基于彩色空间3D广义共发矩阵的视觉信息检索

本文针对基于内容的图象检索（CBIR）提出一组基于HSV空间的3D广义共发矩阵的新颖的图象纹理特征，通过在CBIR检索系统iPhoto中（25，000张图象）上测试，利用本文特征地传统灰度共发矩阵。     

基于区域分割的深度图象表述与压缩

研究并实现了一种精确的基于区域分割的深度图象表述算法。首先将深度图象的曲率特性和边缘特性结合起来进行初步分割；然后在对区域进行可变阶曲面拟合的基础上进行区域生长３及区域合并，从而在精确分割的同时，实现了区域的曲面表述。     

图象形态变换与形态分析

作为数学形态学的发展,本文阐述基于p分位变换的一般图象形态学的基本内容。考察图象形态变换的一系列重要特性,并分别就二值图象、多值图象和数字离散图象讨论其形态分析方法:构成形态函数,提取形态参量和生成随机形态变量。同时简介它们在图象处理与模式识别中的应用。     

图象压缩技术及其应用

本文介绍当前图象数据压缩技术的研究与应用，对于静态图象重点讨论以人眼视觉感知特性为指导的压缩技术，对于动态图象压缩技术，着重介绍ＭＰＥＧ－２及正在发展中的ＭＰＥＧ－４的一些目标和特点，以及基于模型的编码方法，文中还简介了图象压缩技术的应用和产品研制情况。     

基于表面描述的图象编码方法

本文提出了一种基于Delaunay三角形化图象“表面”描述的灰度图象编码方法。利用Delaunay三角形化的良好特性,仅编码由少数象素组成的特征图象就可以几乎不失真地恢复出描述得到的近似模型。对常规Delaunay三角形化的改进避免了由于退化产生的三角形连接错误。整个编译码方案在压缩比为33倍时仍具有较好的恢复图象质量。     

基于二维直方图的图象模糊聚类分割方法

本文提出了一个基于二维直方图的图象分割模糊聚类方法,它除了考虑象素点的灰度信息外还考虑了象素点与其邻域的空间相关信息,利用模糊C均值(FCM)聚类算法得到象素点的隶属度,并由各象素点的隶属度实现图象分割.实验结果表明,本文提出的方法与Otsu法和熵函数法相比,错分的象素点数大约减少了四分之三.     

一种图象纹理特征提取与分割的新方法

本文介绍了一种用于提取图象纹理特征的新的二维最佳数字滤波器（ＯＤＦ），该滤波器是基于有限长球序列（ＦＰＳＳ）和离散付里叶变换（ＤＦＴ）设计的，它具有能量损失最小的最佳频率响应特性。用若干具有不同中心频率和带宽的这种滤波器覆盖频率平面，可以抽取图象的纹理转征，进而利用一个非参数分类器，可对纹理图象实行有效的分类和分割。文中给出了一个人工纹理图象和一个自然纹理图象分割的实例。     

第二代图象编码的兴起与发展

本文简要地介绍了第一代图象编码的主要技术及其理论基础,较详细地分析了第一代图象编码技术存在的主要问题及难于继续发展下去的原因。扼要地介绍了第二代图象编码的有关技术,对第二代图象编码的内容及其发展方向作了较深入的探讨性的分析。     

MPEG—4的验证模型及其图象分割技术

即将诞生的ＭＰＥＧ－４，除了其高压缩率外，主要特点是对音视频数据采用基于内容的操作存取及传输，文中阐述了ＭＰＥＧ－４的基于内容的特点，灵活及可扩展的结构形式和有效的开发方式－验证模型法。最后简要介绍实现ＭＰＥＧ－４的关键技术之一的图象分割。     

基于小波变换的盲图象恢复

提出一种基于小波分解的盲图象恢复算法。该算法根据图象小波变换各个子频段所具有的不同频率特性和不同的方向特性，对各子频段分别进行盲图象恢复；各子频段采用不同的正则化算子。实验结果表明该算法的盲图象恢复的性能优于空域算法。     

结合集成比例训练的彩色JPEG图像隐写分析

该文提出一种YCbCr颜色空间的彩色JPEG图像隐写分析方法。该方法中的特征包括通道内特征和通道间特征,首先从Y通道提取Markov特征,扩展DCT特征以及共生矩阵特征构成通道内特征集合,通道内特征可以有效捕捉到Y通道内DCT系数之间的相关性;然后对Y通道进行下采样,从采样平面与CbCr平面相互之间的差分平面上提取特征构成通道间特征集合,通道间特征可以捕捉到两两通道之间的相关性。由于通道内特征和通道间特征在分类性能上有着较大差别,在分类阶段由通道内特征和通道间特征分别训练子分类器,通过调整两类子分类器的比例,使用多数投票方式来合成集成判决结果,最终获得最佳的检测性能。实验结果表明,该方法不仅适合小嵌入率的彩色JPEG图像,而且在性能上优于已有的JPEG图像隐写分析方法。     

关于提升电视专题节目制作质量的对策研究

在广播电视行业不断发展条件下,电视专题节目制作也受到受众高度重视。这就应提高电视专题节目制作质量,在满足广大受众日常观看要求同时,使得我国广播电视行业向着现代化方向发展。针对电视专题节目制作进行研究,首先阐述电视专题节目制作特点,之后阐述电视专题节目制作质量问题和相关提升对策。在解决电视专题节目制作问题同时,提升电视专题节目制作质量,继而彰显电视专题节目制作优势。     

