提高图像篡改检测区域选取性能的FCR-CNN模型

图像篡改检测不同于目标检测,篡改检测更加关注篡改伪像这一目标而非图像内容本身,需要学习更加丰富的特征.为提高图像篡改检测区域选取性能,提出一种将特征金字塔网络(feature pyramid networks, FPN)模型与级联区域卷积神经网络(cascade region-convolutional neural networks, Cascade R-CNN)模型相结合的FCR-CNN模型.首先将FPN模型提取的多尺度篡改特征输入到区域建议网络(region proposal network, RPN),然后由RPN输出篡改分类分数和区域建议框,最后将区域建议框输入到3阶段Cascade R-CNN进行检测.此外,系统地对FCR-CNN模型的损失函数进行了分析.基于CASIA, Columbia和NC2016数据集,与其他算法进行对比实验,结果表明, FCR-CNN模型能够有效地检测与定位篡改区域;其中,在CASIA数据集上,其与FPN模型和Cascade R-CNN模型相比, F1分数分别提高了6.0%和7.5%.     

归一化互信息量最大化导向的自动阈值选择方法

当前景或背景的灰度分布呈现为非正态分布特征时,比如极值、瑞利、贝塔或均匀分布,将所选阈值与最优阈值之差控制在10个灰度级内并非易事.为了在统一框架内处理不同灰度分布情形下的阈值选择问题,提出了一种归一化互信息量最大化导向的自动阈值选择方法.该方法先采用多尺度梯度乘变换规范化输入图像,获得具有单峰长拖尾灰度分布的规范图像;然后对不同阈值对应的二值图像进行轮廓提取,获得不同的轮廓图像;最后计算规范图像和不同轮廓图像之间的归一化互信息量,并以最大值对应的阈值作为最终阈值.在具有不同灰度分布模式的9幅合成图像和59幅真实世界图像上,将提出的方法和1种人工阈值方法及4种自动阈值方法进行了比较.实验结果表明,提出的方法虽然在计算效率方面不优于4个自动方法,但在分割的适应性和精确度方面优势明显:对前述不同灰度分布情形,其所选阈值与最优阈值之差都在9个灰度级内.     

边缘引导和轮廓约束下的跨域香农熵最大化导向的自动阈值选取方法

为了处理诸如高斯、伽马、极值、瑞利、均匀或贝塔等基本灰度分布情形下的阈值选取难题,本文提出了一种跨域香农熵最大化导向的自动阈值选取方法.该方法利用不变的引导边缘图像和变化的约束轮廓图像共同构造出一系列持续变化的一维灰度直方图,并采用香农熵作为熵计算模型,从而得以跨越图像中若干局部区域去计算跨域香农熵,并以最大跨域香农熵对应的阈值作为最终阈值.在40幅合成图像和50幅真实世界图像上的实验结果表明,该方法虽然在计算效率方面不优于Masi熵阈值方法、Tsallis熵阈值方法、局部香农熵阈值方法和迭代三类阈值方法,但在分割适应性方面有显著增强,且在误分割率方面有显著下降.     

参照解约束下数字曲线多边形逼近的PSO算法

提出了一种参照解约束下的数字曲线多边形逼近的PSO求解算法.该算法将参照解多边形各顶点与PSO求解中间解对应顶点的误差和及方差作为误差测度,将其与现有文献的PSO算法的误差测度进行加权组合形成新的适应度函数.采取调整两个权重系数来灵活控制参照解的约束强度,以满足各种不同的具体要求.通过实例验证表明了该算法的有效性.     

