最新刊期
2014 年 第 19 卷 第 2 期
- 摘要：人类行为理解是机器智能研究中最富有挑战性的领域。其根本问题是语义获取，即从动作推理得到人的行为，需要跨越两者之间的语义鸿沟，为此提出一种人关于日常行为知识与人体动作行为、环境信息之间的建模方法，以及可扩展的开放式结构环境—行为关系模型，基于该模型提出一种新的行为理解的渐进式认知推理方法。 首先根据知识，建立多种特征、复合特征和行为之间的关系模型。系统根据当前的输入流，处理得到当前的特征与复合特征集，推理得到当前的可能行为集。该行为集指导处理模块，更新特征集，得到新的行为集。 应用本文渐进式连续推理方法，系统可以把人关于日常行为的知识与人体运动、环境变化等传感器数据处理获取到的信息动态绑定，实现知识辅助的行为理解。 提出的推理方法能连续处理长时间、同时发生的行为。关键词：行为理解;认知推理;特征行为关系;上下文感知3792|390|0更新时间：2024-05-07
- 摘要：深度学习是机器学习中的一个新的研究领域。通过深度学习的方法构建深度网络来抽取特征是目前目标和行为识别中得到关注的研究方向。为引起更多计算机视觉领域研究者对深度学习进行探索和讨论，并推动目标和行为识别的研究，对深度学习及其在目标和行为识别中的新进展给予概述。 首先介绍深度学习领域研究的基本状况、主要概念和原理；然后介绍近期利用深度学习在目标和行为识别应用中的一些新进展。 阐述了深度学习与神经网络之间的关系，深度学习的优缺点，以及目前深度学习理论需要解决的主要问题。 该文对拟将深度学习应用于目标和行为识别的研究人员有所帮助。关键词：深度学习;目标识别;行为识别;计算机视觉6317|690|0更新时间：2024-05-07
计算机视觉前沿论坛
- 摘要：在分布式视频编码中，为了更加准确地描述相关噪声残差子带的变化特性，提出一种基于改进的模糊C均值（FCM）聚类的模型估计方法。 本文算法针对每一解码子带选取不同的特征矢量；利用改进的模糊C均值进行聚类；采用阈值控制法求取相应的模型参数；然后用重建子带更新下一解码子带的特征矢量，直到一帧中所有子带解码完成。针对模糊C均值对初始聚类中心的敏感性，采用随机生成隶属度矩阵的方法来缓解聚类陷入局部最优的问题。 从实验效果和算法复杂度角度考虑，将残差样本聚为8类。实验结果表明，本文聚类算法可以更加准确地模拟帧内不同区域的不同信道噪声特性，对于运动越剧烈的序列效果越好，相对于子带级拉普拉斯估计，平均增益达1 dB。 提出了一种新的相关噪声估计方法，针对不同的子带选取不同的特征矢量，并重建更新。实验结果表明，本文算法能更好地描述相关噪声特性，获得系统性能的提高。关键词：Wyner-Ziv分布式视频编码;相关噪声模型;FCM聚类算法;特征矢量;拉普拉斯参数2848|232|0更新时间：2024-05-07
- 摘要：针对视频处理中面临的采样数据量大及采样时间长的问题，把视频状态空间一阶自回归滑动平均模型和压缩感知模型相结合，提出了一种基于一阶自回归滑动平均的视频压缩感知模型。 主要思想是在压缩感知理论框架下，充分利用视频帧内稀疏性和帧间相关性，把视频分割成动态部分和静态部分同时采样但分别处理，利用凸优化等方法得到视频状态空间一阶自回归滑动平均模型的关键参数。 多组真实场景下的实验结果表明，该模型较大程度上降低了帧间冗余度和数据采集量，视频采集压缩比为100~200时，仍然能取得较好的重建效果。 结合压缩感知和线性预测技术，提出了一种新的视频获取模型，对视频的静态部分和动态部分分别处理，并给出了该模型使用的条件。实验结果表明，该模型对帧间变化不大的视频，具有良好的压缩效果。关键词：视频处理;压缩感知;稀疏表示;自回归滑动平均模型2509|292|0更新时间：2024-05-07
