人眼3D肌肉控制模型

根据解剖学原理及人眼运动特征,提出了一种人眼3D肌肉控制模型.该模型由内部模型和外部模型组成,其3D运动由3类共8条肌肉控制.模型建模及驱动比较方便,并已在PC机上进行了模拟.模拟结果表明,人眼模型逼真,可较好地模拟人眼运动及表情.     

人眼多线谱及其获取

该文给出了一种描述人眼运动及表情的多线谱表示及其获取的方法。该方法以人眼三维肌肉控制模型(3D-MCE)为基础,用一组归一化肌肉收缩量随时间变化的多线谱曲线来表示人眼运动及表情;给出了由单视频获取人眼多线谱的方法,通过跟踪人眼控制点的位移,计算肌肉收缩量,进而获得其随时间变化的曲线。实验结果表明,所获得曲线能较逼真地模拟人的眼部运动和部分表情。     

基于稀疏特征匹配和形变传播的无缝图像拼接

该文给出了一种基于稀疏特征匹配和形变传播的无缝图像拼接方法。首先,在配准图像的重叠区域中寻找一条结构误差最小的最佳接缝,从一边的图像中选取目标区域;接着,沿着接缝在两边的图像区域中检测出显著的结构特征,并进行特征匹配,获得目标区域中接缝上的匹配特征点及与之关联的边缘特征点的结构形变矢量;然后,通过求解泊松方程,将这些稀疏的形变矢量稳定和平滑地传播到目标区域内部,得到目标区域中各点的形变矢量;最后,由形变矢量通过内插获得目标区域的梯度场,并由梯度场重构出最终结果。该方法执行方便快速,不需要复杂的特征检测,能够统一地纠正图像拼接中较大的结构错位和颜色过渡不自然,在全局上消除结构接缝和颜色接缝。与其它方法比较,该方法获得较明显的改进。     

基于梯度场的拼接缝消除方法

提出了一种基于图像梯度场的拼接缝消除方法--GFBSE.在一般的整体变分模型中引入源图像的梯度场,建立一个基于梯度场的能量函数,通过求解非线性偏微分方程以优化该能量函数来实现拼接缝消除.该方法能够在全局消除图像拼接中的颜色不一致,同时能够较好地处理由于图像配准造成的几何结构的错位.最后与当前常用的几种方法进行了理论和实验上的讨论和比较,表明了GFBSE方法的有效性.     

电子信息系统中利用小波分析进行故障诊断

在电子信息系统中经常要对系统的反馈信号进行分析,以找到系统内部的故障.然而,系统反馈的信号往往带有较大的噪声,会给故障信号的提取带来困难.而且,故障信号多是突变信号,传统的Fourier分析由于在时城不能局部化,难以检测到突变信号.小波分析优于傅里叶分析之处在于,小波分析在时域和频域同时具有良好的局部化性质,它可以对高频成分采用逐渐精细的时域或空间域取代步长,从而可以聚焦到对象的任意细节.这里主要讨论使用小波分析检测信号的奇异点,以及动态系统的频谱结构变化及参数突变,以及在实际的温度控制系统中利用小波分析进行故障检测,并利用MATLAB等工具进行仿真.对小波分析在故障检测中的优缺点进行了探讨.     

结合流形排序和区域匹配的图像检索

给出一种基于数据流形排序(Manifold Ranking)和分割区域匹配的图像检索方法.在Manifold Ranking方法的基础上,提出区域匹配图(Region Matching Graph,RMG)的方法,通过计算图像的区域匹配权值,进行第二次相似性匹配,提高了匹配准确性.在Corel图像数据库对该方法进行了检索仿真,结果表明该方法能有效提高检索的准确性.     

深度学习模型可解释性的研究进展

深度学习在很多人工智能应用领域中取得成功的关键原因在于,通过复杂的深层网络模型从海量数据中学习丰富的知识。然而,深度学习模型内部高度的复杂性常导致人们难以理解模型的决策结果,造成深度学习模型的不可解释性,从而限制了模型的实际部署。因此,亟需提高深度学习模型的可解释性,使模型透明化,以推动人工智能领域研究的发展。本文旨在对深度学习模型可解释性的研究进展进行系统性的调研,从可解释性原理的角度对现有方法进行分类,并且结合可解释性方法在人工智能领域的实际应用,分析目前可解释性研究存在的问题,以及深度学习模型可解释性的发展趋势。为全面掌握模型可解释性的研究进展以及未来的研究方向提供新的思路。     

基于相关滤波器组的人眼定位方法

人眼定位是人脸识别和认证中一个关键步骤,本文提出一种基于自适应聚类相关滤波组的人眼定位方法,将人眼定位表示成一个优化问题,并定义一个多滤波器的损失函数。多个滤波器采用自适应聚类方法训练来构造,得到的多个滤波器组成相关滤波器组。滤波器组包含多个模板,对人脸的差异具有良好的区分性,从而能够有效地定位变化较大时的人眼位置。与基于分类器的人眼定位方法以及传统的基于单一相关滤波器的方法相比,实验表明本文方法在检测准确率和定位精度上有显著提升。     

基于边缘方向投影的图像块修复方法

压缩图像在传输中,信道干扰常导致图像块数据丢失.给出一种基于边缘方向投影的图像损失块修复方法.按照周围邻域未损失像素的边缘方向信息将损失块分类,并根据类别用结合频域和空域信息的凸集投影算法自适应地修复损失块.能较好地修复图像边缘和复杂纹理.与RIBMAP方法相比,此方法在修复质量和算法顽健性上均有提高.