基于彩色结构光的实时三维重建

提出一种新颖的基于彩色结构光的实时三维重建方法RRCS（Real-time 3D Reconstruction based on Color-coded Structured light）,利用投影在物体表面的彩色结构光的彩色信息,快速准确地还原相位,计算出物体的高度,最终重建物体的三维模型。针对RRCS的特殊性,设计了基于拓扑排序的解相位算法,以及针对点线的快速三角网化算法。实验结果表明,RRCS对设备的要求低,效果较好,具备基本的实时性能。     

基于雅克比稀疏自动编码机的手写数字识别算法

由于手写数字边缘轮廓差异大造成书写风格的不同,为了提高识别准确度,通过在自动编码机中加入稀疏约束项和雅克比正则项,提出一种雅克比稀疏自动编码机(JSAE)的算法进行手写数字识别。加入稀疏约束项能够有效提取数据中的隐藏结构,而雅克比正则化可以描述数据点的边缘特征,提高自动编码器算法的学习能力,从而更准确地抽取样本的本质特征。实验结果表明,JSAE在分类准确率上要高于自动编码机（AE）和稀疏自动编码机（SAE）算法。     

基于聚类和自动编码机的缺失数据填充算法

当前的不完整数据处理算法填充缺失值时,精度低下。针对这个问题,提出一种基于CFS聚类和改进的自动编码模型的不完整数据填充算法。利用CFS聚类算法对不完整数据集进行聚类,对降噪自动编码模型进行改进,根据聚类结果,利用改进的自动编码模型对缺失数据进行填充。为了使得CFS聚类算法能够对不完整数据集进行聚类,提出一种部分距离策略,用于度量不完整数据对象之间的距离。实验结果表明提出的算法能够有效填充缺失数据。     

深层自动编码机的文本分类算法改进

自动编码机作为一种新兴的深层神经网络学习算法,在高维数据的降维和图像重构中取得了很好的效果.针对该方法在文本分类中重构出大量的对学习没有帮助的含噪数据,提出一种利用原型数据监督学习的改进模型,称做深层原型自动编码机,该方法改善了无监督学习的不足.并且,通过建立多个实例对应一个原型模型,可以大大降低算法对于原型数量的需求,提升了算法的运行效率,而且更加有利于原型学习在多种不同的数据上展开.实验证明该方法可以增加文本分类的准确率.     

基于双色反射模型的彩色结构光颜色识别的研究

为了快速准确地识别出彩色结构光系统中的投射光颜色信息,该文提出了基于双色反射模型的投射光颜色识别算法.首先通过对数码相机和投影设备进行色度标定,以消除两者之间的耦合性差异;接着通过估计物体三颜色通道光谱反射率以及分离镜面反射成分和漫反射成分,来修正物体本身颜色和镜面反射对投射光源颜色的影响.实验结果表明,该文提出的投射光颜色识别算法对于双色反射模型条件下的彩色结构光颜色识别具有鲁棒性高、计算速度快、识别准确度高等优点.     

基于Spark的高效并行自动编码机

机器学习中一个非常关键的问题就是如何获取良好的数据特征表示,许多经典的特征提取方法是基于数据间关系或利用简单线性组合降维后得到数据的特征表示。其中深度学习算法在各种学习任务中都可以取得良好的效果,而且可以学到很好的数据特征表示。但现有深度学习算法或模型大多为单机串行实现,不能处理较大规模的数据且运行时间较长。本文设计实现了一种基于Spark分布式平台的高效并行自动编码机,该编码机可以有效地进行特征表示学习,并且利用分布式计算平台Spark对 算法进行加速,优化了对稀疏数据的操作,大大提升了运行效率。本文通过在文本数据特征学习以及协同过滤两个任务上的实验,表明本文所实现的并行自动编码机的有效性和高效性。     

一种新的基于结构光的人体动作识别算法

基于深度图像可以方便的区分前景和背景,有效提高自然人机交互的性能。要实现面向大众的自然人机交互,需要深度摄像头在实时性、价格、适应环境等方面达到实用性。基于面结构光技术的深度摄像头实用性强,得到了迅速发展,其深度信息获取基于图像块匹配算法,在计算每个像素点的深度时,需要在测量范围内进行逐点搜索、图像块匹配、寻优,带来大量运算,这些运算要通过高性能计算机或专用并行运算芯片才能达到实时性,导致了深度传感器成本的增加。本文提出了一种全新的人体动作识别方法,即利用结构光图像直接进行动作识别,从而避免了复杂的深度图计算环节,降低了计算量,并能够充分利用图像的3D信息。该方法通过分析结构光图案的偏移所产生断裂点信息,成功实现了人手定位及人手动作识别,并将其应用于UI界面模拟鼠标操作。实验结果表明了算法的有效性和可行性。     

基于人类视觉系统的彩色图像分形编码算法

在分析传统的四叉树分形编码算法的基础上,将人类视觉系统(HVS)的特性引入到值域块的四叉树划分中,在定义域池的生成以及值域块与定义域块的匹配上采用分类的方法,然后利用彩色图像R,G,B三个分量的相关性,将三色分量图按某种方式组合成一个灰度图像,提出一种使用HVS的彩色图像分形编码算法.实验表明,在保证图像解码质量的情况下,该算法比Fisher和JPEG算法能达到更高的压缩比,并且在编码时间上优于Fisher算法.     

