面向出租车出行规律的预测式可视分析方法

针对传统交通数据可视分析方法缺乏预测分析能力的问题,提出了基于出租车出行数据的预测式可视分析方法,支持用户更有效地探索未来的交通状况.在可视分析模型中,提出了结合天气、星期几等多种非交通因素的预测模型,提高了预测的准确度;提出了基于预测数据和广义地点类型约束的路径规划方法,获得了更优的路径规划结果;以多种可视化手段分析和预测了出租车司机的运营状况,帮助司机进行运营决策.以温州市出租车数据进行的实验结果表明,与传统方法相比,文中方法能更准确地预测交通状况和运营状况,并获得更合理的路径规划结果.     

基于3D人脸跟踪的实时真人虚拟试发

真人虚拟试发在虚拟社交、在线商城试戴和个人发型设计等领域具有明显的应用价值.现有的基于图像的2D虚拟试发系统无法让用户从不同的角度和距离实时观看试发效果,极大地限制了这类系统的可应用范围.为此,提出一个基于3D人脸跟踪的实时真人虚拟试发系统,用户仅使用一个网络摄像头,就能如同在镜子前试戴真实假发一样进行虚拟试发.首先结合深度学习技术与传统优化算法,从2D人脸视频帧中快速鲁棒地计算出对应的3D人脸形状和姿态,实现3D人脸跟踪;然后根据事先指定的若干对对应点,自动把3D头发佩戴到视频帧所对应的3D人脸模型;最后根据3D人脸模型对3D虚拟头发进行遮挡处理与绘制,实现虚实混合的真人虚拟试发效果.此外,还提出一种简单实用的3D头发重上色算法,以进一步增强虚拟试发效果.在室内外环境下,使用网络摄像头采集用户视频进行了大量的真人虚拟试发实验的结果表明,该系统是有效的和实用的.     

相关系数准则下的多光谱图像最优融合方法

证明了在相关系数准则下最优融合算法与线性最优融合算法是等价的，利用这一结果大大减少了计算的空间与时间复杂度；并通过设置加权系数和提供一种自适应计算权值的方法以突出原多光谱图像目标区域的频谱特征；对于相关性较弱的多光谱图像集提出了分组融合的方法．实验结果表明：该最优融合算法高效可行，能处理各种不同多光谱场景的融合．     

基于HVS的小波图像融合新算法

目前的大多数基于小波变换的图像融合算法，由于并没有细致考虑人眼的视觉特性，因而得到的融合效果有时并不理想。为了提高图像的融合效果，提出了一种新的基于人类视觉系统(HVS)的小波图像融合新算法。该算法充分考虑了人类视觉系统的特点，首先在多尺度小波分解的基础上，计算出每层每个像素邻域的纹理和边缘亮度相关量；然后自适应地求得加权融合系数；最后采用多层次迭代法来产生融合图像。实验结果表明，该算法不仅能使图像融合结果有较大的改善，而且有利于人眼对目标的探测和识别。     

快速去块效应的线性规划方法

许多现有的图像压缩算法在高压缩比下会产生恼人的块效应,消除块效应的后处理方法一直以来都是图像处理领域的重要研究方向。消除块效应可以认为是从不准确的采样数据出发,尽可能恢复原始图像,这也是压缩传感理论所做的。因此利用压缩传感理论,给出了一种新的去块效应方法,将去块效应问题归结为一个无需调校任何其他参数的线性规划问题,最终采用GPU实现,得以快速求解。大量的实验结果表明,该方法能快速有效地去除块效应,改善了图像的视觉效果,同时提高了图像的PSNR。     

基于三维几何视觉重要性的纹理图像选择压缩算法

不同于传统二维图像,映射到三维模型上的纹理图像隐式包含了三维几何视觉信息. 然而,目前已有的纹理图像压缩方法并未考虑此特性. 本文提出了一种与三维模型几何视觉特性相关的纹理图像选择压缩算法. 首先给出一种结合纹理图像的显著性及其纹理走样的视觉重要性图构建方法, 将纹理图像划分为具有不同优先级别区域.之后,利用提出的选择压缩方法对它们进行不同比例压缩. 实验结果表明当选择本压缩算法时,纹理化三维模型能够获取较好的视觉效果.     

