特征平衡的无人机航拍图像目标检测算法

无人机航拍图像目标较小、图像视角变化大,导致目标检测效果不佳。针对此问题,设计了一种适用于无人机小目标检测的网络。该网络中的可变形卷积模块可以提高多视角目标的特征提取能力,以解决航拍图像目标视角变化剧烈致使目标特征难以提取的问题;特征平衡金字塔模块可以增强网络中底层小目标特征,以解决航拍图像中的小目标因特征易丢失而造成其检测效果差的问题;同时利用像素重组构建底层大尺度特征以解决特征平衡金字塔模块的底层特征卷积运算量大的问题;交叉自注意力机制获取目标上下文信息,改善严苛条件下的漏检错检问题。公开数据集上的仿真结果表明,在保证实时检测的情况下所提算法的平均准确度优于主流检测算法。     

图像字典的盲构造算法

为了使冗余字典能够自适应地表征图像特征,提 出了一种优化的图像字典构造算法。算法 采用了冗余字典内基元类之间的灰色关联度作为字典优化依据,建立了一种新的字典优化原 则,提出了一 种自适应的字典设计算法。算法能够根据图像结构和噪声等信息自适应地选择字典的冗余 因子,将算法运用于图像去噪,结果表明,算法效率大大提高,同时也提高了图像去噪 效果。     

噪声稳健性的卡方生成对抗网络

针对不同分布噪声下生成对抗网络生成样本质量差异明显的问题,提出了一种噪声稳健性的卡方生成对抗网络。所提网络结合了卡方散度量化敏感性和稀疏不变性的优势,引入卡方散度计算生成样本分布和真实样本分布的距离,减小不同噪声对生成样本的影响且降低对真实样本的质量要求;搭建了网络架构,构建全局优化目标函数,促进网络不断优化并增强博弈的有效性。实验结果表明,所提网络在不同噪声下的生成样本质量和稳健性优于目前几种主流网络,且图像质量差异较小。卡方散度的引入不仅提高了生成样本质量,而且提升了网络在不同噪声下的稳健性。     

Contourlet变换中不同滤波器对图像去噪效果的研究

在对Contourlet变换涉及的方向滤波器和金字塔滤波器分析的基础上,验证了选择不同滤波器对图像去噪的影响,提出在Contourlet变换中应用具有视觉特性的紧支双正交滤波器,可以提高图像去噪的效果.仿真试验表明,文中提出的滤波器不仅使原有的Contourlet变换的去噪效果获得提高,而且文中提出的滤波器使CHMT(Contourlet domain Hidden Markov Trees)去噪效果得到优化,去噪后图像的PSNR有明显提高.     

数字图像反取证技术综述

目的 数字图像的真实性问题备受人们关注,被动取证是解决该问题的有效途径。然而,如果伪造者在篡改图像的同时利用反取证技术对篡改的痕迹进行消除或伪造,那么已有的大量被动取证技术都将失效。回顾图像反取证技术的研究现状（包括兴起原因、实现原理、技术特点以及应用前景）,并根据已有文献总结反取证技术面临的主要挑战和机遇。方法 由于现有的被动取证技术大都基于遗留痕迹和固有特征的异同来辨识图像真伪,因此本文以不同的取证特征为线索来评述和比较反取证技术的原理和策略。结果 根据取证特征的不同,将反取证技术归纳为遗留痕迹隐藏、固有特征伪造和反取证检测等三类,并展示了当前各类反取证技术面临的难点和挑战。结论 对数字图像反取证技术进行总结和展望,并指出其算法未来在通用性、安全性、可靠性等方面将有待进一步的深入研究。     

人群密集度下GAN的视频异常行为检测进展

视频异常检测作为计算机视觉的重要分支,是智能监控系统中一项极具挑战性的任务,通常是指自动识别视频中的异常目标、行为或事件,对保障公共安全起着至关重要的作用。生成对抗网络是一种新兴的无监督方法,不仅可以用于生成图像,且其独特的对抗性学习思想在异常检测领域也显示出良好的发展潜力。介绍了生成对抗网络的框架结构;根据场景密度以及行为发生的对象,从个体行为异常、群体异常两个方面论述了生成对抗网络在视频异常检测领域的研究现状,分别基于重构和预测的方法对个体异常行为检测和群体异常行为检测作进一步阐述;简要介绍了视频异常检测的常用数据集;最后对未来发展作出了展望。     

语音情感识别综述

人类的语音情感变化是一个抽象的动态过程,难以使用静态信息对其情感交互进行描述,而人工智能的兴起为语音情感识别的发展带来了新的契机。从语音情感识别的概念和在国内外发展的历史进程入手,分别从5个方面对近些年关于语音情感识别的研究成果进行了归纳总结。介绍了语音情感特征,归纳总结了各种语音特征参数对语音情感识别的意义。分别对语音情感数据库的分类及特点、语音情感识别算法的分类及优缺点、语音情感识别的应用以及语音情感识别现阶段所遇到的挑战进行了详细的阐述。立足于研究现状对语音情感识别的未来研究及其发展进行了展望。     

遥感图像的亚像元匹配方法研究

为了在一定亚像元匹配精度下提高亚像元匹配速度、研究传统的模板匹配亚像元方法,提出将图像重采样法和曲面拟合法结合起来用于亚像元匹配。先利用序贯相似性检测法,找到像元级的最佳匹配点,然后对模板n倍重采样,计算每个子模板与最佳匹配点的归一化相似性度量值,并计算当归一化相似性度量值最大时所对应的子模板在图像中的位置,再在绝对误差值最小的3×3区域内应用曲面拟合法,从而得到亚像元定位坐标。结果表明,采用图像重采样法和曲面拟合法相结合的新方法,在10倍重采样的前提下,匹配精度高于0.04像元的亚像元精度。     

基于Contourlet域HMT模型的红外图像去噪算法

去噪是图像处理的一个关键问题,文章提出了基于多尺度分析下的红外图像去噪算法.在对红外图像噪声特点进行详细分析的基础上,验证了红外图像的Contourlet子带系数满足广义高斯(Generalized Gaussian Distribution)GGD模型,提出了用Contourlet域隐马尔可夫树(Contourlet domain Hidden Markov Trees)CHMT来进行红外图像的去噪.将算法应用于几种红外图像,对红外图像去噪视觉效果和峰值信噪比两方面进行比较,文中提出的去噪方法取得了较好的效果,尤其是在边缘保持方面.     

采用Benders分解的5G核心网用户面动态部署算法

为了应对5G网络时变的数据流量负载，同时满足5G低时延业务需求，提出基于Benders分解的用户面功能(UPF)部署与流量调度多阶段规划算法，以实现边缘网络环境下5G核心网用户面的动态部署.以最小化边缘服务器能耗、UPF部署成本及用户面数据时延为目标，考虑部署决策的延迟影响，建立UPF部署和流量调度多阶段规划模型.用Benders分解算法，将模型分解为UPF部署主问题和一系列流量调度子问题，交替迭代求解主问题和子问题，以获得最优的UPF部署和流量调度.仿真结果表明，所提算法在保证求解精度的同时具有较快的收敛速度；与逐阶段求解方法和基于马尔可夫决策过程(MDP)的启发式算法相比，所提算法分别节省了10.4%和5.1%的总运营成本.