基于时空上下文正则的孪生网络目标跟踪

在视频目标跟踪任务中,负样本缺乏、背景混杂会造成目标丢失。为解决上述问题,提出一种基于时空上下文正则的孪生网络目标跟踪算法。该算法将空间上下文信息引入到孪生网络中,并利用目标物体正样本以及背景负样本训练跟踪器,通过正则化约束,抑制跟踪器对背景的响应,突出对目标的响应,从而得到鲁棒性更强的目标跟踪器;采用时间序列多组件匹配机制,在目标外观模型受到干扰的情况下动态调整目标模型学习率,从而保证目标模板不受污染。在OTB100标准数据集上的实验表明,在混合干扰条件下,本文算法的准确率(0. 885)和成功率(0. 615)均优于其他主流跟踪算法。特别是在遮掩、运动模糊、光照变化、背景聚类和快速运动等干扰因素影响情况下,本文算法均具有较强的鲁棒性。     

基于事件相机的无人机目标跟踪算法

无人机目标跟踪可应用于消防、军事等重要领域,已成为计算机视觉领域热门研究课题之一。现有的无人机目标跟踪算法大多基于传统RGB相机结合深度学习算法, 但此类算法一方面无法避免无人机机体抖动造成的运动模糊, 另一方面因传统RGB相机在低光照或过曝光场景下成像质量较差,难以跟踪目标,为此提出采用无人机搭载DAVIS事件相机的方法进行目标跟踪。设计了基于事件与灰度图的双模态融合跟踪网络,用Vicon运动捕捉系统制作了无人机视角下的目标跟踪Event-APS 28数据集,实现了在复杂光照场景下对目标物的有效跟踪。     

MFDC-Net：一种融合多尺度特征和注意力机制的乳腺癌病理图像分类算法

乳腺癌是全球最常见的恶性肿瘤之一，采用传统方法诊断需花费大量时间和精力，且受个人能力影响较大。用计算机辅助诊断的方法，可以提高病理图像分类的准确率和效率，从而满足临床应用的需求。为此，提出一种基于DenseNet的融合多尺度特征和注意力机制的乳腺癌病理图像分类算法（MFDC-Net）。在密集块中引入坐标注意力机制，精准定位重要特征的空间信息。采用多尺度池化过渡层，通过不同卷积核的平均池化和普通卷积，在实现降维的同时扩大感受野。采用多尺度特征增强模块，融合深层次图像特征，提高分类性能。结果显示，MFDC-Net模型的分类性能较其他经典模型更优，分类准确率达97.12%，易混淆率低至3.34%，能较好地进行乳腺癌组织病理图像分类，为诊断和治疗提供重要依据。     

基于l_p正则化图像去模糊的快速广义迭代收缩算法

将图像去模糊问题转化为求解l_p正则化的非凸优化问题,提出了一种求解l_p正则化问题的快速广义迭代收缩算法(FGISA,fast generalized iterative shrinkage thresholding algorithm).该算法通过对广义迭代收缩算法(GISA,generalized iterative shrinkage thresholding algorithm)的梯度项添加一个加权矩阵,并结合Nesterov梯度加速方法达到加快算法收敛速度的目的.由于加权矩阵仅仅与模糊矩阵有关,并且不随迭代过程变化,因此,与GISA相比FGISA并不增加算法的计算复杂度.文章给出了算法收敛性的理论分析.实验结果表明FGISA算法在收敛速度和图像恢复效果方面对GISA算法均有较大的改进.     

基于色彩衰减补偿和Retinex的水下图像增强

针对水下图像存在的色偏、雾状模糊、低曝光和非均匀光照问题, 提出一种基于色彩衰减补偿和Retinex的水下图像增强算法. 首先, 为校正水下图像的色偏, 利用水体对不同波长光线衰减不一致的特性自适应地补偿其R、G、B通道. 然后, 使用基于多尺度导向滤波的Retinex去除雾状模糊, 增强对比度. 最后, 根据水下图像和自然图像的直方图分布特征对其进行归一化处理, 从而在保存图像主要信息的前提下增强其纹理和曝光. 实验结果表明, 该算法不但具有较优的视觉感知效果, 而且具有较高的图像质量评价分数. 该算法具有较强的适应性, 有助于计算机视觉算法在水下的应用.     

