基于视觉传达的多帧图像高分辨率重建仿真

针对传统的高分辨图像重建方法,重建之后的图像细节不够丰富清晰,边缘模糊的问题,提出了 一种基于视觉传达的多帧图像高分辨率重建方法.采用深度学习方法提取高分辨率图像的深层次特征,在稀疏字典超分辨率框架下联合训练特征字典,将提取出来的特征视为ScSR模型中的特征样本,代入PCANet的特征字典中,以此为基础,基于稀疏正则模...     

基于视觉传达的显著图像特征权重自匹配仿真

采用当前方法对图像特征权重进行匹配时,未使用可控滤波器提取图像特征,进行了重复多次的卷积运算,导致特征权重自匹配所用的时间较长、权重自匹配精度较低。提出基于视觉传达的显著图像特征权重自匹配方法,在高斯函数二阶导数的基础上建立可控滤波器,通过建立的可控滤波器提取图像的特征,获取显著图像特征能量值,为图像特征权重的匹配提供依据。计算图像特征对应的自适应权值,采用比值方法获取待匹配点的相关度,结合待匹配点的相关度和自适应权值构建聚合代价函数,通过聚合代价函数完成图像特征权重自匹配。仿真结果表明,所提方法的匹配时间短、匹配精准度高。     

新媒体传播下的视觉语言研究

随着数字技术的飞速发展,新媒体为视觉传达设计带来了新的展现形式与发展空间,新媒体创造了认知世界的新观念。本文通过剖析视觉语言的感知,从新媒体与传统媒体比较的角度来解析新媒体传播特征对视觉语言的影响,揭示新媒体传播中视觉传达设计的视觉语言特有的感知方式和表现形式,探讨视觉语言在未来新媒体传播中创新的可能性,有助于设计者借助新媒体特点进行视觉传达设计创新和应用。     

用图像说话

当今社会已经进入了以图像为中心的时代,电影、电视、绘画、摄影、广告、设计、建筑、动漫、网络、游戏、多媒体等互为激荡汇流,这就是人们所说的视觉文化时代。图像,是我们向大众传播的一种有效的视觉语言,在某种程度上,图像视觉的感染力、传达效应远远大于文字。在设计中,我们应该尽量使用图像去传达我们的创意,而不是依靠设计说明去阐述。因为,图像本身会说话。     

机器视觉中的图像采集技术

文章介绍了图像采集系统的构成以及在机器视觉中的重要性，阐述了图像采集系统中关于摄像机、镜头、图像采集卡和光源等方面的诸多实用技术，论述了设计图像采集系统时要注意的问题和原则。     

基于视觉传达的后继帧视频图像目标跟踪仿真

现阶段所采用的跟踪方法对后继帧视频图像目标跟踪存在跟踪效果不理想、跟踪效率较低等问题。提出基于视觉传达的后继帧视频图像目标跟踪方法。利用图像差分方法获取视频图像运动目标可能出现的区域,并对这个区域视频图像目标进行运动估计,采用形态学方法来降低聚类区域的数量,得到后继帧视频图像目标区域;采用均值漂移法估计后继帧视图像核概率密度,对后继帧视频图像进行分割处理,找出后继帧视频图像目标区域最显著的特征,通过迭代运算找到目标位置,实现目标跟踪。实验结果表明,所提算法具有较好的后继帧视频图像跟踪效果、并且跟踪效率较高,具有一定的应用价值。     

基于视觉传达的嵌瓷视频图像自动定位系统设计

目前图像自动定位系统对采集图像的识别率较低,导致图像自动定位坐标参数误差增多.因此,基于视觉传达对嵌瓷视频图像自动定位系统设计.硬件部分设计自动定位系统驱动电路,通过构建两相混合式电机,对驱动电机的电路进行组装.通过对电机进行图像定位采集的跟踪,测量嵌瓷视频图像的位置和速度,构建图像自动定位跟踪器.软件部分设计基于视觉...     

