联合梯度直方图和局部二值模式特征的人体检测

针对采用单一梯度方向直方图(HOG)特征进行人体检测时易受竖直梯度分量干扰的缺点,提出了将分块局部二值模式(LBP)特征加入HOG特征的方法.首先,将检测窗口划分为大小为16×16的不重叠块,以块为单位统计LBP特征直方图,并通过大量实验获得了LBP算子的最佳参数;然后用优化过的插值方式计算HOG特征,将两者组成联合直方图.最后,用线性支持向量机(SVM)通过Bootstrapping的方式训练,得到判别模型.在INRIA人体库上的测试表明,检出率在误检率(FPPW)为10-4时由原始的89％提高到95％,单窗口检测速度由0.625 ms提高到0.533 ms.本文将纹理特征加入原始描述轮廓的HOG特征中,排除了部分梯度干扰信息造成的误检,提高了检出率.     

颜色空间统计联合纹理特征的无参考图像质量评价

为了客观评价图像质量,本文提出联合颜色空间统计特征和权重局部二值模式(Local Binary Pattern,LBP)纹理特征的无参考图像质量评价模型。首先,对失真图像进行亮度去均值对比度归一化(Mean Subtracted Contrast Normalized,MSCN)操作得到MSCN系数;然后,对MSCN系数提取其统计参数特征和权重LBP直方图特征,其中统计参数由广义高斯模型获得,权重为MSCN系数的幅度。另外,还采用了Lαβ颜色空间下红绿和蓝黄分量的自然场景统计(Natural Scence Statistics,NSS)特征来增强基于颜色失真的描述,并运用非对称广义高斯模型获得统计参数特征。最后,运用SVR建立图像质量评价指标到主观质量得分的回归模型。在LIVE,CSIQ,TID2013和MLIVE数据库上的实验结果表明:4个数据库加权平均Spearman秩相关系数为0.776,Pearson线性相关系数为0.821,均优于其他方法;图像大小为512×512时特征提取只需0.19s。本文提出的方法与人眼主观感知具有良好的一致性,并具有复杂度低等优点。     

双CMOS成像系统中运动模糊图像的复原

为获取高空间分辨率的清晰图像,设计了一种双CMOS成像系统.该系统的两片CMOS传感器可同时获取相同场景的图像.其中一片CMOS传感器获取高帧率、低空间分辨率的图像序列;另一片CMOS传感器获取低帧率、高空间分辨率的运动模糊图像.首先,通过光流法计算高帧率、低空间分辨率CMOS传感器获取图像序列的全局运动路径,在能量守恒和能量与积分时间成正比2个约束条件下估计运动模糊核初始值,通过贝叶斯准则交替迭代优化运动模糊核.最后,利用TV-L1方法从低帧率、高空间分辨率CMOS传感器获取的模糊图像中快速、有效地恢复出清晰图像.仿真和实验结果表明;有38％以上的仿真图像复原结果误差率小于2,且受噪声影响小,复原图像的振铃小.另外,能有效去除实拍图像的空间移不变运动模糊.     

遥感卫星CCD相机模拟源的研制

针对遥感卫星上存在多种CCD相机组合,相机模拟源在地面电测系统及星上遥测数据链存在3种不同模拟任务的需求,利用大规模可编程器件、高速阵列存取技术、锁相环(PLL)频率调整技术和软硬件可编程图像处理技术,研制了一种适用于不同CCD相机模拟任务的模拟源系统。该系统支持多台设备级联,单台设备能够模拟输出4通道的并行16bit LVDS信号、4路串行LVDS信号和4路串行NECL信号,其单通道并行LVDS数据像素频率为0.3～200 MHz,以0.1MHz步进可调,且单次循环输出容量最大可达8TB。通过简单配置,可产生符合CCSDS协议的遥感相机回放数据,并可对实时输出信号的行频和数据时钟相位进行调整。本系统已成功运用于多个型号空间相机的研制测试中,提高了空间相机的研制效率和设备利用率,改善了研制遥感卫星及CCD相机系统的测试验证手段。     

基于显著性语义区域加权的图像检索算法

针对计算视觉领域图像实例检索的问题，提出了一种基于深度卷积特征显著性引导的语义区域加权聚合方法。首先提取深度卷积网络全卷积层后的张量作为深度特征，并利用逆文档频率（IDF）方法加权深度特征得到特征显著图；然后将其作为约束，引导深度特征通道重要性排序以提取不同特殊语义区域深度特征，排除背景和噪声信息的干扰；最后使用全局平均池化进行特征聚合，并利用主成分分析（PCA）降维白化得到图像的全局特征表示，以进行距离度量检索。实验结果表明，所提算法提取的图像特征向量语义信息更丰富、辨识力更强，在四个标准的数据库上与当前主流算法相比准确率更高，鲁棒性更好。     

