论视觉图像的游戏本性

视觉图像已经成为这个时代最大的主题与规定,而基于图像要素及其关系以及意义的聚集,图像自身的存在成为了游戏的存在。但是,当下世界里视觉图像的游戏是不完善的,总有着遮蔽和欠缺。只有在对视觉游戏的边界进行区分的基础上,视觉图像所被遮蔽的本性才得以敞开。     

基于图像纹理复杂度的小波域数字水印算法

针对水印信息嵌入量小、鲁棒性弱、遮蔽性差的问题,提出一种基于图像纹理复杂度的小波域人类视觉系统的水印算法。该算法将载体图像进行分块,计算每块的图像熵,并根据图像熵对载体图像的纹理特征区域进行分类,不同纹理特征水印的嵌入量不同。利用Logistic映射对水印信号进行置乱变换,将水印信号嵌入到二层离散小波变换的低频系数中,并利用小波域人类视觉模型控制水印的嵌入强度。在提取水印时,通过水印误码率和峰值信噪比评价水印质量。实验结果表明,该算法能抵抗噪声干扰、裁剪和密钥攻击,水印图像具有较强的鲁棒性和良好的遮蔽性。     

基于图像复杂度的数字水印算法

对图像复杂度进行了分析,结合人眼视觉系统,提出一种基于图像复杂度的数字水印算法.该算法根据载体图像灰度共生矩阵的图像熵对载体图像的纹理特征区域进行划分,按照不同的纹理特征将载体图像的DCT(discrete cosine transform)块分成3类分别进行嵌入,并利用Watson视觉模型控制水印嵌入强度.仿真实验结果表明,本文算法不仅具有较大的水印容量和良好的遮蔽性,而且对噪声、滤波、有损压缩、剪切等常见攻击具有较好的鲁棒性.     

用图像说话

当今社会已经进入了以图像为中心的时代,电影、电视、绘画、摄影、广告、设计、建筑、动漫、网络、游戏、多媒体等互为激荡汇流,这就是人们所说的视觉文化时代。图像,是我们向大众传播的一种有效的视觉语言,在某种程度上,图像视觉的感染力、传达效应远远大于文字。在设计中,我们应该尽量使用图像去传达我们的创意,而不是依靠设计说明去阐述。因为,图像本身会说话。     

游戏引擎中的实时特征点匹配算法

以作为游戏输入的双目视觉系统为载体,分析了双目立体视觉系统在此环境中需要满足的一些特殊的约束,结合双目视觉本身的经典约束,构造一种可以同时满足实时性和一定的精确性的图像特征点匹配方法。此方法先使用极几何校正和单应性约束求取图像偏差,然后采用快速匹配算法在局部范围内得到匹配点,充分满足了系统对实时性和精确性的要求。     

基于图像的火灾烟雾探测算法研究

随着智能化建筑的发展,火灾预警成为其重要的组成部分,而传统火灾报警存在着一定的缺陷。图像是视觉的延伸,根据火灾的视觉特征以及图像型火灾探测的原理,讨论了烟雾的静态特征、动态特征的提取及识别方法;并对图像型火灾探测技术的热点难点进行讨论,对未来的发展方向进行阐述和展望。     

最新3D图像处理技术 光影细节再现真实世界

顶级的图像处理芯片支持哪些最新的3D图像处理效果?这些3D图像效果能带给我们什么样的视觉冲击?何时我们可以在游戏上见到这些3D图像效果?购买最新的显卡能给我们带来什么?     

基于新余弦混沌映射的视觉安全图像加密算法

考虑到目前图像加密算法缺少了对加密后图像的视觉安全的保护,将新余弦混沌映射和贝叶斯压缩感知进行结合提出一种视觉有意义的图像加密算法是非常有价值的.首先,基于余弦函数提出了一个新的一维混沌映射用于构建受控测量矩阵,除此之外,所提出的新余弦混沌映射能够更好地扰乱图像的强相关性.其次,通过二维Arnold置乱算法对明文图像的小波包系数矩阵进行置乱.然后,借助混沌测量矩阵和双向加模扩散策略对置乱后的秘密图像进行压缩和加密.最后,通过最低有效位嵌入算法将秘密图像嵌入到经过生命游戏混合置乱后的载体图像中以得到一幅具有视觉意义的密文图像.仿真结果和安全性分析表明在保证视觉安全性和解密质量的前提下所提加密算法具备可行性和高效性.     

一种基于视觉单词的图像检索方法

基于内容的图像检索技术最主要的问题是图像的低层特征和高层语义之间存在着"语义鸿沟"。受文本内容分析的启发,有研究学者借鉴传统词典中用文本单词组合解释术语的思路,将图像视为视觉单词的组合,利用一系列视觉单词的组合来描述图像的语义内容。为此,利用SIFT进行图像的视觉单词特征提取,然后构建视觉单词库,最后实现了一个基于视觉单词的图像检索系统。实验结果表明,该方法在一定程度上提高了图像检索的查准率。     

一种结合语义特征和视觉特征的图像检索方法

为了解决传统的CBIR系统中存在的"语义鸿沟"问题,提出一种结合语义特征和视觉特征的图像检索方法.将图像的语义特征和视觉特征数据结合到同一个索引向量中,进行基于内容的图像检索.系统使用潜在语义索引(LSI)技术提取图像的语义特征,提取颜色直方图作为图像的视觉特征.通过将图像底层视觉特征与图像在向量空间中的语义统计特征相...     

