多媒体技术课程中数学基础的重要作用

针对多媒体技术以多门数学学科为理论支撑的特点,分析目前多媒体技术课程教学中普遍存在的“过度强调应用技术而忽视理论”的问题,强调数学在该课程中的重要性。以典型的核心技术应用为实例,探讨如何通过多学科交叉融合和优势互补,运用数学思想和手段对复杂问题建模,以化繁为简的方式优化模型以适应具体应用,培养学生的探索精神、理论与实践相结合的能力以及创新能力。     

虚拟校园漫游系统的实现

为了弥补一般虚拟校园漫游系统的不足,采用可见性预处理技术提高场景绘制速度,利用Java与 VRML交互技术增强用户与虚拟场景的交互性．研究了上述2种关键技术,讨论了系统实现中的一些问题．在此基础上开发了北京工业大学校园漫游系统,该系统在绘制速度、真实感、稳定性和易用性等方面取得了很好的折衷．     

基于肤色模型和重心模板的人脸检测

为了获得具有较高检测率并保持较低误检率的快速人脸检测,提出了一种基于知识的人脸检测方法．在人脸粗检中用肤色模型分割出输入图像中的人脸可能区域,并对这些区域进行重心模板匹配过滤出非人脸区域．利用人脸的生理分布特征设计出一种动态的人脸三分图分布模型,并以不同条件下的大量人脸图像样本作为统计数据建立了一个人脸规则知识库,用来判定过滤后的区域是否为人脸．实验结果表明,该方法具有很好的鲁棒性,能快速检测出不同光照、不同大小和有一定旋转角度的人脸．     

三维人脸扫描图像数据预处理

为构造基于知识学习的形变模型所需的规格化三维人脸库,提出一种纹理映射图数据结构及以点为处理单元的分割三维人脸的方法.该结构将原始数据隐含的信息显性化,为激光扫描仪采集的真实三维人脸中分离的采样点与纹理2部分数据建立双向映射关系,以保证数据操作和处理达到实时与同步.基于此结构的快速映射特点,提出的分割方法以二维纹理点为操作对象能够快速处理大量原始数据.     

基于面部动画参数抽取的特征跟踪

提出了一种结合CANDIDE模型和面部动画参数空间参数的方法进行面部特征跟踪和动画参数的提取。采取训练的方法得到面部动画参数和人脸图像之间的关系,直接进行人脸特征的跟踪和面部动面参数的抽取。实验结果表明,该特征跟踪算法柯较强的鲁棒性和准确性。     

基于小波空间的可伸缩视频编码

文章提出了一种新的下采样技术提高了可伸缩视频编码的性能。可伸缩性是从空间、时间、SNR(质量)三个方面来提供的,同时还保持了高压缩率。其中基本层视频序列是从上一层经过下采样得到的视频序列。一次下采样后,分辨率降为原视频序列的1/2,基本层的运动向量与增强层的运动向量有很大的相关性。目前的做法是使用M PEG滤波器来进行下采样,层间的运动向量的关系减弱了。文章提出使用小波变换对输入的增强层的视频序列进行下采样,基本层就是小波空间的低频部分,这样在基本层的运动估计补偿可以通过相位平移在低频子带中预测,减少运动估计残差,同时,增强层的运动向量可以由基本层小波空间中的运动向量给出估计值。     

基于方向提升小波变换的多描述图像编码

本文提出一种基于方向提升小波变换的多描述图像编码方法, 以避免压缩图像在互联网和无线网络环境下因数据包传输出错或丢失而导致的图像质量严重下降. 基本思想是在空域将一幅图像按梅花形下采样为两个描述, 为解决传统空域下采样多描述编码技术编码效率低的问题, 提出能充分利用相邻像素相关性的方向提升小波变换, 并通过四叉树的分割实现方向的组织和选择. 边缘信道解码出的低分辨率图像, 通过插值算法实现原始分辨率单描述的图像重建. 中央信道解码出的图像, 通过数据融合算法实现两描述的图像重建, 进而进一步改善图像视觉质量     

基于深度学习的小目标检测方法综述

小目标检测一直是目标检测领域中的热点和难点,其主要挑战是小目标像素少,难以提取有效的特征信息.近年来,随着深度学习理论和技术的快速发展,基于深度学习的小目标检测取得了较大进展,研究者从网络结构、训练策略、数据处理等方面入手,提出了一系列用于提高小目标检测性能的方法.该文对基于深度学习的小目标检测方法进行详细综述,按照方法原理将现有的小目标检测方法分为基于多尺度预测、基于数据增强技术、基于提高特征分辨率、基于上下文信息,以及基于新的主干网络和训练策略等5类方法,全面分析总结基于深度学习的小目标检测方法的研究现状和最新进展,对比分析这些方法的特点和性能,并介绍常用的小目标检测数据集.在总体梳理小目标检测方法的研究进展的基础上,对未来的研究方向进行展望.     

基于改进k*-means算法的不完整公交到站时间填充

为了有效填充不完整的公交到站时间信息,提出了一种基于改进k~*-means算法的不完整到站时间的填充方法.根据到站流动人数、到站所属时段、站点间距离、站点间运行时间特征加权度量站点间相似性,对现有kmeans算法进行改进以构建公交站点间运行时间完备信息表.以北京市地面公交运行数据为例,验证了该方法的可靠性,并与线性拟合、最近邻插值、k-means算法等填充方法进行了对比试验.结果表明:该方法对不完整到站时间的填充率高于97%,且对已知到站时间平均填充误差不高于100 s.     

基于重采样的三维人脸样本扩充

为了对现有三维人脸数据库的数据规模和数据覆盖范围进行扩充,提出一种基于样本重采样的三维人脸样本扩充算法.该方法首先根据面部器官的分布规律对人脸样本进行区域划分,并获得关于各个器官的样本集;然后通过从各个器官样本集中选择器官并重组的方式来获取新的三维人脸样本,为了保证新器官之间的无缝融合,提出了基于薄板样条函数(thin-plate-spline,TPS)的几何信息缝合方法和基于微分算子的纹理缝合方法.实验结果表明:本文提出的样本扩充方法能对现有三维人脸数据库进行扩充;扩充后的样本集可以提高算法的效果.