基于模糊量化和2 bit深度像素的运动估计算法

提出了一种2 bit深度像素的运动估计算法。首先,将像素深度的降采样过程形式化为区间分划和区间映射2个步骤,其中前者为多对一映射,决定着运动估计性能,后者为一一映射;其次,提出一种非均匀量化方法求解区间分划的3个初始阈值,并利用隶属度函数对初始阈值细化,从而克服信号噪声等因素导致的初始阈值周围像素值的误匹配;再次,讨论了适用于2 bit深度像素运动估计的误差度量准则,进而提出了基于模糊量化和2 bit深度像素的运动估计算法;最后,借助信号自相关函数,建立比特深度转换误差—运动向量精度模型来估计该算法所能达到的预测精度。实验结果证明,对于多种类型的视频序列,尤其是场景细节和物体运动比较复杂者,该算法始终能保持较高的估计精度,运动补偿的平均峰值信噪比较之传统2 bit深度像素的运动估计提高0.27 dB。     

以图搜图:基于显著性注意力的美容产品检索网络EI北大核心CSCD

在基于深度学习的美容产品检索任务中,图片背景、拍摄角度和产品摆放姿态均是产品图片上潜在的干扰信息;同时,检索数据库中众多相似产品会互相干扰.针对这些问题,将显著性注意力机制融入损失函数、随即丢弃模块和相似项计算中,分别设计了显著性损失函数、显著性随即丢弃模块和显著相似性方法,有效地抑制了用户待检索图片与检索数据库图片中的干扰信息;然后,采用有效的特征提取器抵抗图片相似项的干扰;最后综合上述4个模块,提出基于显著性注意力的美容产品检索网络SA-Net.经过Pro-10k数据集训练,在Per-500k数据集上进行消融学习和对比实验的结果表明,SA-Net提升了美容产品检索的准确度,比已公开的最好同类算法AMAC提高3%.     

人脸识别任务驱动的低光照图像增强算法

图像容易受外界照明条件的影响或相机参数条件的限制,导致图像整体偏暗、视觉效果不佳,降低了下游视觉任务的性能,从而引发安全问题。以人脸识别任务为驱动,提出了一种基于对比学习范式的非成对低光照图像增强算法Low-FaceNet。Low-FaceNet主干采用基于U-Net结构的图像增强网络,引入特征保持、语义分割和人脸识别3个子网络辅助图像增强网络的训练。使用对比学习范式可以使得真实世界大量非成对的低光照和正常光照图像作为负/正样本,提高了真实场景的泛化能力;融入高阶语义信息,可以指导低阶图像增强网络更高质量地增强图像;任务驱动可以增强图像的同时提升人脸识别的准确率。在多个公开数据集上进行验证,可视化与量化结果均表明,Low-FaceNet能在增强图像亮度的同时保持图像中各种细节特征,并有效地提升低光照条件下人脸识别的准确率。     

基于MCS-51单片机的温度控制系统

从硬件和软件两个方面介绍了以MCS-51单片机为核心温控系统的组成，阐述了PID参数采用模糊整定的控制算法，用此系统对电炉加热实验装置进行控制取得了较好的效果。     

大尺度图像编辑的泊松方程并行多重网格求解算法

随着获取设备的发展,大尺度、高分辫率数字图像已逐步进入人们的生活,大尺度图像的梯度域编辑显得更为重要,求解大规模未知数的泊松方程是大尺度图像梯度域编辑的关键。传统多重网格算法的迭代、约束和插值操作单独进行,内存和外存间通讯量大,算法效率低,为此提出了一种面向大尺度图像梯度域编辑的并行多重网格求解泊松方程的算法。该算法利用多重网格的迭代、约束和插值过程的内存数据访问局部性和更新相关性,构造滑动工作窗口,使迭代、约束和插值操作并行运行,提高了多重网格算法求解泊松方程的计算效率。全景图拼接实验表明,所提算法的运行效率高于超松弛迭代、高斯塞德尔迭代和传统多重网格算法。     

