基于生成式对抗网络的图像超分辨率重建算法

针对传统图像超分辨率重建算法存在网络训练困难与生成图像存在伪影的问题,提出一种利用生成式对抗网络的超分辨率重建算法。去除生成式对抗网络的批量归一化层降低计算复杂度,将其中的残差块替换为密集残差块构成生成网络,使用VGG19网络作为判别网络的基础框架,以全局平均池化代替全连接层防止过拟合,引入纹理损失函数、感知损失函数、对抗损失函数和内容损失函数构成生成器的总目标函数,利用纹理损失增强局部信息匹配度,采用激活层前的特征信息计算感知损失获取更多细节特征,使用WGAN-GP理论优化网络模型的对抗损失加速收敛,运用内容损失提升图像低频信息的准确性。实验结果表明,该算法重建图像的平均峰值信噪比为27.97 dB,平均结构相似性为0.777,与SRGAN和EDSR等算法相比,其在未延长较多运行时间的情况下,重建结果的纹理细节更清晰且亮度信息更准确,更符合视觉感官评价要求。     

基于径向曲线与支持向量回归的颅骨修复方法

颅骨修复技术是对有缺损的颅骨补全对应的缺损部分,进而实现颅骨形状的完整性。针对高维颅骨数据,采用径向曲线来表示颅骨几何特征,结合最小二乘支持向量回归的方法构建颅骨修复模型。提取完整的三维颅骨模型的径向曲线,将其分为已有径向曲线和缺失径向曲线两部分作为训练样本,采用最小二乘支持向量回归统计模型复原出待修复颅骨的缺失径向曲线,进而合并生成待修复颅骨的完整径向曲线,通过迭代最近点算法将合并的颅骨径向曲线与颅骨统计模型进行匹配生成完整的三维颅骨模型。实验结果表明,该方法的平均误差达到6.834×10^-3,比主成分分析方法降低2.90倍,具有更好的修复效果。     

基于语义解析的领域问答系统的设计与实现

针对高考咨询问题重复性高、搜索引擎回答较为冗余等现状,从各网站的半结构化以及非结构数据中抽取知识三元组,构建高校信息知识图谱;对涉及多种约束的复杂问句的问答方法进行研究,提出一个基于语义解析的问答模型,通过对问句的解析将问句自动转换为Neo4 j查询语句.实验结果表明,该系统能较为准确地回答大部分领域问题,为其他领域类问答系统的实现提供了借鉴.     

基于参数化的三维颅面配准

针对颅面配准问题,提出通过对颅面进行参数化将其转换成二维参数域的对应问题。首先,根据人类的生理特征标定6个特征点,利用这些特征点将颅面转换到一个统一的坐标系以实现姿态和大小的统一;其次,以两个外眼角为约束对参考颅面进行最小二乘保角映射,计算出6个特征点的参数值;然后,以这六个生理特征点的参数值为约束,利用最小二乘保角映射将任一待配准模型映射到二维参数域;最后,根据二维参数域确定三维颅面上的对应点,从而实现三维数据配准。为了验证所提方法,以对应点为控制点,利用薄板样条(TPS)变换把参考颅面变形到目标颅面,以变形后两个模型上对应点之间的几何距离的平均为度量,将所提算法和基于主轴分析的迭代最近点(ICP)配准以及基于随机采样控制点的迭代TPS配准方法进行了比较,实验结果表明,所提算法的配准效果优于其他两种方法。     

基于测地回归模型的颅面复原

颅面复原是指根据一个未知颅骨的特征预测出对应的面貌,在考古研究、医学整容、刑事案件调查等领域有重要应用.为解决颅面复原过程中存在着数据量大、需要大量标定特征点的手工工作及颅面特征点定义困难的问题,针对三角网格表示的三维颅骨和面皮模型,将颅面模型用从鼻尖出发的一组测地线表示,提出了基于测地回归的颅面复原方法.该方法首先从...     

即时战略游戏的智能流场寻路算法设计与实现

针对即时战略游戏中多智能体寻路时间长和移动碰撞阻塞的问题,提出一种基于组合式改进的流场寻路算法。首先,采用红黑树存储数据,提高数据的存取速度;其次,采用惩罚函数将非线性的偏微分方程问题转化为线性的无约束问题,简化完整代价值的计算方式;最后,引入前置邻接点关联节点,生成流场方向。该算法与改进前的流场寻路算法相比,路径计算时间减少20%,平均移动时间稳定在20 s。实验结果表明,在即时战略游戏中采用改进后的流场寻路算法能够有效缩短寻路时间,提高智能体移动速度,提升游戏人工智能水平。     

基于CNN集成的面部表情识别

针对面部表情识别在许多领域的重要应用,本文提出了一种基于卷积神经网络(convolutional neural network,CNN)集成的面部表情识别(facial expression recognition,FER)方法。采用3种网络结构不同的卷积神经网络进行训练,利用这些深层模型,使用基于验证准确性的多数投票、简单平均和加权平均的集合方法,在CK+数据集和FER-2013数据集上分别测试单一网络模型和集合网络模型。测试结果表明,单一模型的最佳识别率分别为98.99%和66.45%,集合网络的最佳识别率分别达到99.33%和67.98%,说明使用集合方法的模型比单一模型表现更佳,其中加权平均的集合方法优于简单平均和多数投票,说明本文所提出的方法能够满足面部表情识别的要求。该研究具有一定的实际应用价值。     

基于图像的面部表情识别方法综述

近年来,面部表情识别在教育、医学、心理分析以及商业领域得到了广泛关注。针对目前表情识别方法不够系统、概念模糊的问题,对面部表情识别的步骤及其方法进行了综述探讨。首先,介绍了目前常用的人脸表情数据集,并回顾了面部表情识别的发展历程;然后,介绍了人脸表情识别的面部表情编码和面部表情识别过程这两个方面,归纳了人脸面部表情识别的四个过程,重点总结了特征提取和表情分类两个过程中的经典算法以及这些算法的基本原理和优劣比较;最后,指出了目前面部表情识别存在的问题和未来可能的发展趋势。     

基于深度学习的面部表情识别研究

针对基于深度学习的静态人脸图像表情识别方法进行研究,首先介绍了深度学习的原理,并归纳了目前公开且常用的面部表情数据集;然后介绍了基于深度学习的表情识别的三个步骤,归纳了图像预处理和表情分类的主要方法,重点总结了目前性能较好用来提取特征的深度学习框架以及这些方法的基本原理和优劣势比较;最后指出了目前面部表情识别存在的问题和未来可能的发展趋势。