基于全局和局部特征的跨模态行人再识别方法

跨模态行人再识别是对同一行人的可见光图像和红外图像之间进行匹配和识别,相对于单模态行人再识别的难度进一步加大。本文采用循环生成对抗网络(Cycle GAN)转换和扩充数据集,尽可能减少行人体态变化带来的影响;在ResNet50网络的基础上引入全局特征对比模块和局部特征模块,减少图像噪声和行人遮挡带来的影响;将交叉熵损失和改进的三元组损失以比例加和的形式作为多损失联合函数,对网络监督训练。实验结果表明,该方法的平均精确度均值和前十位命中率都达到了较高的水平,优于当前多数方法。     

基于双域滤波的三维块匹配视频去噪算法

将双域滤波和三维块匹配算法相结合,充分利用了视频序列的时空频域的相关性,进行视频去噪。将三维块匹配视频去噪算法中小波阈值去噪得到的图像替换原引导图像,抑制了双域滤波算法基本层不平滑的问题。参考残差矩阵的能量谱对短时傅里叶变换系数进行阈值收缩,减少细节层的噪声残留。实验结果表明,本算法有效地解决了双域滤波算法的基本层不平滑、细节层有噪声残留的问题,主观和客观对比也表明,本算法有着较为优秀的去噪效果。     

基于低秩分解和改进的非局部平均的SAR图像相干斑抑制

为抑制合成孔径雷达（SAR）图像成像过程中形成的相干斑噪声,提出了一种基于低秩分解和改进的非局部平均的SAR图像相干斑去噪方法。首先将SAR图像进行对数处理,将乘性噪声转换为加性噪声;然后利用低秩稀疏分解将对数图像分解成低秩图像部分和稀疏图像部分;接着对含噪严重的稀疏图像部分分析其结构张量,生成非局部平均滤波所需的衰减因子,进行改进的非局部平均滤波去噪;最后再做图像合成,经指数变换得到去噪后的SAR图像。实验结果表明,该方法经视觉评价、边缘保持指数（EPI）和等效视数（ENL）等方面评测,具有较好的抑制噪声和保持边缘及纹理细节的能力。      

基于三维轴距的图像去噪算法

图像去噪是图像处理邻域的重要课题,该文在3维直方图的基础上定义图像的3维轴距,分析无噪声及椒盐噪声影响下图像3维轴距的分布特点,提出基于3维轴距的去噪算法。算法首先对图像进行边沿扩展,再利用3维轴距来检测噪声,最后用非噪声中值滤波来消除噪声。仿真比较了3维轴距去噪算法与中值滤波、自适应开关中值、快速自适应均值滤波、修正方向加权中值滤波和自适应模糊开关中值滤波算法的去噪性能,结果证明该文算法的有效性。     

基于多尺度批量特征丢弃网络的行人重识别研究

针对行人重识别存在的遮挡和姿势变化问题和目前网络识别率低的缺陷,提出了不同空间维度的多分支行人重识别网络模型。首先利用IBN-Net50-a为基础骨干网络提取特征;然后对最后两层卷积层融合批量特征丢弃方法,以增强局部区域专注特征学习;最后拼接不同维度的特征,获得更多浅层、深层的有用信息。在网络训练时,采用三元组损失和标签平滑损失联合策略训练。使用三个常用的基准数据集Market1501、DukeMTMC-reID、CUHK03进行实验验证,并按照主流策略划分数据集。实验结果表明,所提方法的特征泛化能力较好,其中在Market1501数据集的Rank-1和平均准确率（mAP）分别达到95.3%和86.8%;在DukeMTMC-reID数据集的Rank-1和mAP分别达到88.5%和75.9%;在CUHK03数据集的Rank-1和mAP分别达到80.9%和77.8%。     

