单幅人脸图像的全景纹理图生成方法

目的 针对从单幅人脸图像中恢复面部纹理图时获得的信息不完整、纹理细节不够真实等问题,提出一种基于生成对抗网络的人脸全景纹理图生成方法。方法 将2维人脸图像与3维人脸模型之间的特征关系转换为编码器中的条件参数,从图像数据与人脸条件参数的多元高斯分布中得到隐层数据的概率分布,用于在生成器中学习人物的头面部纹理特征。在新创建的人脸纹理图数据集上训练一个全景纹理图生成模型,利用不同属性的鉴别器对输出结果进行评估反馈,提升生成纹理图的完整性和真实性。结果 实验与当前最新方法进行了比较,在CelebA-HQ和LFW （labled faces in the wild）数据集中随机选取单幅正面人脸测试图像,经生成结果的可视化对比及3维映射显示效果对比,纹理图的完整度和显示效果均优于其他方法。通过全局和面部区域的像素量化指标进行数据比较,相比于UVGAN,全局峰值信噪比（peak signal to noise ratio,PSNR）和全局结构相似性（structural similarity index,SSIM）分别提高了7.9 dB和0.088,局部PSNR和局部SSIM分别提高了2.8 dB和0.053;相比于OSTeC,全局PSNR和全局SSIM分别提高了5.45 dB和0.043,局部PSNR和局部SSIM分别提高了0.4 dB和0.044;相比于MVF-Net （multi-view 3D face network）,局部PSNR和局部SSIM分别提高了0.6和0.119。实验结果证明,提出的人脸全景纹理图生成方法解决了从单幅人脸图像中重建面部纹理不完整的问题,改善了生成纹理图的显示细节。结论 本文提出的人脸全景纹理图生成方法,利用人脸参数和网络模型的特性,使生成的人脸纹理图更完整,尤其是对原图不可见区域,像素恢复自然连贯,纹理细节更真实。     

基于多流多状态动态贝叶斯网络的音视频连续语音识别

语音和唇部运动的异步性是多模态融合语音识别的关键问题,该文首先引入一个多流异步动态贝叶斯网络(MS-ADBN)模型,在词的级别上描述了音频流和视频流的异步性,音视频流都采用了词-音素的层次结构.而多流多状态异步DBN(MM-ADBN)模型是MS-ADBN模型的扩展,音视频流都采用了词-音素-状态的层次结构.本质上,MS-ADBN是一个整词模型,而MM-ADBN模型是一个音素模型,适用于大词汇量连续语音识别.实验结果表明：基于连续音视频数据库,在纯净语音环境下,MM-ADBN比MS-ADBN模型和多流HMM识别率分别提高35.91%和9.97%.     

一种用于矩形阵列的二维波达方向估计方法

针对现有使用均匀矩形阵列或稀疏矩形阵列的二维无格波达方向估计方法的性能欠佳的问题,提出一种基于二阶特普利茨矩阵重构和二维旋转不变参数估计技术的无格波达方向估计方法。使用均匀矩形阵列或稀疏矩形阵列,对其接收信号的协方差矩阵进行二阶特普利茨结构表达,通过log-det稀疏测度与正定约束构造约束优化问题,并使用优化最小算法求解,最后通过二维旋转不变参数估计技术估计源的二维波达方向,即方位角与俯仰角。这种方法需要多次求解半定规划问题,计算复杂度相对较高,但能获得更好的波达方向估计性能。在仿真实验中,这种方法在均匀矩形阵列或稀疏矩形阵列条件下均有非常低的均方根误差,接近克拉美罗界,证明了其良好的波达方向估计性能。     

战场目标被动噪声识别技术

综述了噪声识别技术在军事上的应用，并就战场目标噪声识别的技术现状和发展前景作了概括性的介绍，预测了战场目标声识别技术的发展趋势。     

计算机图象处理与识别

早在本世纪初,人类为了用图片及时的传递世界各地发生的新闻事件,便开始了对图象传输技术的研究。然而图象处理技术的真正发展还是在本世纪六十年代以后。这一方面是受航天技术发展的刺激,另一方面也与作为图象处理之重要工具的数字计算机技术,以及各类数字化器和显示器的迅速发展分不开的。     

一种改进的针对退化文本图像的二值化方法

在经典的Niblack方法的基础上提出了一种改进的针对退化文本图像的二值化方法,该方法仅在文本区域周围较小范围内进行局部阈值计算,在大大减少运算量的同时,克服了Niblack方法容易产生大量背景噪声的缺点,与另外一种同样基于Niblack的Sauvola方法相比较,对于低对比度的退化文本图像有更好的适应性。     

基于人类视觉感知特性的一种纹理图象分割方法

在纹理图象分割的研究领域中,基于人类视觉感知特性的图象分割方法是一个重要的新方向,本文给出了一种纹理图象分割的方法,设计了一组参数不同的2D最佳正交极可分方向滤波器来提取图象特征,然后经过四叉树平滑,用模糊C－均值聚类对图象进行分类,最后进行边缘确定,实验结果表明,这种方法能获得较好的分割效果。     

一种基于共振峰恢复和Ｍellin变换的非特定人语音特征提取方法

针对非特定人语音识别中的声道长度归一化问题,首先研究一种能够去牛基音激励的,基于自相关估计的共振峰（Ｆormart) 频谱恢复方法,说明了不同说话人发同一元音时的频谱互为尺度化的关系,以及它们与同一说话人发不同元音时频谱的差别,然后结合具有尺度不变性的Ｍellin变换,提出了一种适用于非特定人的语音特征提取方法,在实难中,对从非特定人收集的２０个汉语元音,分别提取了其ＦＦＴ倒谱,Ｍel倒谱,ＦＦＴ－Ｍellin倒谱及本文Ｆormant-Mellin倒谱,并用一种很直观的Ｆ－roato分辨率准则进行了性能评价,结果表明,无论是对纯净的,还是对带附加白噪声的发音样本,本文由共振峰恢复和Ｍellin变换相结合得到的语音特征都具有较高的分辨率。     

一种新的基于直线特征的摄像机自标定方法

通过引入场景的几何约束,提出了一种新的基于直线的摄像机自标定方法。利用射影几何中平行直线投影的交点与光心的连线平行于该平行直线的性质,给出了摄像机内参数的线性求解方法。只假设场景中存在垂直的平行直线,相对于文献［1］而言,其适用的情况更为广泛。实验结果验证了方法的有效性。     

面向多媒体信息内容保护的特征水印技术*

将数字水印技术应用于多媒体内容保护方面,提出了一种面向多媒体信息内容保护的通用算法框架,并给出了其核心技术——内容特征提取和评价的基本准则(即对非内容级操作鲁棒,对内容级操作敏感)。该算法完全基于多媒体信号的内容生成特征水印,进而将其不可见的隐藏于原始信号中,从而达到对原始信号进行内容保护的目的。在对受保护的信号进行内容窜改检测时,只需用同样的方法计算当前内容特征水印,并将其与所提取的嵌入水印相比较即可。由于该算法可以在不需任何额外信息的情况下对各种多媒体信号进行内容保护和窜改检测,因此具有较高的通用性和