深度学习光流计算技术研究进展

图像序列光流计算是图像处理与计算机视觉等领域的重要研究方向.随着深度学习技术的快速发展,以卷积神经网络为代表的深度学习理论与方法成为光流计算技术研究的热点.本文主要对深度学习光流计算技术研究进行综述,首先介绍了有监督学习、无监督学习和半监督学习的光流计算网络模型与训练策略,然后重点阐述并分析了不同网络模型优化方法.针对光流计算模型的评估问题,分别介绍了Middlebury、MPI-Sintel和KITTI等数据库及评价基准,并对不同类型深度学习和传统变分光流模型进行对比与分析.最后,总结了深度学习光流计算技术在模型复杂度与泛化性、光流估计鲁棒性、小样本训练准确性等方面的关键技术问题,并指出了可能的解决方案与研究思路.     

非刚性稠密匹配大位移运动光流估计

光流场是目标检测,无人机定位等众多计算机视觉任务的重要基础.本文针对非刚性大位移运动等困难运动类型图像序列光流计算的准确性与鲁棒性问题,提出一种基于非刚性稠密匹配的TV-L1（Total Variational with L1 norm,TV-L1）大位移光流计算方法.首先,使用非刚性稠密块匹配计算图像序列初始最近邻域场,其次根据图像相邻块区域的相似性消除初始最近邻域场中的非一致性区域以得到准确的图像最近邻域场.然后,在图像金字塔分层计算框架下,将图像最近邻域场引入基于非局部约束的TV-L1光流估计模型,通过Quadratic Pseudo-Boolean Optimization（QPBO）融合算法在金字塔分层图像光流计算时对TV-L1模型光流估计进行大位移运动补偿.最后,采用标准测试图像序列对本文方法和当前代表性的变分方法LDOF（Large Displacement Optical Flow,LDOF）、Classic+NL、NNF（Nearest Neighbor Fields,NNF）以及深度学习方法FlowNet2.0进行对比分析.实验结果表明,本文方法能有效提高非刚性运动、大位移运动以及运动遮挡等困难运动类型光流估计的精度与鲁棒性.     

单目图像序列光流三维重建技术研究综述

由单目图像序列光流重建物体或场景的三维运动与结构是计算机视觉、图像处理与模式识别等领域的重要研究内容,在机器人视觉、无人机导航、车辆辅助驾驶以及医学影像分析等方面具有重要的应用。本文首先从精度与鲁棒性等方面对单目图像序列光流计算及三维重建技术近年来取得的进展进行综述与分析。然后采用Middlebury测试图像序列对HS、LDOF、CLG-TV、SOF、AOFSCNN 和 Classic ＋NL 等典型光流算法以及 Adiv、RMROF、Sekkati 和DMDPOF等基于光流的间接与直接重建方法进行实验对比分析,指出各对比方法的优点与不足,归纳各类方法的性能特点与适用范围。最后对利用分数阶微分模型、非局部约束、立体视觉以及深度线索解决亮度突变、非刚性运动、运动遮挡与模糊情况下光流计算及重建模型的局限性与鲁棒性问题进行总结与展望。     

基于图像局部结构的区域匹配变分光流算法

针对变分光流算法的计算精度与鲁棒性问题,提出一种基于图像局部结构的区域匹配变分光流算法.光流估计能量泛函的数据项采用图像结构守恒与灰度守恒相结合,并引入规则化非平方惩罚函数,保证了光流估计的精度与鲁棒性;平滑项采用随图像局部结构自适应变化的扩散策略结合区域匹配约束函数能够有效地保护运动物体或场景的边缘轮廓信息;在光流计算过程中引入金字塔分层细化策略克服图像序列中大位移运动引起的像素点漂移现象,并采用数学方法证明光流估计模型的鲁棒性和收敛性.多组实验表明,本文方法在图像中存在剧烈光照变化、非刚性物体复杂运动以及多目标大位移运动等情况下具有较高的计算精度、较好的鲁棒性.     