基于量子分解的航拍图像中值滤波

针对无人机航拍图像在采集或者传输过程中容易产生噪声的问题,提出了一种基于量子图像分解的中值滤波算法。该算法首先将经典图像表示为量子图像,并通过量子理论对量子图像进行分解,得到分解子图,然后利用改进的快速中值滤波算法对分解子图进行去噪,最后将各子图去噪结果进行合成得到最终的去噪图像。实验证明,该方法能够有效去除无人机航拍图像中的椒盐噪声和高斯噪声,所提算法在去噪效果方面与传统中值滤波算法相比,信噪比提高了约17%,与递归中值滤波相比提高了约28%。并且算法的效率得到了一定程度的提高。     

跨模态身份不一致的交叉分类素描行人重识别

素描行人重识别旨在从可见光行人图像库中查找与给定素描行人图像身份相同的图像。虽然已经有较多的跨模态检索算法可以应用于该类问题，但这些算法的背景设定较为单一，没有考虑到训练集中部分身份的行人仅有一个模态样本，即跨模态身份不一致，这极大限制了算法在实际场景下的应用。为此，提出了基于交叉分类的素描行人重识别网络。该网络包括交叉分类和基于距离的身份信息对齐两部分。其中，交叉分类利用单一模态数据训练的分类器引导编码器从另一模态提取到模态不变的信息。而基于距离的身份信息对齐能够将同身份不同模态间的特征距离减小，同时抑制跨模态身份不一致的影响，进而强化了特征的判别性和鲁棒性。为验证跨模态身份不一致时模型的性能表现，基于Matket-1501数据集生成了新的素描行人重识别数据集S-Market1501，并在该数据集上将Rank-1指标提升了11.0个百分点。同时模型在公开数据集Sketch Re-ID上Rank-1指标达到了60%，所设计的数据集将开源在“https：//github. com/huangdaichui/Sketch＿dataset”。     

基于行人属性分级识别的行人再识别

为了提高行人再识别算法的识别效果,该文提出一种基于注意力模型的行人属性分级识别神经网络模型,相对于现有算法,该模型有以下3大优点:一是在网络的特征提取部分,设计用于识别行人属性的注意力模型,提取行人属性信息和显著性程度;二是在网络的特征识别部分,针对行人属性的显著性程度和包含的信息量大小,利用注意力模型对属性进行分级识别;三是分析属性之间的相关性,根据上一级的识别结果,调整下一级的识别策略,从而提高小目标属性的识别准确率,进而提高行人再识别的准确率。实验结果表明,该文提出的模型相较于现有方法,有效提高了行人再识别的首位准确率,其中,Market1501数据集上,首位准确率达到了93.1%,在DukeMTMC数据集上,首位准确率达到了81.7%。     

基于双域滤波与引导滤波的快速医学MR图像去噪

针对医学磁共振(Magnetic Resonance,MR)图像 中存在Rician噪声较大以及双域滤波算法对Rician噪声处理不彻底、 运行时间较长的缺点,提出一种双域滤波与引导滤波相结合的快速医学MR 图像去噪算法。 该算法将引导滤波边缘保持后 的图像作为双域滤波算法的原引导图像,减少双域滤波算法的迭代次数,缩短算法运行时间 ;然后通过改进算法权重,结合 原始权重系数和指数核函数,构造新的权重系数,对噪声进行有效处理。实验结果表明,本 文算法能有效去除医学MR图 像噪声,保护图像细节,相比优秀的医学MR图像去噪算法,具有更高的峰值信噪比和结构 相似度;且相比经典双域滤波 算法,改进后的算法能将运行时间减少1/3,相比非局部均值算法, 可减少1/2。     