并行Adaboost-BP算法及其在海量图像分类中的应用

为解决基于单节点架构的传统分类算法存在的时间效率差、分类准确率低等问题,提出了一种基于并行Adaboost-BP神经网络的海量图像分类方法.将BP神经网络作为弱分类器,由Adaboost算法组合15个BP神经网络的输出,构建了强分类器;充分利用了Hadoop平台下Map Reduce并行编程模型,提出了海量图像的自动分类模型,设计了并行Adaboost-BP神经网络算法的Map和Reduce任务.多组实验表明,相对于传统的AdaboostBP神经网络算法,提出的算法在Pascal VOC2007数据集和Caltech256数据集上的平均分类准确率分别提高了14.5%和26.0%,而且算法运行耗时少,系统加速比随集群节点个数增加而增加,在图像规模增加到20 000时,加速比几乎呈线性增长趋势.实验结果充分证明,提出的方法适合海量图像的自动分类和预测.     

模糊自适应算法的神经网络图像重建

在12电极ECT系统中,采用BP神经网络进行图像重建时以一定原则选取学习样本,并引入模糊自适应算法以加快训练的收敛速度,获得较满意的重建图像效果．     

基于熵的视频运动矢量隐写分析算法

利用运动矢量隐写对相邻运动矢量相似性的扰乱作用,提出一种基于信息熵的视频运动矢量隐分析算法.在视频帧的滑动窗口中选取运动矢量,并分别对水平分量H、垂直分量V、方向D以及长度L等4个系数进行熵值计算以描述相似度.通过移动帧内滑动窗口位置,计算各窗口内运动矢量的熵均值矩阵,构造了16维的运动矢量HVDL特征.为了评估本文HVDL特征的表现,将HVDL与AoSO对比,对不同时期4种嵌入算法的样本进行了隐写分析实验,实验结果表明HVDL对当前安全性更高的隐写算法的检测准确率比AoSO高,且特征运行速度更快.     

一种基于FCM的噪声图像分割算法研究

针对噪声污染的图像进行有效分割困难问题,提出了一种基于模糊C均值的噪声图像分割方法.该方法首先应用离散小波变换(DWT)将图像进行分解获取不同尺度的小波系数;然后利用粒子群(PSO)算法自适应搜索最优的阈值对小波系数进行处理,将处理好的系数利用小波重构得到重构图像;最后利用模糊C均值聚类完成图像分割.该算法在Berkeley数据集上进行实验,结果表明与其他算法相比,该算法具有更好的性能.     

基于差分图像的人脸检测与跟踪研究

人脸检测与跟踪是人脸信息处理领域中的一项关键技术,提出了一种可通过自适应阈值分割运动区域,根据人脸几何特征验证得到人脸模板,再运用GA跟踪人脸,并且用M6215摄像头进行实时采集、定位与跟踪的新的快速有效的人脸跟踪方法.实验表明:本系统不仅跟踪速度快,还可以在人的手势变化干扰或背景有干扰的情况下,进行令人满意的人脸检测与跟踪.     

基于图像处理的荧光显微神经丝运动跟踪研究

神经丝蛋白质是具有细长突起的细胞中突起部分的重要组成单位,通过跟踪神经丝蛋白质,可以研究医学神经退行性方面的疾病.针对人工手动跟踪神经丝蛋白质效率低、主观性强等问题,提出了一种基于图像处理技术的神经丝蛋白质自动跟踪的全新方法.该项目构建了适应于视频中荧光显微下神经丝蛋白质运动目标检测的图像采集软件系统,通过MATLAB拆分视频获得每一帧神经丝蛋白质图像,研究了适合于该图像的预处理方法.采用间隙统计法对神经丝蛋白质图片进行分析处理,使用K-means聚类分割算法逐次收敛出不同类别的对象.利用主动轮廓模型将初始轮廓迭代收敛为神经丝蛋白质的轮廓.通过每一帧蛋白质的位置坐标,得到神经丝蛋白质的运动路径,从而达到跟踪的目的.系统能够有效的提取出视频中的神经丝蛋白质,实现实时跟踪,减少了运算时间,提高了跟踪精度.     