一种新的提高掌纹识别率方法的研究

生物特征识别技术是通过人体本身所固有的、唯一的生理特征来自动地识别一个人。针对掌纹图像具有终身不变性、唯一性、主要特征明显、细节特征唯一等特点,论文提出了一种有效提高掌纹识别率的方法,即结合图像中的主元特征、不变矩特征和线特征的提取方法。该方法与单独使用主元特征提取、不变矩特征提取和线特征提取的方法进行了比较实验,结果证明新方法的识别率有明显提高。     

Uncertainty-guided joint attention and contextual relation network for person re-identification

Due to the influence of factors such as camera angle and pose changes, some salient local features are often suppressed in person re-identification tasks. Moreover, many existing person re-identification methods do not consider the relation between features. To address these issues, this paper proposes two novel approaches: (1) To solve the problem of being confused and misidentified when local features of different individuals have similar attributes, we design a contextual relation network that focuses on establishing the relationship between local features and contextual features, so that all local features of the same person both contain contextual information. (2) To fully and correctly express key local features, we propose an uncertainty-guided joint attention module. The module focuses on the joint representation of individual pixels and local spatial features to enhance the credibility of local features. Finally, our method achieves competitive performance on four widely recognized datasets compared with state-of-the-art methods.     

Depth-based detection with region comparison features

Most object detection approaches proposed over the years rely on visual features that help to segregate objects from their backgrounds. For instance, segregation may be facilitated by depth features because they provide direct access to the third dimension. Such access enables accurate object-background segregation. Although they provide a rich source of information, depth images are sensitive to background noise. This paper addresses the issue of handling background noise for accurate foreground–background segregation. It presents and evaluates the Region Comparison (RC) features for fast and accurate body part detection. RC features are depth features inspired by the well-known Viola–Jones detector. Their performances are compared to the recently proposed Pixel Comparison (PC) features, which were designed for fast and accurate object detection from Kinect-generated depth images. The results of our evaluation reveal that RC features outperform PC features in detection accuracy and computational efficiency. From these results we may conclude that RC features are to be preferred over PC features to achieve accurate and fast object detection in noisy depth images.     

CCFNet: Cross-Complementary fusion network for RGB-D scene parsing of clothing images

Schemes to complement context relationships by cross-scale feature fusion have appeared in many RGB-D scene parsing algorithms; however, most of these works conduct multi-scale information interaction after multi-modal feature fusion, which ignores the information loss of the two modes in the original coding. Therefore, a cross-complementary fusion network (CCFNet) is designed in this paper to calibrate the multi-modal information before feature fusion, so as to improve the feature quality of each mode and the information complementarity ability of RGB and the depth map. First, we divided the features into low, middle, and high levels, among which the low-level features contain the global details of the image and the main learning features include texture, edge, and other features. The middle layer features contain not only some global detail features but also some local semantic features. Additionally, the high-level features contain rich local semantic features. Then, the feature information lost in the coding process of low and middle level features is supplemented and extracted through the designed cross feature enhancement module, and the high-level features are extracted through the feature enhancement module. In addition, the cross-modal fusion module is designed to integrate multi-modal features of different levels. The experimental results verify that the proposed CCFNet achieves excellent performance on the RGB-D scene parsing dataset containing clothing images, and the generalization ability of the model is verified by the dataset NYU Depth V2.     

点击率的深度交叉注意力预估模型

为了区分不同高阶交叉特征的重要程度并剔除冗余交叉特征,提高点击率的预估精度,提出了一种深度交叉注意力预估网络(deep cross attention prediction network, DAPN)模型。它将具有稀疏高维特征的输入信息表示为低维稠密向量后,分别送入因子分解机(factorization machine, FM)和深度交叉注意力层(deep cross attention, DCA)。FM通过一阶特征和二阶特征交叉挖掘训练数据中从未出现或者很少出现的低阶交叉特征。DCA层利用缩放点积注意力机制(dot-product attention,DP＿Att)设计交叉注意力层,用于区分高阶交叉特征的重要度,并设计深度神经网络(deep neural network, DNN)实现对高阶交叉特征建模。仿真表明,DAPN在MovieLens-1m和Avazu等公开数据集上均具有良好的预估性能,它使用并行结构能同时有效地学习低阶和高阶交叉特征,提高预估精度。     

基于最小类差异的无关信息预处理算法

为了降低无关信息对文本分类精度的影响,提出了基于最小类差异的预处理算法.算法通过分析文本特征在类中的分布情况,将特征划分为三种类型,按照特征在各类间的分布差异,保留对分类有作用的单类特征与多类特征,而将类分布差异较小的一般特征进行过滤.实验结果表明,采用新算法进行分类预处理所得到的分类精度明显优于信息增益、互信息量等预处理算法.     

融合轮廓矩和Fourier描述子特征的压印字符识别

提出了一种基于混合轮廓特征的压印字符识别新方法.首先提取字符轮廓的矩不变量和Fourier描述子,然后将2种特征融合构成混合特征,最后将新特征输入BP网络进行识别.实验证明,混合轮廓特征不仅克服了2种特征单独使用时的缺点,提高了识别率,而且可以提高特征的平移、缩放以及旋转不变性.