基于阶梯型特征空间分割与局部注意力机制的行人重识别

为了让网络捕捉到更有效的内容来进行行人的判别,该文提出一种基于阶梯型特征空间分割与局部分支注意力网络(SLANet)机制的多分支网络来关注局部图像的显著信息。首先,在网络中引入阶梯型分支注意力模块,该模块以阶梯型对特征图进行水平分块,并且使用了分支注意力给每个分支分配不同的权重。其次,在网络中引入多尺度自适应注意力模块,该模块对局部特征进行处理,自适应调整感受野尺寸来适应不同尺度图像,同时融合了通道注意力和空间注意力筛选出图像重要特征。在网络的设计上,使用多粒度网络将全局特征和局部特征进行结合。最后,该方法在3个被广泛使用的行人重识别数据集Market-1501,DukeMTMC-reID和CUHK03上进行验证。其中在Market-1501数据集上的mAP和Rank-1分别达到了88.1%和95.6%。实验结果表明,该文所提出的网络模型能够提高行人重识别准确率。     

能量分布识别相位畸变的自适应双域滤波方法

在基于能量分布识别相位畸变方法中,条纹图像的质量是影响畸变识别精度的主要因素之一。为了准确辨别条纹相位畸变,需对条纹图像进行滤波处理,滤除图像中的噪声以及背景信息等。提出了一种基于能量分布的自适应图像滤波方法,通过傅里叶变换将图像转换为能量分布图,根据畸变与未畸变图像能量弥散度差值大小对小波滤波的阈值进行调整,旨在寻求能量弥散度差值最大的阈值作为针对当前图像的滤波方法可接受阈值。通过对单空域、单频域以及双域滤波方法进行实验验证,结果表明单一使用空域或频域滤波处理,畸变图像与未畸变图像能量分布差别在1.4 %~3.2 %,使用非自适应双域滤波方法进行滤波处理,能量分布差别在7 %以上,而采用自适应双域滤波方法进行滤波处理,能量分布差别超过8 %。自适应双域滤波方法显著提高了能量的识别精度。     

基于多尺度加权特征融合的行人重识别方法研究

针对目前由于行人重识别普遍存在的遮挡以及多姿态变化等原因,导致的行人重识别率低的问题,提出一种基于多尺度加权特征融合的行人重识别方法（Person Re-identification Method Based on Multi-scale Weighted Feature Fusion,MSWF）。该方法首先使用基准网络ResNeSt-50提取图像特征,获得下采样3倍、下采样4倍和下采样5倍的特征图,输入到加权特征金字塔网络中,然后使用快速归一化融合方法进行特征融合,在特征融合中引入加权操作可以让模型在训练过程中学习如何给融合特征的权重值进行分配,这样可以充分利用不同尺度的特征,获得更加丰富的行人特征。最后将融合后的富含语义信息的高层特征作为全局特征,将融合后的高分辨率特征作为局部特征。在训练过程中,联合Softmax分类损失函数、三元组损失函数和中心损失函数对模型进行训练,在测试阶段,将全局特征和局部特征沿通道维度进行拼接表示行人特征,并使用欧氏距离计算行人之间的距离。该方法在Market-1501、DukeMTMC-reID、CUHK03-Labeled和CUHK03-Detect...     

一种基于DWT-DCT变换域的全息水印技术

在研究傅里叶全息技术基础上,提出了一种结合离 散小波变换和离散波变换(DWT-DCT)变换的彩色图像数字水印算法,使得水印 拥有强鲁棒性和不可见性。首先,对水印信息进行傅里叶变换,并生成全息水印图; 其次,将载体图 像在RGB空间内的蓝色B分量进行小波分解,对其低频部分进行DCT;最后, 将水印全息图嵌入其高频系数 中。实验结果发现,以k=0.05的强度嵌入水印后,含水印图像的峰值 信噪比(PSNR)达到47,能有效抵抗 信号处理和裁切攻击,同时提取出的水印和原始水印的相似性(NC值)能保持在0. 75以上,说明本文水印 算法有较强的鲁棒性和不可见性。本文算法能够抵抗裁切、滤波、噪声和JPEG压缩攻击,可 用于数字图像版权保护方面。     