基于图像重照明的深度伪造检测躲避方案

现有的深度伪造检测技术并不鲁棒,容易遭受对抗攻击的干扰。为此,提出一种基于图像重照明的鲁棒并且隐蔽的对抗攻击方案,通过估计、分离原始光照,并使用精心设计的对抗光照对原始的输入进行重新渲染,可以有效绕过现有的基于空域、频域和生理信号域等三类常见的检测方法。实验评估了攻击的有效性、对现有检测方法的通用性、针对图像变换的鲁棒性以及视觉质量损失等。实验结果表明,本文方案针对现有的三种深度伪造检测方法,在白盒情况下攻击成功率达到99.6%,在黑盒情况下最优攻击率为69.8%,并可以抵御常见的图像变换的扰动攻击,具有很好的鲁棒性,可以有效地部署在真实环境中。     

基于小波变换的改进LMS自适应算法在射电天文数字终端的应用

以新疆天文台南山25m天线改造计划为背景,针对南山25m射电望远镜L波段观测终端,分析对比多种自适应滤波及小波滤波的优缺点,提出一种基于小波分解的改进LMS自适应算法,对脉冲星观测信号进行干扰噪声消除.该算法在单通道干扰消除、权值更新机制、变步长算法等方面提出了独特的想法.仿真结果表明,基于小波变换的改进LMS自适应算法性能良好,能对L波段内的干扰信号起到有效的消除或减弱,达到提高信号信噪比、提升观测能力的目的,具有一定的应用价值.     

基于图像深度预测的景深视频分类算法

景深视频因高清、美观广受大众喜爱。然而,要从海量视频中检出此类视频十分困难。已有较多研究基于景深图像成像原理,开展景深像素分割算法研究,但难以直接应用于实际视频分类场景。本文针对景深视频类型,设计了可预测视频类型的深度网络。根据景深成像原理,各语义物体之间相对相机的景深深度存在一定的逻辑关系。为此提出以图像深度为指导,利用深度预测模块预测图像的景深深度信息,将其合并后输入至分类网络进行训练检测,以降低景深视频误检率,提升网络模型的性能。此外,针对现实需求中该领域有标数据较少,而不同数据集分布会降低性能的问题,设计了迭代式景深视频数据集收集方法,以较低的劳动成本快速收集所需要的视频数据,具有一定的实际应用价值。本文算法在快手线上的景深视频数据集中识别准确率达85.7%。     

相关滤波-粒子滤波的长时目标跟踪算法

针对大多数目标跟踪算法在长时跟踪过程中目标遮挡、形变等干扰属性导致不能有效跟踪的问题,提出一种基于相关滤波-粒子滤波协作的长时目标跟踪算法(CFPE).首先相关滤波器中目标特征表达采用融合CN特征和HOG特征,增强在复杂情况下的目标描述能力; 然后通过平均峰值相关能量(APCE)指标和最大响应值对当前目标位置做出判断并...     

一种基于速度强度熵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.     

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.     

基于道路监控的图像增强算法研究

为了提高道路监控系统在光照条件变化状况下的人脸识别率,针对采集到低照度彩色图像提出一种将多尺度Retinex算法和限幅自适应直方图均衡化(CLAHE)融合的图像增强算法.首先对含有噪声图像去噪后进行CLAHE处理,可增强图像局部像素的对比度,再通过多尺度Retinex图像增强可有效提高暗区域的细节,最后根据两种算法特点进行加权融合.经过matlab2015b平台仿真测试得到很好的视觉效果,图像的标准差和平均梯度等指标得到了提升,验证了融合算法对图像增强的独特优越性以及算法可行性.     

面向流数据的演化聚类算法

针对传统的聚类算法难以适应流数据在线聚类的问题,本文在演化聚类算法(ECM)的基础上,改进了ECM中聚类中心和聚类半径的更新过程,引入戴维森保丁指数(DBI,Davies-Bouldin Index)作为数据归类的评估准则,提出了一种面向流数据的演化聚类算法(SDECM).实验结果表明,与ECM相比,SDECM在目标函数值、DBI值、准确率和纯度等评估准则方面具有更好的聚类性能.     

基于蚁群算法的无线网状网安全路由算法

根据蚁群算法的自组织性、分布式计算以及正反馈与无线网状网路由问题有着惊人相似的特点,提出了基于蚁群算法的无线网状网安全路由算法.在该算法中引入基于模糊理论的信任评估模型,使前向蚂蚁在选择下一跳之前,先对节点进行信任评估,用来检测恶意节点,阻止恶意节点的主动攻击.分析结果表明,该算法能满足无线网状网负载均衡的要求,保障无线网状网路由安全.