基于HVS和交叉掩蔽的彩色图像编码算法

以层树分集（SPIHT）编码方案为基础,结合人类视觉系统（HVS）模型和人类视觉对彩色图像分量亮度和色度的不同敏感性,提出了一种基于非对称编码和交叉掩蔽的小波域彩色图像压缩编码算法。该算法首先将原始图像从RGB空间转换到YCbCr空间,然后对YCbCr空间的各分量进行离散小波变换;之后根据人类视觉对彩色图像的亮度分量的敏感性,用交叉掩蔽模型对亮度分量的小波系数进行加权处理;与此同时,利用非对称编码和SPIHT编码思想完成图像的压缩。仿真实验结果表明,文中算法是一种高效的图像压缩编码方法,其压缩效果明显优于SPIHT编码方案。     

Multi-channel chaotic encryption algorithm for color image based on DNA coding

Multimedia Tools and Applications - There are several issues with existing chaotic encryption schemes for images. These include singularity, unidirectionality, and the complexity of the algorithm....     

基于二次分割的彩色图像目标自动计数算法

首先把彩色图像转换至HSV彩色空间,利用图像的色相属性进行初次分割,得到初步分割结果,再将初步分割结果图像转换为灰度图像,利用该灰度图像的灰度信息进行二次分割.接下来将二次分割得到的图像转换成二值图像,再对二值图像进行腐蚀,膨胀及孔洞填充操作,分离粘连计数目标,得到适合用于计数的二值图像.最后标记二值图像的连通域,得到计数目标的个数.仿真实验结果表明,基于二次分割的彩色图像目标自动计数算法达到了精确计数的目的.     

基于聚类的自动颜色传输

提出了一种基于聚类的颜色传输算法。利用算法可以自动完成彩色图像间、彩色图像和黑白图像间的全局或者局部颜色传输。首先,对于源图像,将采用混合高斯模型进行建模,并利用EM算法求得相应参数完成图像自动聚类。对于目标图像,如果是彩色图像,采用同样聚类方法。如果是黑白图像,采用K-Means聚类法。完成源图像和目标图像的聚类,并建立双方聚类区域的对应关系后,通过改变目标图像中像素的Lαβ通道值完成色彩传输功能。实验证明,算法高效且无需人工干预,颜色传输效果很理想。     

一种新的基于颜色恒常性的肤色分割算法

为了解决不同光照条件下的肤色分割问题,提出了一种新颖并且行之有效的解决方法。该方法先应用颜色恒常性算法对图像光照进行估计,根据光照估计的结果,在YCbCr颜色空间采用不同分布的高斯肤色模型,并利用动态阈值对图像进行分割。试验结果证明了算法的可行性和优越性。     

结构光测量系统中多视点云自动拼合算法

从结构光测量系统的实际测量需要出发,提出一种向待测物体表面粘贴参考点,从而利用参考点信息来自动拼合不同视角点云数据的算法。该算法首先采用一种改进的区域识别与最小二乘法相结合的方法准确提取参考点形心,并根据计算机视觉理论求解出参考点的三维坐标,然后根据参考点的空间特征不变量,提出了参考点快速匹配算法,从而获得不同视角中的参考点对应关系,最后采用四元数分解算法求解出旋转与平移矩阵,实现了点云的自动拼合。实验结果验证了该算法的有效性及实用性。     

外推结构无反馈DVC码率控制算法研究

针对现有内插结构无反馈分布式视频压缩（DVC）在大图像组条件下存在严重解码延时问题,研究了外推结构的无反馈DVC系统。在编码端,提出一种不等保护码率控制算法,该算法在编码端利用快速运动估计外推产生较高质量的边信息估计,根据比特平面误码率和比特平面重要性,实现比特平面级的码率控制;在解码端提出基于外推内插边信息更新的迭代解码优化,利用更新的边信息对每一分布式帧进行二次解码,在不增加传输码率的条件下进一步提升解码视频质量。实验结果表明,与现有无反馈码率分配算法相比,该算法能够更精确地分配码率,率失真性能提升0.6~1.8 dB,且解码视频图像的主观质量得到明显改善。     

Two coding based adaptive parallel co-genetic algorithm with double agents structure

This paper systematically proposed a multi-population agent co-genetic algorithm with double chain-like agent structure (MPATCGA) to solve the problem of the low optimization precision and long optimization time of simple genetic algorithm in terms of two coding strategy. This algorithm adopted multi-population parallel searching mode, close chain-like agent structure, cycle chain-like agent structure, dynamic neighborhood competition, and improved crossover strategy to realize parallel optimization, and has the characteristics of high optimization precision and short optimization time. Besides, the size of each sub-population is adaptive. The characteristic is very competitive when dealing with imbalanced workload. In order to verify the optimization precision of this algorithm with binary coding, some popular benchmark test functions were used for comparing this algorithm and a popular agent genetic algorithm (MAGA). The experimental results show that MPATCGA has higher optimization precision and shorter optimization time than MAGA. Besides, in order to show the optimization performance of MPATCGA with real coding, the authors used it for feature selection problems as optimization algorithm and compared it with some other well-known GAs. The experimental results show that MPATCGA has higher optimization precision (feature selection precision). In order to show the performance of the adaptability of size of sub-populations, MPATCGA with sub-populations with same size and MPATCGA with sub-populations with different size are compared. The experimental results show that when the workload on different sub-populations becomes not same, the adaptability will adaptively change the size of different sub-population to obtain precision as high as possible.     

Automatic color constancy algorithm selection and combination

In this work, we investigate how illuminant estimation techniques can be improved taking into account intrinsic, low level properties of the images. We show how these properties can be used to drive, given a set of illuminant estimation algorithms, the selection of the best algorithm for a given image. The algorithm selection is made by a decision forest composed of several trees on the basis of the values of a set of heterogeneous features. The features represent the image content in terms of low-level visual properties. The trees are trained to select the algorithm that minimizes the expected error in illuminant estimation. We also designed a combination strategy that estimates the illuminant as a weighted sum of the different algorithms’ estimations. Experimental results on the widely used Ciurea and Funt dataset demonstrate the effectiveness of our approach.