复杂光照条件下的多姿状鲁棒性人脸识别方法

为改善复杂光照条件下的多姿状鲁棒性人脸识别的效果,提出了小波变换与LBP的多姿状鲁棒性人脸识别方法。通过二维离散小波变换对人脸图像进行二级小波分解提取到低频特征信息分量,并以重构初始图像的方式实现降噪滤波处理,滤除低频光照分量后完成复杂光照补偿;继续分解复杂光照补偿后的图像,采用LBP算子对子图像的鲁棒性部分纹理特征进行描述后,提取出人脸图像各子图像的直方图特征并连接,得到人脸LBP纹理特征,通过统计法运算该特征距离,并通过K近邻分类器实现人脸特征分类识别。以Yale-B与AR人脸库为测试对象,结果表明,所研究方法对复杂光照鲁棒性较强,识别人脸的准确率与效率较高,整体识别效果较好。     

基于多层级特征融合的行人重识别算法

针对行人遮挡、姿态变化等现象造成当前行人重 识别算法精度不高的问题,提出一 种基于多层级特征融合的行人重识别算法。首先通过自注意力机制骨干网络ResNeSt提取图 像特征中的短距离信息;其次通过多尺度 金字塔卷积(pyramid convolution,Pyconv) 分支网络提取图像中长像素关 联特征信息,提高模型表达能力;最后使用一种统一形式且可学习的广义均值池化 (generalized mean pooling,GEM) 替代传统平均池化层,达到关注不同区域特征差异性目的。测试阶段添加平均逆消极惩罚 (mINP)作为新评价指标。实验结果表明,本文所提算法在多个数据集上均展现出优势,在 DukeMTMC-ReID数据集上Rank-1达到了90.9%,mAP达到了89.8%。     

基于YOLOv5算法的红外图像行人检测研究北大核心CSCD

目标检测是自动驾驶的重要前提,是与外界信息交互的重要环节。针对夜间远处行人检测识别精度低、漏检的问题,提出一种针对检测小尺寸行人的YOLOv5-p4的夜间行人识别模型。首先,通过增加更小目标的检测层,引入BiFPN特征融合机制,防止小目标被噪声淹没,使网络模型可以更聚焦于物体的细小特征;同时使用K-means先验框聚类出更小目标的锚框,并且使用了多尺度的数据增强方法,增加模型的鲁棒性。使用了MetaAcon-C激活函数与EIoU回归损失函数使模型收敛效果更好,提升了算法远距离行人的检测的准确率。最后在红外行人数据集FLIR上验证改进后的YOLOv5-p4模型对于行人的检测能力,实验结果表明该方法与传统方法相比,准确率从86.9%提升到90.3%,适合用于红外图像中的行人检测。     

基于小波域扩频水印算法及实现

为了达到数字产品产权保护的目的,在此提出了一种基于小波域的扩频水印算法。该算法采用二值图像作为水印,首先对原始载体图像进行DWT一级分解,然后用2个不相关的伪随机序列分别代表水印信息中的0和1,嵌入到小波分解后的LH,HL和HH三个子图上,最后’进行逆向小波变换生成嵌入水印后的图像。通过在开发工具Matlab下的模拟实验,得出了该算法对滤波、噪声和剪切等攻击显示出较强的鲁棒性,取得了隐蔽性和鲁棒性的良好折衷。     

基于LAB色彩空间的自适应数字水印算法

文章针对彩色图像提出了一种基于LAB色彩空间的自适应数字水印算法。算法将预处理置乱后的水印嵌入LAB色彩空间的亮度L分量,在嵌入过程中根据人类视觉对LAB空间色差的要求自适应地调整嵌入强度因子,以达到平衡水印图像的鲁棒性和不可见性。实验结果表明该算法对常用的图像处理,如压缩、低通滤波、加噪、剪切、旋转和缩放等攻击具有较好的鲁棒性和不可见性。