- 摘要：针对信息量加权结构化图像质量评价算法（Information Content Weighted SSIM）对图像局部失真度量能力的不足，提出了一种被称为信息量加权的梯度显著度图像质量评价改进算法（Information Content Weighted Gradient Salience SSIM）。 该算法首先根据人眼视觉系统响应亮度刺激的韦伯定律，仅在空域内利用一次滤波快速计算出当前像素点与背景之间的对比度并将其非线性映射为该像素点的视觉显著度。然后，将视觉显著度与梯度特征结合后获得了一种新的被称为梯度显著度局部失真度量（GS-SSIM）并将其替换IW-SSIM算法中的SSIM局部结构化度量。 在六大公开基准数据库上完成的大量对比实验表明：对于图像的各种噪声和模糊等类型失真，GS-SSIM较SSIM局部失真度量具有更高的评价准确率。与IW-SSIM算法和其他被广泛引用的图像质量评价算法相比，改进算法评价结果总体上与主观评价结果具有更高的一致性。 视觉显著度与梯度特征相结合后所构成的结构化度量能够有效提高经典SSIM结构化度量对图像局部失真度量的准确性，未来可以考虑将人类视觉系统（HVS）的其他特性融入到图像质量评价算法中，以进一步提高算法的准确性。关键词：图像质量评价;信息量加权;韦伯定律;视觉显著度;梯度结构3568|315|0更新时间：2024-05-07
- 摘要：压缩感知理论突破了传统的Shanon-Nyquist采样定理的限制，能够以较少的采样值来进行原信号的恢复。针对压缩感知图像重建问题，提出一种基于优化加权全变差（TV）的复合正则化压缩感知图像重建模型。 提出的重建模型是以TV正则化模型为基础。首先，为克服传统TV正则化会导致重建图像的边缘和纹理细节部分模糊或丢失的缺点，引入图像的梯度信息估计权重，构建加权TV的重建模型。其次，利用全变差去噪（ROF）模型对权重进行优化估计，从而减少计算权重时受噪声的影响。再次，将非局部结构相似性先验和局部自回归性先验引入提出的加权TV模型，得到优化加权TV的复合正则化重建模型。最后，结合投影法和算子分裂法对优化模型求解。 针对自然图像的不同特性，使用复合正则化先验进行建模，实验结果表明上述重建问题通过本文方法得到了很好的解决，加权TV正则化先验使得图像的平坦区域和强边重建较好，而非局部结构相似性先验和局部自回归性先验能够保证图像的精细结构部分的重建效果。 与其他基于TV正则化的重建模型相比，本文模型的重建性能无论是在视觉效果还是在客观评价指标上都有明显的提高。关键词：压缩感知;加权全变差;非局部结构相似;局部自回归3701|286|0更新时间：2024-05-07
- 摘要：图像反差增强、重复量化、有损压缩等操作容易造成伪轮廓瑕疵，使原本平滑的区域呈现不真实的亮度和颜色跳变，损害图像质量。针对这一问题提出一种各向异性自适应滤波方法，用于消除伪轮廓。 首先检测图像中的边缘和平坦区，若边缘位于平坦区域则判定其为伪轮廓，得到一幅伪轮廓分布图。对伪轮廓上每一点计算两个特性：伪轮廓走向和分布密度，量化为8个方向和6种尺度，据此确定不同方向特性和不同尺度的滤波参数，选择相应的滤波器。为保护目标边缘不受损伤，在含有伪轮廓的图像中提取强度超过指定阈值的边缘，对其进行膨胀生成模板用以屏蔽滤波效果。 该方法能有效消除伪轮廓并保护真实边缘不受损伤。实验中采用峰值信噪比（PSNR）和结构相似度（SSIM）评估图像质量，结果表明，各向异性自适应滤波器特性优于其他方法。 消除伪轮廓的自适应图像滤波方法能消除因过度增强或不当量化造成的伪轮廓瑕疵，并保留真实边缘，提高图像的视觉质量。关键词：伪轮廓消除;边缘检测;各向异性滤波;自适应滤波5572|1024|0更新时间：2024-05-07
- 摘要：为解决目前大多数寻找最佳拼接缝的算法只考虑到对应像素的差异最小，却忽略了保留图像中目标的完整性，从而导致镶嵌结果中目标特性的破坏和图像信息损失的问题，提出一种基于8邻域内各像素到目标距离最短的寻找最佳拼接缝方法。 首先将形态学处理后的二值化图像划分为背景与目标；然后以尽量不切割目标为标准，将与目标距离最短的点作为拼接点；最后得到最佳拼接缝。 本文算法找到的最佳拼接缝使得图像的结构相似度和邓氏关联度都得到提高，错位程度降低5%以上。 相比于目前常用的寻找最佳拼接缝算法，本文算法能够更好地保留目标的完整性，错位现象基本消除，视觉上的灰度突变也有所减弱，图像质量得到明显改善，达到令人满意的视觉效果。关键词：拼接缝消除;几何错位;最佳拼接缝;改进A;方法;邻域3030|298|0更新时间：2024-05-07