基于卷积金字塔的屏蔽泊松方程快速求解算法

屏蔽泊松方程在图像视频处理和图形学领域有着广泛应用,传统上一般借助离散余弦变换或快速傅里叶变换求解,计算复杂度为O(nlogn).提出了一种基于卷积金字塔的快速近似求解算法,将屏蔽泊松方程求解视为一个"大核"卷积过程,利用卷积金字塔,将"大核"卷积分解为若干个"小核"卷积,从而将计算复杂度改善至线性.实验发现,在图像无缝拼合和梯度域绘制的应用中,对于千万像素级别图像,所提算法能获得5～6倍的性能提升.进一步,屏蔽泊松方程求解也是许多图像迭代算法的中间步骤,以加权最小二乘图像光滑和基于总变差正则化的图像重建算法为例,运用所提算法,在视觉效果和均方误差上都有着很好的近似,在速度上有显著的提升.     

融合时空域特征的人脸表情识别

目的 人脸表情识别是计算机视觉的核心问题之一。一方面,表情的产生对应着面部肌肉的一个连续动态变化过程,另一方面,该运动过程中的表情峰值帧通常包含了能够识别该表情的完整信息。大部分已有的人脸表情识别算法要么基于表情视频序列,要么基于单幅表情峰值图像。为此,提出了一种融合时域和空域特征的深度神经网络来分析和理解视频序列中的表情信息,以提升表情识别的性能。方法 该网络包含两个特征提取模块,分别用于学习单幅表情峰值图像中的表情静态“空域特征”和视频序列中的表情动态“时域特征”。首先,提出了一种基于三元组的深度度量融合技术,通过在三元组损失函数中采用不同的阈值,从单幅表情峰值图像中学习得到多个不同的表情特征表示,并将它们组合在一起形成一个鲁棒的且更具辩识能力的表情“空域特征”;其次,为了有效利用人脸关键组件的先验知识,准确提取人脸表情在时域上的运动特征,提出了基于人脸关键点轨迹的卷积神经网络,通过分析视频序列中的面部关键点轨迹,学习得到表情的动态“时域特征”;最后,提出了一种微调融合策略,取得了最优的时域特征和空域特征融合效果。结果 该方法在3个基于视频序列的常用人脸表情数据集CK+（the extended Cohn-Kanade dataset）、MMI （the MMI facial expression database）和Oulu-CASIA （the Oulu-CASIA NIR&VIS facial expression database）上的识别准确率分别为98.46%、82.96%和87.12%,接近或超越了当前同类方法中的表情识别最高性能。结论 提出的融合时空特征的人脸表情识别网络鲁棒地分析和理解了视频序列中的面部表情空域和时域信息,有效提升了人脸表情的识别性能。     

基于色调优化的图像视频细节增强

目的 针对已有的细节增强方法难以保持输入图像帧的色调分布的缺点,提出一种基于色调优化的图像视频细节增强算法。方法 首先,为了避免颜色通道的相关性所带来的偏色现象并提高算法效率,对输入图像帧进行颜色空间的转换,提取亮度信息。然后,采用基于局部极值的边缘保持图像滤波方法,快速地将亮度通道图像分解成一幅含有大尺度边缘信息的基图像和多幅含有小尺度细节信息的细节层图像。接着,在用户期望的细节增强系数和输入图像的颜色场的约束下,提出基于梯度域上能量优化的细节增强算法,获得色调一致的细节增强亮度图像。最后,通过颜色空间的逆转换得到最终的细节凸显效果。结果 实验结果表明,本文算法不但能够显著地增强输入图像帧的细节内容,而且能够有效地保持其原有的色调分布,显得更加真实生动。结论 本文算法基本满足科学观察、视频监控和数字视觉特效等领域的技术要求,具有很大的应用潜力。     

多光谱图象的真实感融合

多光谱信息融合是指将从多光谱探测器获得的同一场景的多光谱信息特征组合到一起，并利用它们在时空上的相关性及信息上的互补性，以利到对景物更全面，清晰的描述，其真实感成像是指融合后的图像能保留原多光谱图像目标在特定条件下的光谱特征，针对用同一种方法来融合不同场景图象存在的问题，通过分析现有融合方法的优缺点和它们适用的场合，提出了一种综合的图象融合方法，该方法对相关性较弱，且互补性明显的图象对，采用一种新的基于人类视觉系统HVS的自适应加权平衡的融合方法来进行融合，这样能突出目标的光谱特性，而对于相关性较强的图象对，则根据场景目标距离的远近，分别采用小波变换和主成份分析来进行融合，实验表明，该方面能适合于不同类型的场景，其得到的融合结果优于用单种方法进行融合的结果，也有利于对目标的探测和识别。