Target recognition of basketball sports image based on embedded system and internet of things

Current game conflicts and live footage and video recordings in general, and innovations carry the game's financial cycle image recognition with the help of competitors to find data. In any case, the current situation shows that are still young with innovations recognizing the game image. That's why the uses of this study are to disassemble sports images and identify discoveries as an object for application game images. Cameras, video cameras, sensors Advances Infrared is different, For example, using an innovative visual data capture gadget, it has become the basic query for retrieving visual data, but now, in the age of data explosion, how much display it bears is a slightly larger study to capture the benefits. This is one of the most important issues with computer graphics. The basics and the most important task in film production and assignment is that the survey of images can be done as a result of large screen cracks. This article proposes a ball pollution technology computer game that depends on the screen split calculation coordinates.     

Image auto-annotation with automatic selection of the annotation length

Developing a satisfactory and effective method for auto-annotating images that works under general conditions is a challenging task. The advantages of such a system would be manifold: it can be used to annotate existing, large databases of images, rendering them accessible to text search engines; or it can be used as core for image retrieval based on a query image’s visual content. Manual annotation of images is a difficult, tedious and time consuming task. Furthermore, manual annotations tend to show great inter-person variance: considering an image, the opinions about what elements are significant and deserve an annotation vary strongly. The latter poses a problem for the evaluation of an automatic method, as an annotation’s correctness is greatly subjective. In this paper we present an automatic method for annotating images, which addresses one of the existing methods’ major limitation, namely a fixed annotation length. The proposed method, PATSI, automatically chooses the resulting annotation’s length for each query image. It is held as simple as possible and a build-in parameter optimization procedure renders PATSI de-facto parameter free. Finally, PATSI is evaluated on standard datasets, outperforming various state-of-the-art methods.     

试论数码影像在当代艺术作品中的应用

本文阐释数码影像的视觉文化内涵,探讨和分析数码影像在当代艺术作品中的应用,试图展望数字条件下影像和当代艺术的发展前景。     

视频图像增强关键技术研究

随着社会的飞速发展,采集保存视频/图像已经成为人类日常生活的一部分。视频图像的质量高低,对人类识别图像对象起着非常重要的作用。为了改善图像的视觉效果,有目的地强调图像的某些特征,增加图像的可读性与可识别性,提出采取融合增强术来提高视频图像的对比度与清晰度,提高图像增强质量。     

融合语义主题的图像自动标注

由于语义鸿沟的存在,图像自动标注已成为一个重要课题.在概率潜语义分析的基础上,提出了一种融合语义主题的方法以进行图像的标注和检索.首先,为了更准确地建模训练数据,将每幅图像的视觉特征表示为一个视觉"词袋";然后设计一个概率模型分别从视觉模态和文本模态中捕获潜在语义主题,并提出一种自适应的不对称学习方法融合两种语义主题.对于每个图像文档,它在各个模态上的主题分布通过加权进行融合,而权值由该文档的视觉词分布的熵值来确定.于是,融合之后的概率模型适当地关联了视觉模态和文本模态的信息,因此能够很好地预测未知图像的语义标注.在一个通用的Corel图像数据集上,将提出的方法与几种前沿的图像标注方法进行了比较.实验结果表明,该方法具有更好的标注和检索性能.     

Unified gradient- and intensity-discriminator generative adversarial network for image fusion

This study proposes a unified gradient- and intensity-discriminator generative adversarial network for various image fusion tasks, including infrared and visible image fusion, medical image fusion, multi-focus image fusion, and multi-exposure image fusion. On the one hand, we unify all fusion tasks into discriminating a fused image’s gradient and intensity distributions based on a generative adversarial network. The generator adopts a dual-encoder–single-decoder framework to extract source image features by using different encoder paths. A dual-discriminator is employed to distinguish the gradient and intensity, ensuring that the generated image contains the desired geometric structure and conspicuous information. The dual adversarial game can tackle the generative adversarial network’s mode collapse problem. On the other hand, we define a loss function based on the gradient and intensity that can be adapted to various fusion tasks by using varying relevant parameters with the source images. Qualitative and quantitative experiments on publicly available datasets demonstrate our method’s superiority over state-of-the-art methods.     

深度对抗视觉生成综述

深度视觉生成是计算机视觉领域的热门方向,旨在使计算机能够根据输入数据自动生成预期的视觉内容。深度视觉生成使用人工智能技术赋能相关产业,推动产业自动化、智能化改革与转型。生成对抗网络（generative adversarial networks,GANs）是深度视觉生成的有效工具,近年来受到极大关注,成为快速发展的研究方向。GANs能够接收多种模态的输入数据,包括噪声、图像、文本和视频,以对抗博弈的模式进行图像生成和视频生成,已成功应用于多项视觉生成任务。利用GANs实现真实的、多样化和可控的视觉生成具有重要的研究意义。本文对近年来深度对抗视觉生成的相关工作进行综述。首先介绍深度视觉生成背景及典型生成模型,然后根据深度对抗视觉生成的主流任务概述相关算法,总结深度对抗视觉生成目前面临的痛点问题,在此基础上分析深度对抗视觉生成的未来发展趋势。     

基于多特征融合的图像主体显著性判断

从视觉角度来说,视觉显著性图像是指主体突出的图像,比起内容散乱的图像,此类图像往往更能吸引用户的关注,也更符合用户对图片检索的使用需求。提出了一种图像主体视觉显著性判断方法,采用“中心围绕”计算原则在多特征融合的基础上应用支持向量机训练,建立了一个分类模型,并且可以给出表征图像显著程度的得分。实验表明,该模型有较高的分类正确率,并且将该模型应用于图像检索重排序、图像上传自动审核等应用时,可以得到更接近人工操作的结果,降低人力资源成本。