基于选择融合的任意步滞后无序量测滤波算法

在目标跟踪系统中,由于传感器具有不同的预处理时间与采样速率,以及信道固有的随机通信延迟,传感器量测数据可能出现无序到达融合中心的现象,即无序量测问题。在系统工作过程中,通常有多个无序量测相继或同时出现。为此,将多无序量测情形进行分类,基于选择融合提出任意步滞后无序量测滤波算法。利用基于对数似然比的假设检验筛选出需要处理的无序量测。在前向预测框架内,根据无序量测最优滤波过程,采用融入等价量测的信息滤波方法对目标状态估计与误差协方差矩阵进行更新。仿真结果验证了算法的精确性与有效性。     

Haar型LBP纹理特征的行人检测研究

针对行人检测中直接在灰度图像下提取局部二元模式(Local Binary Pattern,LBP)特征受噪声影响大导致检测率低的问题,提出了基于HSV颜色空间提取改进型Haar型LBP(IHLBP)特征的方法。首先将图像由RGB颜色空间转化到HVS颜色空间,然后对HSV图像的H、S、V空间分别提取IHLBP特征,最后将3个IHLBP特征归一化后串接为一个特征向量,得到最终的IHLBP特征。在INRIA Person数据集上采用支持向量机(Support Vector Machine,SVM)作为分类器进行测试。实验结果表明,该方法能有效地提高识别率,可达98.5%。相比于HOG特征、HPG-LBP特征和WLD-LBP特征具有更好的实验效果。     

具有重复场景元素的复杂自然图像颜色编辑

提出了一种针对具有重复场景元素的复杂自然图像的颜色编辑方法,在提供极少量用户交互的情况下,该方法能够快速、准确地对复杂自然图像进行颜色编辑。首先在图像中进行简单的颜色线条标记,并且使用SLIC(simple linear iterative clustering)超像素分割快速地生成图像子块区域;然后结合纹理特征和颜色特征,定义鲁棒的外观相似性距离度量,以能够捕获图像中所有的重复场景元素;最后在颜色传递过程中采用基于局部特征相似的颜色分配和基于全局的颜色传递方法进行重着色编辑处理。实验结果表明,该方法不仅极大地提高了颜色编辑的时间效率,而且在颜色编辑结果中保证了颜色传递的一致性和连续性,从而能够获得高质量的颜色编辑结果。     

基于双分支网络的图像修复取证方法

图像修复是一项利用图像已知区域的信息来修复图像中缺失或损坏区域的技术。人们借助以此为基础的图像编辑软件无须任何专业基础就可以轻松地编辑和修改数字图像内容,一旦图像修复技术被用于恶意移除图像的内容,会给真实的图像带来信任危机。目前图像修复取证的研究只能有效地检测某一种类型的图像修复。针对这一问题,提出了一种基于双分支网络的图像修复被动取证方法。双分支中的高通滤波卷积网络先使用一组高通滤波器来削弱图像中的低频分量,然后使用4个残差块提取特征,再进行两次4倍上采样的转置卷积对特征图进行放大,此后使用一个 5×5 的卷积来减弱转置卷积带来的棋盘伪影,生成图像高频分量上的鉴别特征图。双分支中的双注意力特征融合分支先使用预处理模块为图像增添局部二值模式特征图。然后使用双注意力卷积块自适应地集成图像局部特征和全局依赖,捕获图像修复区域和原始区域在内容及纹理上的差异,再对双注意力卷积块提取的特征进行融合。最后对特征图进行相同的上采样,生成图像内容和纹理上的鉴别特征图。实验结果表明该方法在检测移除对象的修复区域上,针对样本块修复方法上检测的F1分数较排名第二的方法提高了2.05%,交并比上提高了3.53%;针对深度学习修复方法上检测的F1分数较排名第二的方法提高了1.06%,交并比提高了1.22%。对结果进行可视化可以看出,在检测修复区域上能够准确地定位移除对象的边缘。     

元素分布构建的三维模型表面纹理合成方法

针对由纹理元素组成的样本纹理在模型表面纹理合成中难以保持样本纹理结构规律性的问题,提出了一种基于纹理元素分布构建的模型表面纹理合成方法。首先通过用户交互在三维模型表面上确定待合成纹理的初始位置,然后利用邻域比较以局部扩张-冲突检测的形式,从三维模型表面初始位置上开始逐步构建纹理元素的分布,使之与二维样本纹理的纹理元素分布具有一定的外观相似性。最后,采用自适应的局部参数化方法将纹理元素分别映射到模型表面对应位置,以获得最终的三维模型表面纹理合成结果。实验结果表明,该方法能够在模型表面合成高质量的纹理,并在保持纹理元素完整性和保持样本纹理潜在规律性的同时,能够使得已合成纹理中扭曲程度较低且是连续、无接缝的。     

