computation network,LSCN)进行图像增强,通过NSCT逆变换得到融合图像。实验结果表明,该算法的融合图像在清晰度、对比度、图像信息熵等方面均具有较好的优势。

基于可嵌入式网络结构的图像超分辨率重建方法

针对卷积神经网络中的图像超分辨率重建模型训练不稳定与收敛速度较慢等问题,提出一种可嵌入式并行网络框架(EPNF),用于单幅图像超分辨率重建任务。将现有的图像超分辨率网络模型作为EPNF框架的深层结构部分嵌入到该框架中,能够以较小参数代价加快所嵌入的超分辨率模型的收敛速度,在一定程度上提高模型的准确率。在EPNF网络结构的基础上,提出一种新的超分辨率重建方法EPNF_DCSR,采用稠密跳跃连接构造高分辨率(HR)图像的高频成分,并使用单层卷积构造HR图像的低频成分,合成一幅HR输出图像。实验结果表明,与当前主流的图像超分辨率算法相比,EPNF_DCSR具有更好的图像生成效果。

多视角图像的图变换匹配算法

为提高不同视角图像的匹配精度,提出一种多视角图像的图变换匹配算法。利用传统图像匹配算法获取多视角图像特征点的初始匹配关系;计算特征点之间的欧氏距离,建立近邻图判断初始匹配的正确性;对错误的特征匹配关系进行剔除,提高图像的匹配精度。多组不同场景的多视角图像实验结果表明,与随机采样一致性算法(random sample consensus,RANSAC)、图变换匹配算法以及迭代的图变换匹配算法进行对比,该算法在正确匹配点对的查准率及错误匹配点对的查全率上均取得较好结果,验证了其在多视角图像匹配上的有效性。

海量多媒体图像信息高效检索算法优化及仿真

对海量图片数据信息进行检索的研究,对于增加多媒体图片信息检索率具有重要意义。由于海量多媒体图片信息存在一定的相似特征,使得进行检索时图片信息特征出现混乱的情况。传统的图像检索方法,主要通过图片信息特征进行分类检索,当图片信息混乱时,无法对海量多媒体图片信息特征进行分类,导致检索速度慢、准确率低的问题。提出一种新的海量多媒体图片信息高效检索算法,通过分析图片的SIFT局部特征,获取图片SIFT特征,再利用SIFT特征进行图片匹配对目标图像进行识别,引入BOW算法对匹配后的图片SIFT特征进行索引,建立Bag of words模型、TF-IDF加权和欧式距离来完成图片的相似度计算,完成海量多媒体图片信息的检索。仿真结果表明,采用改进的检索方法有效的提高了检索速度和检索准确率。

基于校企联合的道路工程专业虚拟实验教学改革思考

基于校企联合的虚拟道路工程实验教学平台建设,就是针对当前地方本科院校在道路工程专业教育中存在的问题,以企业需求为导向,充分挖掘现代交通土建工程知识体系要点,梳理交通土建专业课程体系;整合企业资源,将虚拟工艺、虚拟管理、虚拟设计等形式融于传统教学,改善实验教学,重视核心工程素质培养,达到改革工程人才培养模式,提高专业人才培养质量的目的。

基于块分类稀疏表示的图像融合算法

针对基于单一字典训练稀疏表示的图像融合算法忽略图像局部特征的问题,提出了基于块分类稀疏表示的图像融合算法。算法是根据图像局部特征的差异将图像块分为平滑、边缘和纹理三种结构类型,对边缘和纹理结构分别训练出各自的冗余字典。平滑结构利用算术平均法进行融合,边缘和纹理结构由对应字典利用稀疏表示算法进行融合,并对边缘结构稀疏表示中的残余量进行小波变换融合。实验结果证明,该算法相对于单一字典稀疏表示算法,在融合图像的主观评价和客观评价指标上都有显著改进,并且算法速度也有提高。

组约束与非局部稀疏的图像去噪算法

现有的非局部稀疏表示去噪算法大多严格依赖于块匹配,且其去噪性能受制于匹配的相似块的数量.鉴于此,提出了组约束与非局部稀疏的图像去噪模型.模型在非局部稀疏的基础上加入了分组约束,增强了图像块之间的非局部相似度,块匹配更加精确.实验表明,模型无论是在视觉效果还是峰值信噪比上均具有较好的性能.

路面裂缝图像自动识别系统

针对目前路面裂缝人工检测方式工作量重、耗费大等缺点,以车载路面裂缝图像为研究对象,研究一种快速的路面裂缝图像自动识别技术,实现裂缝去噪增强、裂缝提取,为路面养护决策提供科学依据,对改变我国路面养护技术落后面貌具有重要意义和市场推广前景。

一种结合图像分割掩膜边缘优化的B-PointRend网络方法

在实例分割的过程中,Mask R-CNN在CNN特征之上添加全卷积网络(FCN)来生成图像掩膜。其生成的掩膜是由28×28预测掩膜放大为检测框尺寸得到的,因而对于物体边缘不敏感,PointRend通过对实例边缘的"难点"进一步处理得到更精确的实例分割结果,但由于"难点"为两个类别的边界,所以并不容易确定类别。本文提出了一种改进的B-PointRend方法,该方法把图像的像素尺度信息加入到预测中,在实例分割流程之后增添一个边缘修正步骤,采用像素级别的图像边缘检测和处理方式,在分割结果尺度上对检测框掩膜的边缘进行修正。实验结果表明,改进方法得到的物体的掩膜边缘更光滑且连续,更精确地覆盖了真实的物体边缘,在实例分割的准确率等指标上均有提升。

路面裂缝图像识别技术研究综述

公路路面裂缝类病害是公路路面的主要病害之一。大多数公路路面损害调查都是依靠人工监测,工作效率低,耗时费力。跟随国际提出路面自动化、智能检测的主流,摆脱传统人工检测的方式,路面裂缝自动采集识别技术应运而生。文章对路面裂缝图像识别技术进行探讨和论述。

基于组的非局部稀疏表示图像去噪算法

提出一种基于Android智能手机平台的定位系统。该系统利用智能手机自带惯性测量单元(陀螺仪、加速度计以及磁力计)的数据经过行人航迹推算(PDR)算法处理,在封装算法时采用交叉编译环境Cygwin和Android NDK来编译算法c程序,以得到可被安卓系统调用的so库文件,来获取室内行人的实时步长与方向角数据,并通过手机WIFI模块将实时数据传送到服务器,实现室内行人实时定位监控。测试软件结果表明:所设计手机软件安全性能得到提高,并且运行良好,能够很好地达到实时监测室内行人的目的。

基于回字形法路面裂缝图像增强

路面裂缝自动化识别技术成为当前研究的热点,针对强噪声下低对比度裂缝难以识别的问题,提出一种回字形法,对路面裂缝图像进行增强,利用回字外环内裂缝周边像素区域灰度均值与回字内环裂缝灰度均值的对比差异,设计识别算法。实验表明,该方法效果良好。