基于S变换的非平稳微小运动自动放大

现有的欧拉视频微小运动放大方法没有考虑视频中运动信息的自动检测,在实现运动放大时需要人为选取感兴趣运动信息处理的合适参数,比如滤波器截止频率、放大倍数等。对于一般的视频,通常无法直观地确定这些参数,而是通过试错来完成。为此,基于S变换提出了一种视频序列中非平稳微小运动的自动放大方法：基于S变换自动确定带通滤波器的即时相关参数并设计了相应的动态滤波器,在此基础上实现了视频微小运动的全自动放大。首先,通过S变换分析出视频中微小运动在各个时刻的瞬时频率;然后,对视频在不同时刻呈现不同频率的情况进行动态带通滤波处理;最后,放大经过带通滤波后的感兴趣运动信息,实现微小运动放大。此外,对于抗噪性能分析,提出了一种视频区域信噪比评价方法。实验结果表明,所提方法在对实际视频进行放大处理时,能够根据运动信息频率的变化自动地获取滤波器、放大倍数等参数,无需人工参与;运动放大后可以动态地展现运动目标的放大效果。同时,准确的动态滤波器在一定程度上能够抑制噪声干扰,使得运动放大效果更加理想。     

加速概率存在场目标检测的改进算法

概率存在场（POM）算法是一种多视角目标检测算法,其根据各视角对应的二值前景图像,估计检测场景中所有3D位置对应地面上存在目标的概率。当检测场地面积过大时,POM算法估计所有3D位置上存在目标的概率会十分耗时,拖累算法速度。提出了一种加快POM算法速度的方法：根据二值前景图像和3D位置信息,大幅减少POM算法需要处理的3D位置数量,从而提高算法速度。实验结果表明：在对算法检测结果影响很小的情况下,对于单目标和多目标检测场景,算法速度都得到了较大的提升。     

动态场景的三维重建研究综述

随着静态场景三维重建算法的不断成熟,动态场景三维重建算法成为近年来的研究热点和研究难点。现有的静态场景三维重建算法对静止的对象有较好的重建效果,一旦场景中对象出现变形或者是相对运动,其重建效果不太理想,因此发展对动态场景的三维重建研究工作是相当重要的。简要介绍三维重建的相关概念及基本知识、静态场景三维重建和动态场景三维重建的研究分类及研究现状;全面总结了动态场景三维重建研究最新进展,将动态场景三维重建按照基于RGB数据源的动态三维重建和基于RGB-D数据源的动态三维重建进行分类,其中RGB数据源下又可划分为基于模板的动态三维重建、基于非刚性运动恢复结构的动态三维重建和RGB数据源下基于学习的动态三维重建,RGB-D数据源下主要总结归纳基于学习的动态三维重建,对各类典型重建算法进行了介绍和对比分析;介绍了动态场景三维重建在医学、智能制造、虚拟现实与增强现实、交通等领域的应用;提出了动态场景三维重建的未来研究方向,并对这个快速发展领域中的各个方向研究进行了展望。     

高速简单循环单元网络

基于可以并行化计算的简单循环单元(simple recurrent unit,SRU)网络,引入高速公路网络(highway-networks)的连接思想,提出高速简单循环单元(H-SRU)网络:一方面利用非饱和激活函数可以有效缓解梯度消失的性质,将原有SRU结构里单元状态和隐状态的激活函数替换为非饱和激活函数;另一方...     

矩形布局优化问题的局部搜索蜂群算法

带平衡约束的矩形布局问题属于组合优化问题,当问题规模增大时求解困难。为提高求解效率,设计了一个蜂群算法,通过分析解的分布,提供了基于贪心策略的群体初始化方案,选择了有效的变异算子,将蜂群算法的搜索空间聚焦于最优解可能的区域。另外设计了一个二次局部搜索算法,对解的质量进行进一步提升。在10个公开的案例上与目前性能最好的算法进行了对照,提出的蜂群算法在其中9个较大规模的案例上超过了现有算法。理论分析和实验结果表明,相对于现有算法,所提蜂群算法能明显提高求解效率。     

大批量数据远程传输的一种实现方法及其应用

提出了一种数据库系统的大批量远程数据传输方法,通过对数据进行打包、压缩及传输过程的优化处理,来实现远程大批量数据的高效传输,并应用到某医疗保险中心的数据远程传输系统中,取得了较好的传输效果。