自成像列阵共振腔的分析——Ⅰ.Talbot共振腔

利用自成像效应进行半导体列阵激光器锁相是一种重要的外腔锁相技术,所构成的共振腔可分为Talbot腔和带相位补偿板的Lau腔。我们用Fox-Li方法计算了共振模式。本文给出了Talbot腔的计算结果和分析,表明同相和反相模的损耗随腔长变化存在临界点。     

基于不确定性度量的多特征融合跟踪

提出了一种新的基于特征不确定性度量的多特征融合跟踪算法. 首先, 针对粒子滤波跟踪算法中特征鉴别能力较弱且粒子分布相对分散时容易造成目标丢失的事实, 本文定义了一种新的特征不确定度量方法, 该度量可以在线调整不同类型特征对跟踪结果的贡献. 同时, 针对乘性和加性特征融合跟踪算法方法中存在的缺陷, 提出了一种自适应的多特征融合方法, 融合的结果既突出了状态后验分布中目标真实状态对应的峰值, 又对噪声不敏感, 从而提高了目标跟踪的鲁棒性. 各种场景下的实验结果比较表明: 新的融合跟踪算法比单特征跟踪、 乘性融合跟踪和加性融合跟踪有着更好的稳定性和鲁棒性.     

Model Transduction for Triangle Meshes

This paper proposes a novel method, called model transduction, to directly transfer pose between different meshes, without the need of building the skeleton configurations for meshes. Different from previous retargetting methods, such as deformation transfer, model transduction does not require a reference source mesh to obtain the source deformation, thus effectively avoids unsatisfying results when the source and target have different reference poses. Moreover, we show other two applications of the model ...     

分类错误指导的分层B-CNN模型用于细粒度分类

目的 细粒度分类近年来受到了越来越多研究者的广泛关注,其难点是分类目标间的差异非常小。为此提出一种分类错误指导的分层双线性卷积神经网络模型。方法 该模型的核心思想是将双线性卷积神经网络算法（B-CNN）容易分错、混淆的类再分别进行重新训练和分类。首先,为得到易错类,提出分类错误指导的聚类算法。该算法基于受限拉普拉斯秩（CLR）聚类模型,其核心“关联矩阵”由“分类错误矩阵”构造。其次,以聚类结果为基础,构建了新的分层B-CNN模型。结果 用分类错误指导的分层B-CNN模型在CUB-200-2011、 FGVC-Aircraft-2013b和Stanford-cars 3个标准数据集上进行了实验,相比于单层的B-CNN模型,分类准确率分别由84.35%,83.56%,89.45%提高到了84.67%,84.11%,89.78%,验证了本文算法的有效性。结论 本文提出了用分类错误矩阵指导聚类从而进行重分类的方法,相对于基于特征相似度而构造的关联矩阵,分类错误矩阵直接针对分类问题,可以有效提高易混淆类的分类准确率。本文方法针对比较相近的目标,尤其是有非常相近的目标的情况,通过将容易分错、混淆的目标分组并进行再训练和重分类,使得分类效果更好,适用于细粒度分类问题。     

高速公路动态环境下的摄像机自标定

提出一种动态环境下高速公路监控系统摄像机的自标定方法.首先利用混合高斯背景建模方法从动态视频图像中获取背景图像和目标频繁出现的目标区域;然后利用不同的直线检测算法检测和估计出目标区域内高速公路上大量存在的各种标志线和虚标志线以及水平线,基于这些线状特征计算出摄像机的灭点;最后根据灭点和线特征之间的几何关系计算出摄像机的内外参数,从而实现摄像机自标定.真实场景的实验结果表明,该算法非常合适于各种高速公路监控系统中摄像机的实时自标定,且精度高、稳定性好.     

人的三维运动的鲁棒估计

众所周知,人的模型可以用多棍棒连接体来表示,即棍棒模型.解剖学的知识告诉我们:人的运动有众多的约束,如刚体约束,静态旋转角约束等.本文中,我们利用人运动的刚体约束和共面约束去分析人的三维运动.理论上,我们得出:在上述多约束融合下,我们可以从单目序列图像中决定人的三维运动,其所需要的帧数不仅与刚性连接体的个数有关,而且与运动所在的空间平面与摄像机的相对位置也有密切关系.为了得到鲁棒的三维运动,我们引入了遗传算法,实验结果令人满意的.     

自成像列阵共振腔的模式分析 ——Ⅱ.Lau共振腔

在对Talbot腔研究的基础上,继续分析Lau共振腔的模式结构和损耗特性。表明基模损耗最小,高阶模存在的条件是阶数低于单元数除以4。     

边缘区域约束引导的运动模糊图像复原

相机在拍摄物体时,物体运动或相机抖动会导致图像模糊.针对此问题,提出一种边缘区域约束引导的运动模糊图像复原算法.通过分析图像中阶跃边缘区域与运动模糊核之间的内在关系,建立了一种新的边缘区域约束;对该约束进一步结合RANSAC算法,可有效地引导运动模糊核的估计.大量对比实验结果表明,该算法简单、估计精度高,能够得到优于传统算法的高质量图像模糊恢复结果.     

基于局部背景感知的目标跟踪

经典视觉跟踪方法通常仅以目标区域内信息作为目标描述. 实际中, 目标局部背景信息也影响着跟踪性能. 本文首先在目标描述中引入局部背景信息, 并将目标表示为一带权点集. 然后通过K近邻计算目标观测概率, 并联合目标先验信息得到搜索区域内各点后验概率值. 最后, 利用均值漂移(Mean shift)算法估计目标状态. 本文算法优点如下: 1) 目标描述中联合局部背景信息, 增强了目标模型. 因此, 跟踪过程中提高了目标与背景的区分能力, 并进一步使跟踪算法更加稳定, 跟踪结果更加精准. 2)目标初始化时, 利用Mean shift对目标进行一次重定位. 由此解决了不精确初始化时跟踪算法容易失效的问题. 在不同视频上进行了定性和定量的实验验证. 结果表明本文算法具有较高的跟踪稳定性和准确性, 尤其当目标初始化比较粗糙时.     

旋转矩形区域的遥感图像舰船目标检测模型

高分辨率遥感图像舰船目标检测是遥感图像理解任务中的热点研究问题.由于遥感图像中舰船目标存在成像视角单一、目标分布密集和目标尺度变化大等特点,直接将自然场景目标检测方法应用于遥感图像舰船检测任务中,并不能获得满意的效果.此外,自然场景目标检测任务中常用的水平矩形框对细长型舰船目标的定位精确度无法满足实际应用需求.因此,提出了基于旋转矩形区域的遥感舰船目标检测算法.首先,采用旋转矩形框完成舰船目标的定位.其次,提出兴趣区域特征金字塔池化模块,融合兴趣区域的多尺度池化特征以处理目标尺度变化较大的问题.最后,设计定位准确度预测分支,利用定位准确度预测值指导非极大值抑制算法,从而优化后处理的结果.在遥感舰船公开数据集HRSC2016上,通过3个级别任务(分别为单类、4类和19类舰船检测识别)上的实验结果验证了算法的有效性.