红外图像的光流计算

图像光流的计算不需要在图像序列中建立特征之间的对应关系，因此光流法在计算机视觉的众多领域，包括运动物体的参数估计和目标跟踪方面都有广泛的应用，由于红外图像的噪声相对较大，光流法很少用于红外图像中目标的运动参数估计和跟踪，这里，使用几种常用的光流计算方法对部分实际红外图像进行了光流场计算。结果表明，当选择合适的方法或计算方法进行一定的改进时，这些红外图像可以得到比较接近实际情况的目标光流场，进而应用于红外图像中的目标分割，运动状态分析与目标跟踪等领域。     

光流向量补偿模型的运动目标检测

基金项目：黑龙江省教育厅科学研究项目（No.11541057）资助。摘要：针对计算机视觉中的运动目标跟踪与检测问题,特别是运动目标被遮挡丢失和大幅度机动现象,提出了一种基于Lucas-Kanade光流向量补偿算法的运动目标检测方法。该方法利用Lucas-Kanade光流算法计算帧间的光流向量,并选用丢失目标的图像附近若干帧序列图像之间的光流关系,对丢失的光斑目标位置进行估计,以此对序列图像进行补全。实验表明该算法相对于其他传统光流法,提高了光流估算的精确性和可靠性,能更好地检测出运动目标。     

基于图像梯度场序列的双向GDIM光流计算方法

提出了一种基于图像梯度矢量场的双向广义动态图像模型(GFBD-GDIM)光流计算方法.本文方法:在图像梯度场上进行光流估计以减弱光照变化带来的影响;将一个大的运动矢量分解为两个不同方向的子矢量进行估计,有助于减小估计误差,提高计算精度;采用广义动态图像模型(GDIM)对图像梯度场的变化进行建模,可使模型适用于更加一般的场合.图像序列实验表明,本文方法可以获得更加精确和鲁棒的运动矢量估计.     

基于光流与Delaunay三角网格的图像序列运动遮挡检测

针对图像序列运动遮挡检测的准确性与鲁棒性问题,提出一种基于光流与Delaunay三角网格的图像序列运动遮挡检测方法.首先构造基于非局部约束的TV-L¹光流估计模型;然后根据图像Delaunay三角网格划分与光流估计结果对图像序列帧间对应像素点和局部三角形进行运动遮挡判断并检测遮挡区域;最后采用MPI Sintel和Middlebury数据库提供的测试图像集对本文方法与SMOD、GOSF等代表性方法进行对比测试.实验结果表明,本文方法相对于SMOD和GOSF方法在十组测试图像集的平均漏检率和误检率分别降低15.21%与30.57%,说明本文方法针对非刚性运动、复杂场景、弱纹理、光照阴影以及大位移等类型图像序列均具有较高的检测精度和较好的鲁棒性.     

基于图像光流的运动速度计算理论及应用

随着人们对运动处理兴趣的不断增长,运动目标的检测逐渐成为计算机视觉领域中最活跃的研究主题之一。作为一种新兴的序列图像运动分析方法,光流分析方法能够在不知道场景的情况下,检测出独立运动对象的速度。文章首先介绍光流运动分析的基本概念,然后介绍差分运动分析方法,接着引入基于图像光流的图像运动速度分析方法,最后,对光流法在未来序列图像速度计算中的应用前景提出展望。     

相互结构引导滤波TV-L1变分光流估计

由于光流场既包含物体的运动信息,又包含场景的三维结构信息,因此光流计算技术是计算机视觉和机器视觉领域研究的重要任务之一.针对现有光流计算方法在图像边缘保护方面存在过度平滑问题,提出一种基于相互结构引导滤波的TV-L1（Total Variational with L1 norm,TV-L1）变分光流估计方法.通过提取置信度较高的图像相互结构区域,构造基于相互结构引导滤波的全局目标函数,并采用金字塔分层细化与交替迭代方案结合的策略进行优化,该方法可以较好的保护图像边缘信息.最后采用标准测试图像集对本文方法与现有代表性变分方法LDOF（Large Displacement Optical Flow,LDOF）,CLG-TV（Combined Local-Global Total Variation,CLG-TV）,Classic++,NNF（Nearest Neighbor Fields,NNF）以及深度学习方法FlowNet2.0进行对比,实验结果表明本文方法具有较高的光流估计精度与鲁棒性,尤其对图像边缘保护具有显著的效果,并且在运动目标检测,机器人避障等方面具有一定应用前景.     

