超像素分割算法研究综述

超像素能够捕获图像冗余信息, 降低后续处理任务复杂度, 已受到了国内外研究者的日益关注。首先分析了超像素分割领域的发展现状, 以基于图论的方法和基于梯度下降的方法为视角, 对现有超像素分割方法进行归纳和论述。在此基础上, 就目前常用的超像素分割算法进行了实验对比, 分析各自的优势和不足。最后, 对超像素分割技术的最新应用进行了介绍和展望。     

基于级联卷积神经网络的视频动态烟雾检测

复杂场景中烟雾特性的提取是目前视频烟雾检测领域的主要挑战。针对该问题,提出一种静态和动态特征结合的卷积神经网络视频烟雾检测框架。在静态单帧图像特征检测的基础上,进一步分析其时空域上的动态纹理信息以期克服复杂的环境干扰。实验结果显示,该级联卷积神经网络模型可有效应用于复杂视频场景中烟雾事件的实时检测。     

数字水印技术的实现与应用

介绍了有关数字水印的一些典型技术，实现算法和应用，并对这些技术的优缺点作了简单的评价。文章也提出了一种新的水印技术的设想，并对其可行性进行了系统的分析，建立了相应的可用于模拟实现的抽象模型。对其实现途径提出了一些见解。     

基于级联生成对抗网络的人脸图像修复

人脸图像修复技术为近年来图像处理领域的研究热点。该文提出一种基于级联生成对抗网络的人脸图像修复方法,从生成器、判别器、损失函数三个方面进行改良。生成器采用由粗到精的级联式模型,并结合密集连接模块使所修复区域更加精细;判别器采用局部与全局特征相融合的双重判别式模型以提升判别准确性;损失函数采用最小化重构损失和对抗网络损失相结合以获得更好训练效果。基于CelebA数据集的实验显示,该方法可实现面部区域丢失50%以上的人脸图像修复,在客观评价指标PSNR和SSIM上,较现有方法分别提高了1.1~7.5 dB和0.02~0.15。从主观效果来看,该方法修复的人脸图像拥有更丰富的细节、更显自然。     

一种基于单张图像的烟雾检测算法

为了提高烟雾检测的准确性,有效排除图像中类似烟雾的区域,降低由于环境和光照不同而产生的误检率,提出一种基于颜色矩并结合邻近算法进行分类学习的方法,对图像中的烟雾进行检测,该算法能克服光照不同、背景复杂的干扰,有效消除疑似烟雾区域的存在。算法由两部分构成：烟雾颜色矩特征的提取和利用邻近算法对特征数据集进行分类学习,自动找出并正确标记新的测试图像中烟雾区域的位置。     

基于置信度策略选择的实时目标跟踪方法

目标跟踪一直是计算机视觉领域研究的热点和难点,受自然场景中复杂干扰因素影响,现有方法的速度和精度尚待改善。本文首先对基于颜色属性的目标跟踪算法改进,使之更为鲁棒且速度达到实时。接下来,针对被跟踪目标发生遮挡时,采用基于颜色属性的跟踪算法导致错误累积进而产生漂移甚至跟踪失败的问题,引入运算量较大但对遮挡有较强抵抗能力的稀疏协作表观模型。为了同时保证算法的速度和准确性,本文构建了一套基于跟踪结果置信度评量的策略选择机制,将两种算法有机整合。在多个公开数据集下的对比实验显示,与现有跟踪算法相比,本文方法在跟踪效果和速度上具有较显著优势,并在目标存在严重遮挡、光照变化、运动模糊等情况时,均可以取得较好的跟踪效果。     

一种动态场景下的视频前景目标分割方法

视频中运动前景目标的分割是计算机视觉领域的一项关键问题, 在视频监控、检索、事件检测等多个方面具有重要应用价值. 现有视频前景目标分割技术主要针对静态场景, 在动态场景下难以获取良好效果. 该文提出一种高斯混合模型与光流残差相结合的前景目标分割方法. 该方法使用高斯混合模型建模, 提取初步的前景区域; 利用光流残差进一步滤除其中动态纹理背景干扰; 采用形态学处理获得前景目标. 实验显示, 与现有方法相比, 该方法可更准确地从动态场景中分割出前景目标轮廓.     

基于改进颜色自相似特征的行人检测方法

近年来多尺度行人检测在计算机视觉领域受到广泛关注。传统方法需对图像缩放,在不同尺度计算特征,大大降低了行人检测的速度。颜色自相似特征(CSSF)被提出以克服此不足。针对颜色自相似度特征具有维度高和分类器训练时间长等问题,提出一种改进的颜色自相似度特征。改进的颜色自相似度特征结合行人结构相似度,首先定义了固定尺寸的窗口,然后在不同的颜色空间滑动固定大小的窗口进行特征提取,最后结合自适应增强(AdaBoost)算法构建行人检测分类器。实验结果显示：相对于传统颜色自相似度特征的千万级维度,新的特征只有几千维,特征提取速度和分类器训练速度显著提高,检测效果略有下降;与梯度方向直方图特征(HOG)相比,特征提取速度提高5倍,检测效果基本不变,新的方法在实时行人检测和监控系统中有很好的应用价值。     

基于运动和颜色的视频烟雾检测算法

为了提高视频烟雾检测的准确性,有效排除视频中类似烟雾运动的物体,降低对环境光照变化产生的误检,提出了基于运动和颜色改进的烟雾检测算法.该算法能有效克服被检测场景光照的变化、背景混乱运动、以及运动目标阴影带来的干扰.它由两部分构成:烟雾运动检测和烟雾颜色特征的提取.该算法通过运动分割的方法检测出运动的像素,把归一化rgb空间颜色模型引入,以剔除疑似烟雾区域的干扰,并有效减小光照变化等影响.