图像处理和编码
- 摘要：传统的曲率尺度空间角点检测中，选择的尺度不同会造成角点的漏检测及误检测问题。针对这两个问题，提出一种曲率尺度空间与链码方向统计的角点检测方法。 提出的角点检测方法是以曲率尺度空间为基础，先在较低的曲率尺度空间上选择候选角点集，再通过自适应阈值及链码方向统计的方法在角点集中剔除错误角点。 针对不同类型的图像进行了实验，结果表明，该方法比现有角点检测方法检测准确度高5%10%，且漏检测角点少，角点检测错误率低。实验将该方法与CSS算法进行计算时间对比，分别采用256×256简单场景图与935×715复杂场景图，该方法计算时间只比CSS角点检测方法多0.1 s与0.9 s，相对CSS算法计算时间未有显著增加。 该方法采用较低的曲率尺度可检测出更多的角点，降低了角点漏检测率；通过计算椭圆角点自适应阈值删除椭圆角点，并采用Freeman链码方向统计方法剔除伪角点，提高了角点检测精度。实验结果表明，本文提出的角点检测方法比其他角点检测算法具有高效性和准确性。关键词：角点检测;曲率尺度空间;Freeman链码;方向统计直方图3063|325|0更新时间：2024-05-07
- 摘要：针对已有掌脉识别方法中计算复杂度高、未充分提取有效辨识信息的问题，提出一种计算简单、快速且充分利用掌静脉图像中有效方向信息的识别方法。 在构建新邻域模板的基础上，设计了相应的方向滤波器并优化，通过提取掌静脉图像的方向特征，得到了对静脉纹理响应最小的方向滤波器索引值矩阵——方向特征矩阵（OM），并对其进行编码；同时采用汉明距离计算方法，提出了全局匹配算法，用于识别待测静脉OM与数据库中已有OM的相似度。 构建并优化的邻域模板和方向滤波器，提高了算法的识别精度，EER达到0.0002%；同时编码进一步降低了算法的计算复杂度，特征提取和匹配一次的速度分别为11 ms和4 ms，提高了算法识别效率并减少存储负担。 实验结果表明，与已有掌静脉识别方法相比，本文方法在计算复杂度和提取有效辨识信息上有较为明显的优势。关键词：手掌静脉识别;方向特征;邻域模板;汉明距离3826|323|0更新时间：2024-05-07
- 摘要：传统跟踪算法在复杂环境下容易发生漂移（drift）现象，通过改进TLD（tracking learning detection）跟踪技术算法，提出了基于Sliding-window的局部搜索和全局搜索策略、积分直方图过滤器和随机Haar-like块特征过滤器。 首先，采用积分直方图过滤器可以有效地过滤大量非目标子窗口块，从而减少后续过滤器特征匹配数；其次，利用随机Haar-like块特征过滤器能够解决跟踪算法在复杂环境（多物体、部分或较大区域遮挡、快速运动等）跟踪过程易发生漂移而导致跟踪精度的不足。 结合TLD原始过滤器与新提出的两个过滤器组合而成的级联分类器，通过与主流的跟踪算法实验进行对比表明，级联分类器在稳定的背景或复杂环境的跟踪鲁棒性强、跟踪精度高，并且采用了局部和全局搜索策略提高了计算速度。 提出的方法在诸多背景环境变化，跟踪物体形变等情况下，能够精确地多尺度跟踪待测目标；结合全局和局部搜索跟踪策略能够有效地克服级联分类器所带来的时间复杂度过高的问题，从而实现实时目标跟踪。关键词：视觉追踪;Haar-like特征;级联分类器;TLD算法;积分直方图2606|460|0更新时间：2024-05-07
图像分析和识别
