基于语义分割算法的水库漂浮物智能识别

为了满足水库漂浮物强监管的需求，发挥水库水雨情视频监控的优势，将语义分割算法DeepLabV3+应用于水库漂浮物智能识别任务中。首先，通过多要素数据采集方法以及多种图像数据增强方式系统性整合得到水库漂浮物语义分割数据集。然后，提出改进的加权代价函数，以适应数据集中各类的总像素数量不平衡的问题。实验结果表明，通过规范采集与多种数据增强建立的数据集，以及改进的加权代价函数，提高了水库漂浮物语义分割模型的准确率。所提模型像素准确率平均值、平均交叉比分别可达到95.21%、91.03%，通过微信企业号实现的移动监管，可为水利相关部门对水库漂浮物进行及时的智能监控预警提供新的技术方案。     

结合多尺度体素和高阶条件随机场的点云分类

针对利用经典高阶条件随机场模型进行点云分类时,由于海量节点和无向边导致的点云分类效率低的问题,提出一种结合多尺度体素和高阶条件随机场的点云分类方法.首先以多尺度体素代替海量离散点云作为无向图图模型节点,减少节点和无向边的数量;然后使用超体分割结果作为高阶团,并基于此设计了一种非监督分布性空间上下文作为高阶团特征向量,用于改善分类结果;最后结合构建的图模型和各阶特征向量,采用经典高阶条件随机场模型实现点云数据的自动分类.采用Oakland标准数据集作为实验数据,实验结果表明,该方法在有效地保证分类精度的前提下,高阶条件随机场点云分类模型的分类效率提高了5～10倍.     

利用浮点图像对视频对象进行自动分割

本文提出了一种自动的运动对象分割算法，利用浮点图像的轮廓进行区域分割，然后根据帧间运动信息进行区域合并，分割出视频序列中的运动物体。     

改进的一维Otsu法在B超图像分割中的应用

提出了基于像素邻域平均灰度的改进的一维Otsu多门限分割方法，兼有准确性和快电性的优点，并应用于B超图像，实现了多个目标的自动分割，与普通的一维Otsu法相比，具有更好的分割效果。     

一种新颖的基于非压缩数字视频的水印盲检测算法

数字水印是一种嵌入到多媒体数据中用来进行版权标识的工具。在众多的宿主媒体中，数字视频因具有隐藏容量大、透明性好、鲁棒性强等诸多优点而受到日益广泛的关注。但是很多文献中提到的视频水印都是从数据流中提取单帧图像进行处理，这类算法与静态图像的水印方法如出一辙，没有充分利用视频文件的各种特性。而且对帧平均、视频压缩等常见的运动图像攻击方法十分敏感。针对这些问题，本文以非压缩视频文件为实验对象，结合人类视觉模型和彩色图像场景分割的方法，提出并实现了一种基于视频时间轴的数字水印盲检测算法。实验结果表明算法有效实用。     

基于主体外部轮廓的照片分割算法

在实际应用中常常需要将人像从照片的背景中有效地分割出来，通常的做法是通过提取照片中人像各部分特征来实现分割，其缺陷是计算复杂度较大，分割效果受各种干扰因素影响很大。现提出了一种基于主体外部轮廓信息的照片分割算法，通过梯度锐化、边缘保护、临近像素点相似度比较来确定图像的边界，该算法对于具有相对均匀背景的照片具有较高的计算效率。     

对分布式数据库发展方向的分析

本文对分布式数据库的设计方法、分割与分配技术作了一些探讨，并就分布式数据库的发展方向进行了初步分析。