基于引导滤波和shearlet稀疏的遥感图像融合算法

针对遥感图像空间分辨率和光谱分辨率不可兼得的情况,结合多尺度变换与稀疏表示,提出一种shearlet稀疏基与引导滤波共同作用的遥感图像融合算法。以IHS融合模型为基础,利用引导滤波作拟合处理,再用shearlet变换分解亮度图像和全色图像,得到图像的高低频子带系数。对低频子图进行稀疏化处理并获取最优稀疏系数,稀疏系数以图像块活跃度取大的标准进行替换融合。基于区域能量和区域方差融合处理对应的高频子图,再利用shearlet反变换获取融合结果。实验结果表明,本文算法能提高图像清晰度以及光谱保留度,在图像完整度和细节考量上远好于其他算法。     

基于局部结构的多尺度协作表示人脸识别算法

人脸识别在实际应用中,往往存在无法获取足够多的训练样本的情况,而在小样本情况下,协作表示的识别性能会受到严重影响。多尺度块协作表示算法能有效集成不同尺度下的分类结果,但其分类框架中子块的计算是相互独立的,忽略了块之间的结构关系。而局部结构法将图像划分为多个局部区域,每个局部区域的重叠块分布在相同的线性子空间中,该子空间可以反应块之间的结构关系,能提高多尺度块协作表示在小样本下的鲁棒性。因此提出了基于局部结构的多尺度块协同表示算法（Local Structure based Multi-Patch Collaborative Representation,LS_MPCRC）,在Yale B和AR人脸库上的实验结果证明,该算法在训练样本数目较少时具有优秀的识别性能。     

在线多目标视频跟踪算法综述

视频多目标跟踪是计算机视觉领域重要的研究课题之一,不论是在军用还是民用都有广泛应用。目前对单目标的跟踪算法研究已经相当成熟,但对于多目标跟踪的研究还处于发展阶段。重点研究了多目标跟踪过程中的四个重要阶段：特征提取、检测器、数据关联、跟踪器。特征提取阶段详细介绍了目前主流的特征提取方法以及各个方法之间的优缺点;检测器阶段首先详细介绍了目标外观模型在具体应用场景中的跟踪效果,接着对基于检测跟踪的多目标跟踪算法和基于深度学习的多跟踪算法进行了分析;跟踪器阶段分别介绍了目标运动模型的建立和利用不同跟踪器混合的多目标跟踪算法;数据关联阶段分别介绍了基于能量最小化的多目标跟踪以及常用的数据关联算法。接着,介绍了目前主流的数据集以及评测方法;最后对多目标跟踪未来的发展进行了思考和展望。     

一种改进的CLIQUE算法及其并行化实现

CLIQUE算法是一种高效的聚类算法,但其聚类结果存在锯齿边界的问题。而且随着数据规模和维度的增加,算法的效率受到极大影响。针对这些问题,提出一种改进的CLIQUE算法,算法首先使用边界修正方法和滑动网格方法,对稠密区域的边界和稀疏区域进行扫描,寻回被剪枝的稠密网格,提升网格划分的质量;然后实现了改进算法在MapReduce下的分布式并行化,并通过实验验证了算法的性能。实验结果表明,改进后的并行算法的聚类准确率提高了17%~26%,同时有效地减少了处理海量数据的运行时间,具有良好的扩展性。     

改进型HLBP纹理特征的行人检测

在行人检测中,Haar型LBP(HLBP)特征采用局部统计方式,有效地降低了噪声影响,相比LBP特征对图像纹理描述有明显优势。但是,HLBP特征在计算特征值时,中心点没有参与计算,导致其信息没有被利用。针对这一不足,提出了改进型HLBP(IHLBP)特征,该方法令中心点参与到计算工作中,并赋予其最大权值。首先利用二维离散Haar小波变换,对图像做两级分解处理,得到三种不同尺度图像;然后针对上述三种图像分别提取IHLBP特征并做归一化处理,最后串接三组特征得到最终的特征向量。在INRIA Person数据集上,采用SVM进行测试。实验结果表明,该方法能有效地提高行人检测识别率。