基于GPU加速的几何纹理合成方法

提出了一种基于GPU加速的几何纹理合成方法,以解决几何纹理合成过程中高计算量、高存储占用和高耗时等问题.首先,对样本几何纹理数据进行子块划分,并根据子块在样本中的位置关系设计可重用样本顶点数据的数据结构,优化存储以降低内存的占用率;然后,采用GPU多线程并发技术设计并行加速算法,将串行的几何纹理合成过程并行化,从而实现快速生成任意尺寸的新的几何纹理.实验结果表明,该算法不仅占用存储较少,而且在保证合成质量的同时极大地降低了几何纹理的合成耗时.     

一种基于速度强度熵VMME与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容, 文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法. 该算法采用LBPCM算法提取图像纹理特征, 在视频帧计算光流基础上, 获得特征点速度强度图, 并以其熵VMME作为场景运动特征, 将场景纹理特征和运动特征送入支持向量机训练分类. 实验表明, 新算法可实现对人群异常行为的检测, 且有较高准确率.     

基于纹理特征的数字图像置乱效果分析

以信息安全为背景，从数字图像置乱的角度对图像信息保密传输作了讨论．着重研究了评价置乱效果的数学描述——置乱度，提出了一种基于图像纹理特征的计算公式，并对其作了归一化处理．实验数据表明，该置乱度能较好地反映置乱效果．     

基于JPEG2000的压缩图像纹理信息重建

提出了基于JPEG2000的压缩图像纹理信息重建的一种方法．该方法在编码端用高斯模型来描述图像的统计纹理信息，并对这些纹理信息进行统计和编码，在解码端根据编码的信息重建图像的纹理．通过和非线性量化扩展补偿法的结果在客观指标和主观品质上的比较，说明本文提出的方法可以通过较小的比特开销（低于10％）重建丢失的纹理信息，从而获取压缩图像的品质在主观视觉效果上的提高．     

基于小波变换及布朗分形模型的纹理分割

在研究小波变换及布朗分形模型的基础上，定义了水平分维数，垂直分维数，对角分维数，并将它们作为纹理特征量来实现纹理的分割．实验结果表明，这些特征量能够很好地反映纹理特征，从而分割时不需有关图象中纹理类别的先验信息，较以往方法在准确度和计算复杂程度上都有很大提高．     

基于结构性信息的纹理合成与图像修复

纹理合成与图像修复是计算机图形学中的一个研究热点,具有广泛的应用前景．提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色-结构差异算法．该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块的相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而确保合成后的纹理及修复后的图像在视觉上的连贯性．     

基于小波-双马尔可夫随机场的纹理分割

传统高斯金字塔马尔可夫随机场模型仅仅捕捉图像低频信息,纹理分割效果不太理想.根据纹理图像小波分解后各频带的统计性质和层次关系,优化频带选取,提出了一种变形小波结构,建立了融合这种结构上尺度内部和尺度之间关系的双马尔可夫随机场模型,引入了一种近似最大联合概率分割算法,并从理论上分析了该算法的合理性.实验表明,与基于高斯金字塔马尔可夫随机场模型的分割方法相比,该算法分割质量明显提高;并且,对模型中自由参数的选取进行比较,证实它们在给定区间上的选择具有鲁棒性.     

纹理图像吉布斯模型参数的模拟退火估值

把纹理图像吉布斯随机场模型参数的估值问题转化为一个组合优化问题，用模拟退火法进行求解．实验结果表明该算法是有效的．     

基于移动Agent技术的医学图像检索方法

针对现有医学图像检索方法中，检索算法速度较慢、准确性较低以及远程检索时占用大量带宽等问题，设计并实现了一种基于移动Agent技术的医学图像检索方法，重点讨论了该方法实现的关键技术，包括提升框架下的M带整数小波变换和提取多通道纹理特征的检索算法．模拟实验结果表明，该方法实时性较强，占用网络带宽较少，采用的算法运算速度提高近10倍、运算复杂度降低约50％，提取的纹理特征能充分表达图像内容，较好地满足了医学图像的检索要求，实现了对医学图像库快速较准确的检索．     

一种融合纹理和颜色信息的背景建模方法

鉴于目前视频序列的运动目标检测常使用背景差分法,但其受光照变化以及阴影影响,不能准确区分出运动物体的特点,因此提出一种新的背景建模算法.该算法融合纹理信息和颜色信息建立背景模型,其中的纹理信息采用LBP算子进行描述.为更好地描述纹理信息,进一步改进了基本的LBP算子,并同时引入抗噪因子增强抗噪声影响.实验证明,提出的算法在大多数情况下都取得良好的效果.     

细化参数的对数极坐标变换图像纹理特征提取算法

提出一种细化参数的对数极坐标变换图像纹理特征提取算法,可以有效地消除旋转、缩放和平移等几何形变的影响．在特征提取过程中,通过自相关图像消除平移的影响,引入细化参数的对数极坐标变换消除旋转和伸缩的影响．在图像检索过程中,将不完全树型小波变换所得的特征矢量,通过欧式距离来度量图像之间的相似度．实验表明,本算法对发生几何形变的纹理图像检索平均正确率达81．05％左右,较之传统算法能取得更好的检索效果。     

一种基于特征分解的图像融合方法

一幅图像可以分解成几何特征不同的纹理部分和卡通部分,基于这两大特征提出了一种图像融合方法.利用卡通和纹理特征的差异,通过学习分别得到卡通字典和纹理字典.在融合过程中,分别利用特定的卡通和纹理字典对源图像的卡通和纹理部分进行融合,融合后的卡通和纹理部分经简单相加得到融合图像.实验结果表明,所提方法是有效的.     