正则化预条件方法在矩量法中的应用

计算电磁学中矩量法产生的系统矩阵是病态矩阵,使用迭代方法求解时很难收敛,即使采用现有的预条件技术也经常不收敛.本文借用不适定问题求解中的正则化方法的概念,提出采用正则化矩阵作为矩量法中矩阵方程的一个预条件矩阵.这种预条件方法可以直接改善原矩阵的特征值分布,而且不需要额外的空间来存储预条件矩阵.此外,本文提出通过正则化矩阵方程的L曲线的二阶导数的最大值点来确定正则化参数,使得预条件矩阵方程求解的效率最高.数值实验表明,对于高阶矩量法求解电场积分方程或者磁场积分方程时分别产生的矩阵方程,采用常见的预条件迭代方法求解时收敛很慢,但是采用本文的预条件迭代方法却可以较快地收敛.     

基于工作过程的《Oracle数据库管理与维护》课程设计

结合工程应用型人才培养的特点,将行动导向教学法应用到Oracle数据库管理与维护课程教学中。详细阐述了教学内容设计,教学方法运用以及教学考核方式,所研究的内容在教学中取得了良好的效果。     

复杂目标RCS计算的建模方法

介绍了复杂目标RCS计算中建模的3种方法，阐述了他们各自的优点和不足，并指出了参数曲面法将是未来复杂目标RCS计算中建模的首要方法。     

Some Equivalences between Kernel Methods and Information Theoretic Methods

In this paper, we discuss some equivalences between two recently introduced statistical learning schemes, namely Mercer kernel methods and information theoretic methods. We show that Parzen window-based estimators for some information theoretic cost functions are also cost functions in a corresponding Mercer kernel space. The Mercer kernel is directly related to the Parzen window. Furthermore, we analyze a classification rule based on an information theoretic criterion, and show that this corresponds to a linear classifier in the kernel space. By introducing a weighted Parzen window density estimator, we also formulate the support vector machine in this information theoretic perspective.

---

     

二维插值在腔体散射特性分析中的应用

本文详细介绍了二维插值方法在腔体散射特性分析中应用的具体问题，诸如建立腔体内表面插值函数时必须考虑的坐标系选取及变换；插值样条函烽的构造；表面法向及曲率的计算，提出了任意腔体内的射线轨迹追踪通用算法。     

A Pseudo-Bayesian ALOHA Algorithm with Mixed Priorities

In reservation-based multiple access protocols, before obtaining a contention-free access to the channel, a mobile terminal must wait for its request packet to be successfully sent to the base station. A pseudo-Bayesian ALOHA algorithm with multiple priorities is proposed in this paper to reduce the waiting time of delay sensitive request packets in a multimedia environment. Packets are transmitted in each slot according to a transmission probability based on the channel history and a priority parameter assigned to their respective priority class. An adaptation of the slotted protocol to the framed environment proposed for wireless ATM is also described. Simulation results are presented to show that the protocol offers a significant delay improvement for high priority packets with both Poisson and self-similar traffic while low priority packets only experience a slight performance degradation.     

“信号与系统”教学改革探索与实践分析

对电类专业的核心课程“信号与系统”课程进行教学改革，以提升学生学习积极性非常重要。以培养实践能力强的应用技术型人才为目标，作者从教学内容、教学方法、评价机制等三个方面进行教学改革探索。对同一专业两个年级的教学实践结果进行分析，阐述了“信号与系统”课程新的改革方向，期望能够进一步地促进学生学习能力的提升。     

图像分割技术研究

本文主要介绍了图像分割的两大类方法：基于边缘的分割方法和基于区域的分割方法及其各自存在的问题和最新进展，同时简单介绍了物理的分割方法和图像分割评价，最后指出了图像分割技术的发展趋势。     

Modifications to the Number Field Sieve

The Number Field Sieve, due to Lenstra et al. [LLMP] and Buhler et al. [BLP], is a new routine for factoring integers. We present here a modification of that sieve. We use the fact that certain smoothness computations can be reused, and thereby reduce the asymptotic running time of the Number Field Sieve. We also give a way to precompute tables which will be useful for factoring any integers in a large range.     

“电工学”课程常用教学方法研究

"电工学"是非电专业学生学习电学知识的基础课程,它具有概念多、知识面广、综合性强、实践性强等特点,如何让学生理解和接受这门课的全部知识,就需要在日常教学中进行方法的探索和研究。本文总结研究了一些在教学中取得不错效果的常用教学方法,为今后的教学工作和教学方法的进一步探索提供一定的指导。