一种基于网格参数化的图像适应方法

图像适应是指将高分辨率的数字图像显示在手机、PDA等屏幕较小的显示终端上的过程.提出一种全新的基于网格参数化的图像适应方法,该方法的关键在于把图像表示为特征网格,从而将图像适应问题转化为网格的参数化,即求取一个与该特征网格同拓扑,且具有目标屏幕尺寸的网格.为了突出图像中的重要物体,该方法建立了源图像对应的特征网格与图像显著度的关系;通过优化基于显著度伸长的网格参数化的能量来求解适应图像的网格;然后借助纹理映射生成适应图像.另外,该方法在参数化的过程中增加了对显著区域和背景结构的约束,能够在保持并增强图像中重要物体的同时,使适应图像的结构不发生明显形变.该方法能够方便地处理具有复杂背景和包含多目标物体的图像的适应问题.实验结果显示了该方法的有效性.     

基于辐照度的运动模糊图像去模糊

目的 已有的图像运动去模糊研究没有考虑模糊实际上发生在辐照度图像中的问题,也缺少自动检测成块饱和像素的方法。针对这两个问题,提出基于辐照度的运动模糊图像去模糊方法。方法 提出能量累积形成模糊的运动过程与摄像机响应函数相结合的摄像机响应函数求解方法,以及基于块的饱和像素自动检测算法并在此基础上,对辐照度图去除运动模糊和亮度还原,实现清晰原图恢复。结果 对单幅图像的定性去模糊取得了比直接去模糊等前人方法更小的振铃,较好的噪声抑制和清晰图像还原效果;采用信噪比的定量对比也取得较前人方法更高的数值。结论 基于辐照度的方法对图像运动去模糊效率有提升作用。     

噪声方差未知的小波域中非局部均值图像去噪

为了有效地去除噪声,获得细节清晰的图像,提出一种噪声参数未知情况下基于小波分析的图像去噪算法.首先对图像上交互选定的不含细节的样本区域进行小波分解,根据噪声方差在不同尺度、不同方向子带内的映像建立噪声的特征向量;利用此特征向量计算小波分解后高频子带内各小波系数之间的相似度,把该相似度作为权值对当前小波系数进行调整.实验结果表明,文中算法对于噪声方差未知的图像不仅能有效地去除噪声,而且能保持图像的边缘信息,获得较好的去噪效果;对实拍的含噪数码照片进行测试的效果理想.     

利用SIFT特征的非对称匹配图像拼接盲检测

复制粘贴伪造图像鉴定检测图像中的疑似相似区域。传统的逐像素或逐块的鉴定方式耗时冗长。提出一种利用SIFT(尺度不变特征转换)特征的非对称搜索的复制粘贴伪造图像盲检测算法,算法利用图像SIFT特征初步定位复制粘贴伪造疑似区域,利用非对称特征搜索方式进行方向性的特征匹配,准确定位复制粘贴伪造区域。实验结果表明,本文算法能够准确检测复制粘贴伪造区域,检测结果不受高斯、椒盐等噪声的影响,检测效率比传统算法提高了1～2个数量级。     

结合浅景深与构图的图像质量评价

近年来,图像质量评价方法在图像处理和理解领域受到越来越多的关注.传统的方法主要关注噪声、清晰度、分辨率等影响图像质量的底层因素.随着数码设备的不断发展,这些底层因素已经得到很好的解决,人们能够很容易地获得具有较高底层质量,即低噪声、高清晰度、高分辨率的图像.因此,图像质量评价的焦点逐渐转向从美学的角度进行评价.对于一幅图像,主要从两个角度来考虑其是否符合人类主观的美学需求:1)图像的主题是否突出;2)图像的布局是否合理.基于上述考虑,提出一种结合图像景深和构图的质量评价方法:一方面,提出一种基于模糊度量的浅景深判断方法,浅景深的图像能够突出主题、虚化背景,具有更强的视觉冲击力与美学表现力;另一方面,提出一种基于“三分法”的图像构图评价方法,符合“三分法”构图的图像布局更加紧凑有力、简洁明了、符合人类的欣赏习惯;最后,将浅景深判断与图像构图评价进行结合,从美学的角度自动地对图像进行客观、综合的评价.按本文方法,可以挑选出符合以上美学规则的图像.从实验结果可以看出,根据本文方法选出的高质量图像也符合人类主观的美学需求.