- 摘要：针对SIFT（scale invariant feature transform）特征描述方法存在特征维数高，计算效率低等问题，提出一种快速的，低维数的局部特征描述方法，即MN-CCH（mean normalized contrast context histogram）。 首先对局部特征区域内的像素进行均值规范化处理，得到局部特征区域的规范化对比度值。然后，在极坐标下以主方向为基准，将局部特征区域划分成32个子区域，统计每个子区域的正负对比度直方图。最后，对统计结果进行归一化消除线性光照的影响，得到64维的MN-CCH描述向量。 在图像变换数据集和小型图像检索数据库上的实验结果表明，64维的MN-CCH描述子可以达到与128维SIFT相当的匹配性能和相同的检索准确率，在描述子生成和匹配效率上明显优于SIFT方法，而且与同维数的CCH相比性能有明显的提高。 MN-CCH描述子在保留与SIFT相当性能的前提下，具有特征维数和计算效率的优势，更适合在一些对计算和存储资源要求较高的应用（如机器人导航、视觉SLAM等）中使用。关键词：局部特征描述子;对比度上下文直方图;图像匹配;图像检索2868|277|0更新时间：2024-05-07
图像理解和计算机视觉
- 摘要：如果一组基函数是规范全正（NTP）的，并且对应的配置矩阵是非奇异的，那么由它所生成的参数曲线或张量积曲面具有渐近迭代逼近（PIA）性质。为了进一步推广渐近迭代逼近性质的适用范围，提出对于一组基函数，如果其对应的配置矩阵不是全正的，那么该基函数也可能具有渐近迭代逼近性质。 提出的定理以基函数具有渐近迭代逼近性质时其对应的配置矩阵所需满足的条件作为理论基础，建立了配置矩阵为严格对角占优或者广义严格对角占优矩阵与基函数具有渐近迭代逼近性质之间的联系。 配置矩阵为严格对角占优或者广义严格对角占优矩阵，则相应的三角曲面具有PIA性质或带权PIA性质，即广义PIA性质。数值实验验证了上述理论，并细致地分析了三角域上的低次Said-Ball基，指出了它们具有相应的广义PIA性质。 本文将渐近迭代逼近的适用范围推广到三角域上的一般混合基函数。类似三角域上Said-Ball基，本文算法亦可用于研究三角域上的其他各类广义Ball基的PIA性质。关键词：渐近迭代逼近;广义严格对角占优;Said-Ball基;三角域2533|240|0更新时间：2024-05-07
- 摘要：多分辨率体绘制是解决海量数据体绘制的一种有效方法。但对于数据散乱分布、同质区域较小的体绘制数据（比如物探领域的地震信号数据），传统的基于香农熵或均方差的多分辨率方式均难以有效实现降低数据量的效果，为此提出了一种基于目标特征的多分辨率体绘制方法。 以数据体中的目标特征为指导，适当降低非目标区域的分辨率，在尽可能不丢失其目标区域信息的情况下，实现有效的多分辨率体绘制。 本文方法能够在目标保证数据量的前提下，尽可能地通过丢弃非目标区域的信息量，进而保护数据体的关键信息，以得到较好的绘制效果。 实验结果表明，本文方法与传统方法相比能够更好地保证关键区域绘制效果，同时进一步地降低用于绘制的数据量。关键词：体绘制;海量数据;多分辨率;目标特征2353|342|0更新时间：2024-05-07
计算机图形学
- 摘要：为了进一步提高高精度曲面建模（HASM）方法的模拟精度和计算速度，进而拓宽该模型的应用领域，提出了新的HASM模型算法。 采用新的差分格式计算HASM高斯方程中的一阶偏导数，以HASM预处理共轭梯度算法为例分析改进的差分格式对HASM的优化效果。 数值实验表明：在计算耗时及内存需求不变的情况下，采用新的差分格式的HASM算法可以显著提高单次迭代的模拟精度，同时能够降低关键采样点缺失对模拟结果精度的影响。进一步研究发现，当HASM采用新差分格式与原始差分格式（中心差分）交替迭代时，能够快速降低模拟结果的误差。 本文算法当达到指定的精度条时能够显著减小计算耗时，同时还能降低关键采样点缺失对模拟结果的影响。关键词：高精度曲面建模;差分;数值实验;模拟精度2413|294|0更新时间：2024-05-07
图像修复
- 摘要：关节缺损疾病治疗目前存在的主要问题是缺乏精确的关节模型以及个体化的修复方案，为此提出量化关节骨缺损的精确建模与可视化方法。 利用骨骼图像增强、多模态影像融合、关节结构分割、关节病变结构建模与定量分析等核心关键技术，从关节CT或MRI影像中构建和恢复缺损关节的空间立体结构，为关节缺损信息提供量化参数和3维模型，从而帮助医生快速准确地对关节缺损疾病进行诊疗。 针对建模与可视化方法中的核心关键技术进行了深入研究，实验结果显示上述方法能够为关节缺损修复提供精确的3维量化模型。 基于CT、MRI影像的关节结构建模与可视化技术为评价骨缺损大小提供了精确有效的方法，在关节盂或肱骨结构等疾病的诊疗方面具有重要的临床意义，此项技术的发展对关节缺损疾病的修复发挥着重要作用。关键词：关节;骨骼分割;建模;定量分析2689|253|0更新时间：2024-05-07
