一种基于频域相关技术的柱面全景图生成方法

在虚拟全景空间的构建中,360°柱面全景图象拼接是一项关键技术。该文通过对拍摄的实景图象做快速傅立叶变换,利用图象互功率谱的相位信息来实现全景图象的拼接,实验表明该方法大大提高了拼接速度,并且能够有效地克服图象间光照变化对拼接的影响,是一种快速实用的全景图拼接方法。     

两步最优邻域匹配的快速图像恢复算法

最优邻域匹配(BNM)算法运用全搜索策略，具有很高的计算复杂度．跳跃环顾最优邻域匹配(JLBNM)算法采用跳跃与环顾相结合的搜索策略，提高了匹配速度．文中提出一种两步最优邻域匹配(TSBNM)算法，利用两步搜索作为搜索策略，交替运用浏览搜索和精细搜索寻找最优匹配块；同时，精细搜索借鉴了菱形搜索算法的搜索思想，使用模板进行搜索．实验证明，在获得相当恢复质量的前提下，TSBNM算法的处理时间约为BNM算法的8％～10％，约为JLBNM算法的77％．     

基于自监督学习的变电站缺陷检测

为了在使用少量标注样本情况下提升变电站设备缺陷检测精度,提出一种基于自监督模型SimSiam的改进缺陷检测算法.不同于原始SimSiam,改进后的算法无需使用标志性图像(iconic images),如ImageNet数据集,而是直接利用非标志性图像(non-iconic images)如COCO数据集进行对比学习,并在下游的缺陷检测任务上获得可媲美有监督方法的性能.通过在投影层(projection head)和预测层(prediction head)中使用全卷积网络和空间注意力模块来代替MLP,保留高维特征的空间结构及局部信息;同时在计算相似度前先对特征图进行均值池化以得到特征向量,并对特征向量进行归一化以计算欧氏距离,从而改进了自监督对比学习的损失函数.实验结果表明该算法能充分利用非标志性图像进行对比学习,并在只标注少量样本的条件下提升变电站设备缺陷检测的精度,在表计表盘破损、挂空悬浮物、鸟巢、呼吸器硅胶变色及箱门闭合异常等5类缺陷检测任务上mAP达到83.84%.     

CAPTCHA技术研究综述

全自动开放式人机区分图灵测试(completely automated public Turing test to tell computers and humans apart,CAPTCHA)又称为人机交互验证(human interactive proof,HIP),它能自动产生并评估一个测试,这个测试能被几乎所有人类用户通过,而现有的计算机程序不能通过.CAPTCHA提供了一种自动驱分人和机器的手段,已成为一种标准的网络安全技术成功应用于包括Google,Yahoo!以及微软在内的各大网站.CAPTCHA设计基于人工智能领域的开放性问题,按表现载体和内容不同分为文本、图像、声音3种类型,其中,基于字符识别的文本CAPTCHA已得到广泛使用;图像CAPTCHA利用计算机视觉中的难解问题,目前尚处于研究阶段;声音CAPTCHA针对视觉残障者,是对前两种视觉CAPTCHA的补充.介绍了CAPTCHA的发展和设计准则,详细阐述CAPTCHA设计和破解的研究工作及最新进展,给出典型实例,讨论其可用性和安全性,最后指出未来CAPTCHA技术的发展方向和亟待解决的问题.     

基于双流卷积神经网络的改进人体行为识别算法

近年来人体行为识别成为计算机视觉领域的一个研究热点,而卷积神经网络(Convolutional Neural Network,CNN)在图像分类和识别领域取得了重要突破,但是人体行为识别是基于视频分析的,视频包含空间域和时间域两部分的信息。针对基于视频的人体行为识别问题,提出一种改进的双流卷积神经网络(Two-Stream CNN)模型,对于空间域,将视频的单帧RGB图像作为输入,送入VGGNet_16模型;对于时间域,将多帧叠加后的光流图像作为输入,送入Flow_Net模型;最终将两个模型的Softmax输出加权融合作为输出结果,得到一个多模型融合的人体行为识别器。基于JHMDB公开数据库的实验,结果证明了改进的双流CNN在人体行为识别任务上的有效性。     

基于三元组损失函数的深度人脸哈希方法

大规模人脸数据集上的快速检索是人脸识别应用的关键问题。较短长度人脸哈希方法可降低人脸特征比对的计算量,有助于大规模人脸识别的应用。为此提出了一种基于三元组损失函数的深度人脸哈希方法,通过优化三元组损失函数训练深度卷积神经网络以提取图像深层特征,使得由该特征表征的同类图像在欧式空间中的距离尽可能小,不同类图像在欧式空间中的距离尽可能大;通过在深度网络后添加随机映射层,进一步将高维特征映射到低维空间,并通过阈值化将低维空间映射到汉明空间。在多个标准的数据集上的实验结果表明本文方法相比于现有其他方法的优越性。     

音频信息隐藏技术及其发展方向

音频信息隐藏技术已成为近年来的研究热点之一.利用该技术可在音频文件中嵌入秘密信息以达 到“掩蔽通信”和“版权保护”等目的.本文首先介绍了音频信息隐藏的一些基本问题,如人类听觉系统模型、音 频文件格式、声音传送环境及对音频信息隐藏的基本要求等等.随后重点研究了迄今为止已出现的一些音频 信息隐藏技术的工作原理及其局限性.最后指出该研究领域未来的研究和发展方向.     

一种结合猫映射与L og ist ic 映射的语音加密算法

将猫映射(cat map)与Logistic映射相结合，构造了一种语音加密算法．该算法首先将语音数据堆叠成二维，然后利用二维猫映射将数据的位置置乱，最后利用一维Logistic映射构造替换表，对数据进行扩散．密码分析表明，该算法具有较高的安全性，能够抵抗统计攻击、差分攻击和已知密文攻击．与传统的DES算法相比，该算法加密速度更快，适用于实时语音加密．     

一种基于多尺度小波分解的图象镶嵌技术

为了获得一种具有艺术视觉效果的镶嵌图象,提出了一种基于多尺度小波分解的图象镶嵌技术,该技术首先对原始图象的各子块区域和图象库中的每一幅图象进行多尺度小波分解;然后逐层计算各图象小波分解系数的标准方差和它们之间的相似距离,并据此从图象库中选取与原始图象中的各子块区域最佳匹配的贴图,再将其镶嵌到原始图象中的对应区域;最后对贴图进行逐像素的颜色校正,使贴图的颜色与原始图象尽可能一致.同时,根据人眼观察某个区域时往往通过取整或将细节取平均来得到一个总体强度效果这一视觉特性,使最终的镶嵌图象具有在近处看到的是各个贴图的内容,而在远处观看则是原始图象的总体轮廓的视觉效果.利用计算机来自动地生成这种镶嵌图象的实验结果表明,该方法是有效的.     

Baker 映射的三维扩展及其在多媒体加密中的应用

对Baker映射进行三维扩展，提出一种基于三维混沌映射的混沌加密方案．与二维映射相比，扩展后的三维Baker映射具有更大的密钥空间、更快的混迭速度和更广的应用范围．这种三维Baker映射与扩散函数相结合，增加了密码强度，起到良好的加密作用．实验结果表明，与传统基于数论的DES加密算法相比，该算法具有更快的速度，更适合于多媒体数据的加密．