网络广告中的视觉传达设计

在现代信息社会中,科学技术的发展衍生出"网络"这一新媒体,它与传统信息媒介相互碰撞、互为补充,其中网络广告作为一种新兴设计门类已经成为当今流行的广告手段。本文通过分析网络广告的视觉传达方式及其创新的视觉表现形式和它独特的审美特征,阐述了它结合尖端科学技术所产生的视觉传达新特点。     

网页设计中的视觉传达

在网页的设计中,增强网页信息传达的有效性有很多途径,本论文从视觉传达和网页设计的基本理论入手,结合网页设计中视觉感受的心理学特征,总结出了网页设计中视觉设计的一般原则,并探讨了如何在网页设计运用视觉传达的方法,以取得更好的信息传达效果。     

基于视觉传达的多帧图像特征目标跟踪仿真

针对当前方法提取的多帧图像目标特征精度较差,导致多帧图像特征目标跟踪准确率较低、跟踪时间较长的问题,提出了基于视觉传达的多帧图像特征目标跟踪方法.采用稀疏表示方法采集多帧图像目标特征,利用高斯分布构建图像运动模型,小波分析多帧图像灰度及细节特征,根据灰度投影法提取多帧图像目标特征,并匹配多帧图像特征点,获取多帧图像轮廓...     

一种基于视觉注意模型的图像分类方法

视觉选择性注意机制是人类视觉系统的重要组成部分。近年来的研究表明,自下而上的视觉选择性注意模型在物体识别等方面得到了良好的应用。但是,视觉选择性注意模型在描述图像内容时存在着明显的不足,一个显著的特征在某些情况下可能不会得到注意,人眼更可能会注意到一幅图像里比较稀少的特征。针对上述情况,提出了一种基于视觉选择性注意模型和全局稀少性相结合的视觉注意模型进行图像分类。实验结果表明,该方法在多类物体分类中达到97.74%的总准确率,取到了非常好的效果。     

一种基于正则化和Watson 视觉模型的图像指纹算法

大量多媒体应用的发展使得数字图像很容易地被非法操作和篡改,提出一种基于 图像正则化和视觉特性的图像指纹算法,可以有效地实现图像的认证和识别。首先对图像进行 正则化预处理,消除几何形变对图像的影响,然后对图像进行分块DCT 变换,利用Watson 视 觉模型对DCT 系数进行处理,增大人眼敏感的频域系数在计算图像特征时的权重,经过量化形 成最终的指纹序列。在图像指纹序列生成过程中,加入密钥控制,提高了指纹的安全性。实验 结果表明,该方法的冲突概率在10–7 数量级,对JPEG 压缩、旋转、缩放等操作具有较好的稳 健性。     

一种基于视觉特性的图像摘要算法

为了使图像摘要具有更高的鲁棒性。提出了一种基于视觉特性的图像摘要算法，该算法通过增大人眼敏感的频域系数在计算图像Hash时的权重以使得图像Hash更好地体现视觉特征，并提高鲁棒性。算法首先将原始图像的分块DCT系数乘以若干由密钥控制生成的伪随机矩阵，再对计算的结果进行基于分块的Watson人眼视觉特性处理，最后进行量化判决以产生固定长度的图像Hash序列。实验结果表明，该算法与末采用视觉特性的算法相比，高了对JPEG压缩和高斯漩波的鲁棒性、图像摘要序列由密钥控制生成，因而具有安全性。     

考虑视觉显著性的部分相似图像检索

当前流行的图像检索系统普遍采用词袋(Bag-of-Words)模型表示图像视觉内容.由于传统的视觉词袋模型忽略了局部特征间的几何关系,考虑几何约束的后处理方法明显地提高了检索准确率.这些方法认为每个局部特征点是平等的,然而在实际情况中,图像中的局部特征点对于部分相似图像检索任务的重要性是不同的,比如位于相似图像区域上的特征点要比位于背景图像区域的特征点重要.鉴于此,提出考虑图像特征点重要性的部分相似图像检索算法.首先用视觉显著性算法来计算图像每个像素点的显著性(即重要性),然后在几何验证计算图像间匹配分数中考虑匹配局部特征点的重要性,最后在广泛使用的相似图像检索数据集上对提出的算法进行验证.实验结果表明了本方法的优越性.     

