美国研究人员谈红外系统的最新进展(下)

小型红外探测器系统与传统的红外系统相比,小型红外探测器具有迥然不同的系统特点。首先,它们在小F数下拥有远距离目标识别能力。大多数研究人员习惯于讨论具有大F数的远距离传感器,这主要是因为多年来人们一直在追求大规格探测器。而可见光成像仪的研究始终是围绕小F数下的远距离成像能力进行的。由小型探测器构成的高密度阵列不仅可以提供远距离识别能力,而     

雕版技术

Photoshop的位图模式常常被用于低质量．低分辨率的图片压缩。不过你也可以用这种模式来模拟老式印刷雕版的线条作业。所以，看看Scott Gursky是如何做的吧……[编者按]     

商务尖兵 Vivitek丽讯 D968U

正现在商用投影机市场又多了一个新选择家用投影机市场早已进入全高清、3D显示的时代,商用投影机还依然停留在XGA、4:3等10多年前就出现的技术标准上,虽然偶有少数品牌推出过2K商用投影机,但与大把XGA分辨率投影机相比,堪称凤毛麟角。虽然从商用投影机的产品定位考虑,完全理解为何多数商用投影机为何要采用4:3的显示比例以及低分辨率,但在确保主要功能得到满足且价格不变的情况下,提供一个功能更多性能更强的投影机,对商业用户而言一定是喜闻乐见     

低分辨率人耳图像识别方法研究*

针对人耳识别中存储量和计算速度的要求,同时考虑远距离拍摄时低分辨率人耳识别问题,探讨了低分辨率人耳图像识别性能,给出了分辨率与识别率的关系。首先采用高斯金字塔对人耳图像进行不同层的分解,然后对每一层图像应用广义判别分析方法（GDA）提取特征,最后计算样本间的余弦距离,通过阈值法分类识别。实验结果表明,当人耳图像分辨率降低为36×24时系统识别性能最好,满足实时生物识别系统的要求。     

弱监督深度语义分割网络的多源遥感影像水体检测

目的 深度语义分割网络的优良性能高度依赖于大规模和高质量的像素级标签数据。在现实任务中,收集大规模、高质量的像素级水体标签数据将耗费大量人力物力。为了减少标注工作量,本文提出使用已有的公开水体覆盖产品来创建遥感影像对应的水体标签,然而已有的公开水体覆盖产品的空间分辨率低且存在一定错误。对此,提出采用弱监督深度学习方法训练深度语义分割网络。方法 在训练阶段,将原始数据集划分为多个互不重叠的子数据集,分别训练深度语义分割网络,并将训练得到的多个深度语义分割网络协同更新标签,然后利用更新后的标签重复前述过程,重新训练深度语义分割网络,多次迭代后可以获得好的深度语义分割网络。在测试阶段,多源遥感影像经多个代表不同视角的深度语义分割网络分别预测,然后投票产生最后的水体检测结果。结果 为了验证本文方法的有效性,基于原始多源遥感影像数据创建了一个面向水体检测的多源遥感影像数据集,并与基于传统的水体指数阈值分割法和基于低质量水体标签直接学习的深度语义分割网络进行比较,交并比（intersection-over-union,IoU）分别提升了5.5%和7.2%。结论 实验结果表明,本文方法具有收敛性,并且光学影像和合成孔径雷达（synthetic aperture radar,SAR）影像的融合有助于提高水体检测性能。在使用分辨率低、噪声多的水体标签进行训练的情况下,训练所得多视角模型的水体检测精度明显优于基于传统的水体指数阈值分割法和基于低质量水体标签直接学习的深度语义分割网络。     

基于深度网络的多形态人脸识别

在实际的自动人脸识别系统中,输入的识别图像往往在表情、分辨率大小以及姿态方面呈现出多种变化。现在很多方法尝试通过线性或局部线性的映射来寻找由这些变化共享的统一的特征空间。利用由受限玻尔兹曼机(RBM)堆叠成的深度神经网络来发掘这些变化内在的非线性表达。深度网络能够学习高维数据到低维数据的映射关系,并且有助于提高图像分类和识别的性能。同时,为了实现在一个统一的深度框架下同时进行特征提取和识别,在网络的顶层增加了一个监督的回归层。在预训练阶段,通过训练集中不同姿态、不同表情以及不同分辨率的图像对网络进行初始化。在微调阶段,通过网络的输出与标签之间的差 并利用标准反向传播的方法 对模型的参数空间进行调整。在测试阶段,从测试库中随机选择一幅图像,获得统一空间下的特征向量。通过与参考图像库中的所有特征向量进行对比,利用最近邻域的方法识别人脸身份。在具有丰富表情以及大姿态变化的CMU-PIE人脸数据库上进行了全面的实验,结果表明,提出的方法取得了比最新的局域线性映射(或局部线性)的人脸识别方法更高的识别率。     

基于LBP统计特征的低分辨率安全帽识别

针对工地进出口的视频监控录像,考虑远距离低分辨率安全帽识别问题,探讨了低分辨率安全帽识别方法,分析了提取不同的特征和应用不同的分类器与识别率的关系.首先截取视频中的人头,获得大小为22*22的图像,然后分别提取图像的统计特征、局部二进制模式特征、快速主成分分析特征,再利用分类器和反向人工神经网络进行分类预测,最后计算测试样本的识别率.实验结果表明,提取图像的二进制模式统计特征,再结合反向人工神经网络的识别率效果最佳,识别率可达87.27%.     

空间自适应正则化超分辨率图像重建

超分辨率图像重建是一个病态问题,在重建过程中需要正则化处理,而正则化重建会引入正则化误差及重建过程中由于病态性而引入的噪声放大误差,且这两类误差均和图像的空间局部特性有关.提出根据图像的局部空间统计特性自适应控制超分辨率图像正则化重建算法,采用图像局部统计方差来区分图像棱边区域及平滑区域,在图像的棱边区域加强图像的约束重建,而在图像的平滑区域加强正则化.实验表明该算法能有效地减小重建误差,算法的信噪比得益优于传统的正则化重建算法及总变分模型重建算法,并且对正则化参数的选择具有一定的鲁棒性.     

本期热点

标清变高清CUOA加速视频倍线播放软件 NVIDIA的CUDA GPU加速软件又添新军,常见于数码影像产品附赠软件光盘中的ArcSoft公司日前推出了一款视频处理插件SimHD,能够利用GPU运算能力,将低分辨率的DVD视频差值处理为高清视频。     

窗口界面自动适应显示屏幕的实现

近几年显示器更新换代的速度非常快,大屏幕和高分辨率是主流趋势,但现在还在使用的很多显示器依旧是小屏幕和低分辨率。为了追求便携,很多品牌的笔记本电脑的屏幕也控制在12．1时以内。现在经常看到按低分辨率设计的应用程序,在低分辨率下显示很好,但换到高分辨率的屏幕上后,要么缩到屏幕左上角,在屏幕上留下大片空间;要么主窗口拉伸到了全屏,但其中的标签、输入框、表格等控件字体太小挤在一起;要么应用程序强制把屏幕调成低分辨率,不仅影响其他应用程序的正常显示,而且显示不美观。尤其是在LCD屏幕上,按高分辨率设计的应用程序,在低分辨率的屏幕下显示更成问题,因为很多屏幕不支持对应的高分辨率,应用程序在屏幕显示不完整,整个屏幕只能显示窗口界面的一部分,严重影响用户的使用操作。