- 摘要：提出局部统计信息测地线活动轮廓图像分割方法。 该方法采用高斯分布拟合图像局部灰度统计特征信息，构造了方向性驱动项。在此基础上，建立了局部统计信息测地线能量泛函。通过极小化该泛函，来驱动演化曲线有序地向目标边界逼近，最后，整个分割过程采用二值水平集方法实现。 本文方法降低了灰度不均匀信息影响，达到提取感兴趣区域轮廓目的，提高算法效率和稳定性。 实验结果表明，该方法可以快速准确地分割医学感兴趣目标边界。关键词：医学图像;符号压力函数;局部统计信息;特定目标分割3355|593|0更新时间：2024-05-07
医学图像处理
- 摘要：在遥感应用如目视解译等任务中，需要提高遥感影像的视觉质量，为此提出一种基于暗通道原理和双边滤波的遥感图像增强算法。 由于暗通道模型的softmatting过程计算复杂性高，故使用双边滤波估计大气光幕，进而获得优化透射图，代替He算法中softmatting过程，提高了计算效率。针对将暗通道原理应用于遥感图像增强时所产生的色彩失真现象，提出透射图的改进算法，提高景深图像的取值，同时约束其最大值不大于1。最后，基于景深图像和暗通道原理获得增强后的遥感图像。 实验结果表明，本文算法能够有效地增加图像的对比度。与基于双边滤波单尺度Retinex图像增强、四尺度Retinex增强、直方图均衡化及MSRCR增强的结果进行了比较，实验结果验证了算法的有效性。 本文模型能够使处理后的遥感图像更符合视觉特性，以便于目视解译与分析。该算法适用于遥感图像的可视化增强。关键词：暗通道;双边滤波;图像增强;遥感图像4320|591|0更新时间：2024-05-07
- 摘要：目的为了增强多光谱和全色影像融合质量，提出基于脉冲耦合神经网络（PCNN）的非下采样Contoulet变换（NSCT）和IHS变换相结合的融合方法。 先对多光谱图像进行IHS变换提取亮度I分量，采用主成分分析增强I分量得到新的I分量；然后通过NSCT变换分别对I分量和全色图像进行分解，并采用边缘梯度信息激励的PCNN得到融合图像的低频和高频分量；最后进行NSCT逆变换、IHS逆变换得到融合图像。 利用资源一号02C卫星数据进行实验，结果表明该算法在保留光谱信息的同时提高了图像空间分辨率，获得了较好的融合效果。 结合NSCT和IHS变换的融合方法在视觉效果和客观评价指标上都优于常用的图像融合方法。关键词：图像融合;非下采样Contoulet变换;IHS变换;脉冲耦合神经网络2950|322|0更新时间：2024-05-07
- 摘要：超光谱图像具有极高的谱间分辨率，巨大的数据量给分类识别等后续处理带来很大压力。为了有效降低图像数据维数，提出基于分段2维主成分分析（2DPCA）的超光谱图像波段选择算法。 首先根据谱间相关性对原始图像进行波段分组，然后根据主成分反映每个光谱波段的信息比重分别对每组图像进行波段选择，从而实现超光谱图像的谱间降维。 该算法有效降低了超光谱图像的光谱维数，选择的波段明显反映出不同地物像元矢量的区别。 实验结果表明，该波段选择算法相对传统算法速度更快，并且较好地保留了原始图像的局部重要信息，对后续处理有积极意义。关键词：超光谱图像;2维主成分分析;波段选择;波段分组2635|297|0更新时间：2024-05-07
遥感图像处理
- 地址：北京市海淀区北四环西路19号中科院电子所主楼223室 邮编：100190
- 联系电话：010-58887035/58887030/58887418 Email：jig@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备05080539号-4
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0