图像重排序中与查询相关的图像相似性度量

现今的图像搜索引擎主要利用图像周围文本信息为图像排序,根据图像内容重排序可以进一步提高搜索性能。图像相似性的度量对重排序算法的性能至关重要。然而已有的相似性度量没有考虑针对不同的查询,图像的相似性应该不同。提出一种与查询相关的相似性度量方法,将基于全局特征的相似性,基于局部特征的相似性,以及视觉单词同时出现率融合到一个迭代算法中,挖掘出与查询相关的图像信息,计算图像相似性。在Bing图像搜索引擎上的实验结果证明本文提出的相似性度量方法优于基于全局特征,局部特征,或它们线性组合的相似性。     

试论从语境的把握拓展图像视觉语言

在以图像为中心的时代,我们的阅读已经从对文字的关注转为对图像的关注,而在当代图像的构成中,许多艺术家和设计师都在借助计算机技术,通过对图像的修改来创作新的视觉形式,使我们的视看经验呈现出多种可能性,从而,推动着图像视觉语言的拓展。对于这一现象,我们通常习惯于从图形符号的角度去看待其演变,这是否全面呢?对此,本文试图从语言的角度来分析其语境因素,探讨图像视觉语言拓展的形成规律。     

基于多通道视觉注意力的细粒度图像分类

视觉注意力机制在细粒度图像分类中得到了广泛的应用。现有方法多是构建一个注意力权重图对特征进行简单加权处理。对此,本文提出了一种基于可端对端训练的深度神经网络模型实现的多通道视觉注意力机制,首先通过多视觉注意力图描述对应于视觉物体的不同区域,然后提取对应高阶统计特性得到相应的视觉表示。在多个标准的细粒度图像分类测试任务中,基于多通道视觉注意的视觉表示方法均优于近年主流方法。     

基于视觉掩蔽效应的图像扩散

提出一种基于视觉掩蔽效应的图像扩散算法. 结合人类视觉系统的特性, 利用图像上下文像素的非均质性度量定义了新的噪声掩蔽函数, 可以有效地区分噪声和边缘特征, 由此得到的噪声可见度函数作为各向异性扩散的扩散系数. 算法同时利用了图像的局部梯度信息和较大邻域的上下文信息, 可以在滤除噪声的同时更加有效地保留图像的重要特征, 而且避免了传统算法梯度阈值的选取问题. 实验结果表明, 本文算法在去噪保边性能上优于一些典型的扩散算法.     

一种支持可视化数据挖掘的图像后处理方法

可视化数据挖掘是当前数据挖掘的研究重点之一，国际上近几年发展起来的几类可视化数据挖掘技术，主要有基于计算机图形学的技术．本文提出了一种支持可视化数据挖掘方法的计算机图像处理技术，利用一种类邻域平均方法（Resemble Neigh borhood Averaging Method）对数据挖掘结果图像进行后处理，可帮助用户准确把握数据的主要特征，进而从数据中发现有用的模式．实验表明，该方法具有很强的直观性、便利性、有效性，为可视化数据挖掘提供了一个新途径．     

基于视觉感知的图像放大

为了有效保持图像纹理细节和边界结构,提出了一种基于视觉感知的图像放大算法。构造了一类[C2]连续的双变量有理函数插值模型。根据等值线生成原理,利用等值线方法将图像自适应地划分为边缘区域和平滑区域。基于图像的区域特征,平滑区域采用多项式模型插值,边缘区域采用有理模型插值。根据人眼对比敏感特性,对边缘区域进行参数优化,从而获得高质量插值图像。与其他经典的图像放大方法相比,该方法能有效保持图像的纹理细节和边缘结构,同时获得了较好的客观评价数据。