偏振光线跟踪绘制技术研究进展综述

光线跟踪是计算机图形学中一种高真实感绘制方法,传统的绘制算法忽略了光的偏振效应.而研究表明:在光线跟踪中加入光的偏振效应,能对绘制结果产生重要的影响.偏振光线跟踪是预测绘制技术的研究核心,它不仅可以提供高真实感的绘制效果,而且已被应用于偏振场景仿真和导航等领域.目前,偏振光线跟踪在国内尚未有相关工作.在预测绘制的框架下,根据偏振光线跟踪的流程,对偏振光线跟踪绘制技术的要点与关键问题进行了分析、总结与展望.     

基于信任知识库的概率模糊认知图

模糊认知图较难表示概念间因果关系测度的不确定性、因果联系的时空特性及专家对知识的不确定性．在继承模糊认知图模型优点的前提下，在概念间的因果关系中引入条件概率及信任知识库表示，提出基于信任知识库的概率模糊认知图模型．该模型用条件概率及信任知识库表示因果联系的时空特性、专家对知识及概念间因果关系测度的不确定性，从而将因果关系测度的不确定性、因果联系的时空特性及专家对知识的不确定性有效地融入模糊认知图中，自然扩展了模糊认知图模拟因果关系的能力，较大限度地减少了认知图对现实世界模拟的失真．最后通过实验说明了基于信任知识库的概率模糊认知图模型，具有比FCM更强的模拟能力．     

一种协同模式识别不变性算法

提出一种协同模式识别的不变性算法.利用协同模式识别的有势动力学理论,求取测试样本的仿射变换参数.通过原型模式对测试样本的自适应或原型模式对测试样本的同化,由序参量动力学演化过程得到正确的识别模式.此算法避免利用傅立叶等方法进行变换域的处理,而且更符合人的认知过程.仿真实验验证了算法的有效性和鲁棒性.     

特征驱动的曲面重建

提出了基于散乱空间点集进行曲面重建的新方法,从点集的空间位置信息中提取待建曲面的内蕴特征量——法向和曲率,利用点集的这些特征信息来确定拓扑重建的搜索空间,采用面片生长的方式重建曲面。该方法在快速获得正确拓扑连接的同时,直接生成了用较少的面片就能保持曲面特征的优化网格。     

基于支持样本间接式的行人再识别

行人再识别就是在无重叠视域多摄像机监控系统中,识别出相同的行人。针对来自于不同摄像头行人图片存在着视角、光照和尺度变化的问题。该文提出了基于支持样本间接式匹配的行人再识别方法。该算法首先通过聚类的方法分别提取不同摄像头下的支持样本,当要对来自不同摄像头的行人进行匹配时,在距离测度的基础上利用支持样本分别判别出其所在摄像头下的行人类别,通过类别的对比判断是否为同一行人。该方法避免了不同摄像头下行人图片直接匹配,有效解决不同摄像头带来的视角、光照和尺度问题。实验结果表明该文的算法相比一些经典算法识别率有一定的提高,并且在数据集VIPeR, CAVIAR4ReID和CUHK01上,Rank1分别达到了43.60%, 41.36%, 43.82%。     

Bayes 网络推理结论的解释机制研究

提出一种关于Bayes网络的解释机制,用于解释证据对推理结论的作用程度、方向及路径．引入必要性和充分性因子作为度量来评价证据对推理结论的作用程度;通过定性分析网络结构特点,找出与推理结论有关的节点,在此基础上,结合定量分析找出组成作用路径的子链,并分析这些子链对推理结论的作用,由此生成和解释证据对推理结论的作用路径．实验结果验证了方法的有效性．     

提高地质测量精度方法的研讨

地质测量作为地质信息体系的有机组成部分,对地质类型与地形分布等数据实现了有效整合,为区域开发、社会管理等活动的开展提供了数据支撑.文章从实际出发,尝试采取系列举措,应对地质测量过程中存在的各类问题,实现测量精度的提升,打造成熟的地质测量模式.     

一种新的小世界体系联想记忆模型

提出一种新的基于小世界体系的结构自适应联想记忆模型.原始小世界网络捷径生成具有随机性,缺乏面向任务的确定性操作.针对此不足,借鉴复杂动态网络中和谐统一的混合择优模型构建思想,考虑有限代谢能量资源限制条件下网络连接结构最优修剪原则,给出相应的理论推导.在此理论基础上,新模型打破了已有小世界体系联想记忆网络捷径随机生成的定式,可根据学习样本实际需求,有目的地选择捷径生成,构建样本自适应的网络结构.所构造出的新网络模型既具有一定的生物学基础,维持了网络结构的小世界体系,又能在网络资源受限条件下达到最优的联想记忆性能.实验结果证明了该模型用于联想记忆实现时的有效性及合理性.     

光场显著性检测研究综述

显著性检测一直是计算机视觉领域的关键问题,在视觉跟踪、图像压缩和目标识别等方面有着非常重要的应用。基于传统RGB图像和RGB-D （RGB depth）图像的显著性检测易受复杂背景、光照、遮挡等因素影响,在复杂场景的检测精度较低,鲁棒的显著性检测仍存在很大挑战。随着光场成像技术的发展,人们开始从新的途径解决显著性检测问题。光场数据记录着空间光线位置信息和方向信息,隐含场景的几何结构,能为显著性检测提供可靠的背景、深度等先验信息。因此,利用光场数据进行显著性检测得到了广泛关注,成为研究热点。尽管基于光场数据的显著性检测算法陆续出现,但是缺少对该问题的深刻理解以及研究进展的全面综述。本文系统地综述了基于光场数据的显著性检测研究现状,并进行深入探讨和展望。对光场理论以及用于光场显著性检测的公共数据集进行介绍;系统地介绍了光场显著性检测领域的算法模型和最新进展,从人工设计光场特征、稀疏编码特征和深度学习特征等方面进行全面阐述及分析;通过4个公共光场显著性数据集上的实验数据对不同方法的优缺点进行比较和分析,并结合实际应用指出当前研究的局限性与发展趋势。     

基于电矢量描述的大气偏振建模

现有理想情况下大气偏振建模回避了对散射过程的描述,无法扩展到实际模型.本文采用电场强度矢量描述光波,建立天球坐标系与东北天坐标系研究光的多点单次散射过程.利用两坐标系之间的转换关系计算参数,将单次瑞利散射分析方法应用于全天域.计算散射光电场强度矢量并处理,得到偏振度和偏振方向矢量来表征大气偏振信息.仿真实验表明该方法能够准确描述理想情况下大气偏振模式,且所得电矢量可以作为实际建模的参考数据,方法具有一定的扩展性和应用价值.