基于特征点群相似度计算模型的图像表示方法

针对空间金字塔匹配模型缺乏对图像中视觉物体旋转、平移和缩放的考虑问题,提出了一种基于特征点群相似度计算模型的图像表示方法.基于词汇树模型的粗匹配结果,通过特征点群拓扑、方向、距离等计算其相似度,并以此作为评价指标对匹配结果进行过滤;根据由特征点群计算所得的标准差椭圆的圆心、旋转角度对金字塔匹配的图像划分子区域并进行调整,从而得到图像抗旋转、平移和缩放的表示.分别在自建校园建筑物数据集和自建物体图像数据集上对方法进行了验证和比较,结果表明,该方法提高了分类识别的准确率和检索的查全率,特别是对于包含明显旋转、平移和缩放变化的图像数据效果更好.     

基于多尺度特征提取网络的图像美学量化评分方法

提出了一种基于多尺度特征提取网络的图像美学客观量化评分方法,该模型主要由多个多尺度特征提取单元级联组成,每个单元包含由3个不同卷积核组成的特征提取层、融合层和映射层。特征提取层通过联合图像的全局视图和局部视图组成网络输入端,在输出端以EMD函数为损失函数,输出分布为1~10分的概率密度质量函数,并以分布均值作为图像美学量化值。实验证明,本文方法具有可行性和有效性,解决了传统方法只进行美感二进制等级分类的问题,给出了（模拟人类思维对）图像的客观量化评分;同时在AVA数据集上获得了优于几种主流算法的分类准确度。     

基于图像特征检测和匹配的无人船航行姿态角提取方法

计算机视觉的飞速发展, 使得采用视觉技术辅助无人船航行成为可能. 在无人船巡航过程中, 获取船体航向是航行控制的必备基础. 特征匹配是无人船相关视觉技术中的重要部分, 是目标识别和定位等功能的关键步骤. 获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配. 针对水域环境中的图像静态特征提取速度慢、精度低的问题, 本文提出一种图像匹配方法以求取无人船的航行姿态角. 首先对图像预处理, 并对有效区域进行特征提取. 其次, 设计一种基于描述子相似度的初始特征匹配策略. 再其次, 筛选特征匹配对, 优化模型参数. 最后, 通过前后帧旋转矩阵计算航行姿态角. 实验表明, 该方法能有效提取无人船的航行姿态角.     

基于三维数值模拟的高填方边坡强夯效应研究

根据某拟建变电站高填方边坡地质资料建立三维数值计算模型,计算分析不同夯击能和夯击位置条件下边坡土体的竖向位移、水平位移和加速度等响应随动力时间的变化规律.不同工况下的计算结果表明:夯击主要影响表层土体,夯击能越大夯击区域表层土体位移越大,不同夯击能下土体影响区变化较小;夯击引起的土体加速度峰值随夯击能的增大而增大;夯击点离边坡面越远,夯击影响区有所增大而夯沉量有所减小,且边坡顶部和边坡面中部水平位移下降十分显著.研究结论可为类似高填方边坡工程强夯施工设计提供参考.     

织构参数对高速钢激光条纹表面磨损量的影响

应用激光加工技术, 在高速钢试件表面制备出条纹织构, 对高速钢条纹织构试件进行了销盘式摩擦磨损试验, 并测试了磨损量. 通过实验, 分析织构参数对高速钢激光加工条纹表面磨损量的影响规律. 通过对数学模型的拟合分析, 确定并建立了高速钢条纹试件表面磨损量的二阶数学模型. 根据该磨损量数学模型, 对条纹参数进行了优化. 研究表明, 织构参数对高速钢条纹表面磨损量的影响程度依次为高度、宽度和间距; 方差分析表明, 所建立的高速钢条纹表面磨损量与织构参数之间的数学模型是显著的. 同时确定了激光织构表面低磨损量的条纹参数取值范围, 得到了优化后的条纹织构参数.     

基于模糊模式识别的文本自动分类法研究

国分类在文献检索、信息过滤和文本管理等领域中有着广泛的应用,手工进行文本分类周期长、费用高、效率低,难以满足实际需要,本文给出了一种基于模糊模式识别与预定义类别的文本自动分类方法,并详细阐述了模糊模式识别原理及文本自动分类算法。     

基于YOLOv3的正下无人机视角挖掘机实时检测方法

针对无人机巡检的智能化要求, 提出一种应对高空巡检场景下的实时挖掘机检测模型. 该模型以YOLOv3为基础, 将骨干网络精简至43层, 通过特征融合策略使检测任务在两个尺度上进行. 此外模型还借鉴了focal loss的思想设计损失函数. 文中实验对象为正下无人机视角的挖掘机目标. 在完成了数据集的搭建工作后, 根据正下无人机视角的目标特性进行训练, 使模型达到最优解. 最终经实验验证, 在相同输入尺寸的情况下, 本文所提出的检测模型比YOLOv3准确率更高、鲁棒性更好, 且帧数可提升10帧●s^-1.