借鉴i-mode模式的3G发展策略分析

文章首先介绍了现有移动通信系统应用的概况,并指出3G目前在各国运营商和设备制造商发展过程中所处的尴尬地位。然后简要介绍了日本NTTDoCoMo公司i-mode系统概念和特点,并研究分析了i-mode系统在日本2G系统的成功商业应用模式,以及i-mode在日本从2G平滑向3G过渡的策略。最后通过借鉴i-mode成功经验,分析并提出了我国未来3G系统应用发展的一种可行策略。     

基于紫红外传感器的火焰探测系统设计与实现

针对传统的感烟、感温、感光型火焰探测器的误报率高,响应时间长的特点,研制了一种联合使用紫外和红外传感器的火焰探测系统。该系统利用紫外传感器探测火焰辐射出的处在日盲区波段的紫外光谱,同时使用红外传感器探测火焰辐射出的4.4μm波段的红外光谱,并结合快速傅里叶变换(FFT)提取火焰闪烁频率的方法来识别火焰。实验表明,该方法有效地降低系统误报率和漏报率,响应时间小于1 s,探测距离达到5 m,对于粮仓、易燃物品存放地的消防应用有着重要的意义。     

基于稀疏编码的双尺度布匹瑕疵检测

瑕疵检测是布匹质量控制的重要环节。为了使检测算法具有较高的通用性和检测精度,提出了一种基于稀疏编码的双尺度布匹瑕疵检测算法,综合了大尺度下检测稳定性高和小尺度下检测敏感性高的优点。首先,采用一种小规模过完备字典的训练方法得到大小尺度下的字典;其次,利用检测图像块在字典上的投影提取检测特征;最后,利用距离融合方法综合大小尺度下的检测结果。小规模完备字典的采用以及对大尺度下的检测进行下采样,克服了因引入双尺度而造成计算量太大的缺点。实验采用德国TILDA布匹样本库,实验结果表明,该算法能有效地检测平纹布、格子布、条纹布上的瑕疵,综合检测率达到95.9%,并且计算量适中,能够满足工业实时检测的要求,具有实际应用的价值。     

基于引导Boosting算法的显著性检测

针对现有的基于引导学习的显著性检测模型存在的训练样本不纯净和特征提取方式过于简单的问题,提出一种改进的基于引导（Boosting）的算法来检测显著性,从提升训练样本集的准确度和改进特征提取的方式来达到学习效果的提升。首先,根据显著性检测的自底向上模型产生粗选样本图,并通过元胞自动机对粗选样本图进行快速有效优化来建立可靠的引导样本,完成对原图的标注建立训练样本集;然后,在训练集上对样本进行颜色纹理特征提取;最后,使用不同特征不同核的支持向量机（SVM）弱分类器生成基于Boosting学习一个强分类器,对每幅图像的超像素点进行前景背景分类,得到显著图。在ASD数据库和SED1数据库上的实验结果显示该模型能对复杂和简单的图像生成完备清晰的显著图,并在准确率召回率曲线和曲线下面积（AUC）测评值上有较大提升。由于其准确性,能应用在计算机视觉预处理阶段。     

基于卷积神经网络的弱光照图像增强算法

针对现有的弱光照图像增强算法强烈依赖于Retinex理论、需人工调整参数等问题，提出一种基于卷积神经网络（CNN）的弱光照图像增强算法。首先，利用四种图像增强手段处理弱光照图像得到四张派生图，分别为：限制对比度自适应直方图均衡派生图、伽马变换派生图、对数变换派生图、亮通道增强派生图；然后，将弱光照图像及其四张派生图输入到CNN中；最后经过CNN的激活，输出增强图像。所提算法直接端到端地实现弱光照图像到正常光照图像的映射，不需要按照Retinex模型先估计光照图像或反射率图像，也无需调整任何参数。所提算法与NPEA（Naturalness Preserved Enhancement Algorithm for non-uniform illumination images）、LIME（Low-light image enhancement via Illumination Map Estimation）、LNET（LightenNet）等算法进行了对比。在合成弱光照图像的实验中，所提算法的均方误差（MSE）、峰值信噪比（PSNR）、结构相似度（SSIM）指标均优于对比算法。在真实弱光照图像实验中，所提算法的平均自然图像质量评价度量（NIQE）、熵指标为所有对比方法中最优，平均对比度增益指标在所有方法中排名第二。实验结果表明：相对于对比算法，所提算法的鲁棒性较好；经所提算法增强后，图像的细节更丰富，对比度更高，拥有更好的视觉效果和图像质量。