化学三重表征的研究与展望*——基于CiteSpace的可视化分析

基于CiteSpace软件,运用知识图谱、关键词聚类分析等方法,分析国内化学三重表征领域的研究现状和前沿热点,将信息可视化,为我国学者进一步完善化学三重表征的研究提供帮助和借鉴。放眼于国际科学教育的趋势和我国化学核心素养的落地,期望将“化学三重表征”思维方式及策略嵌入日常的教学,成为化学课堂教学的未来景观。     

动态环境下基于深度学习的视觉SLAM研究综述

目前的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)研究大多是基于静态场景的假设,而实际生活中动态物体是不可避免的。在视觉SLAM系统中加入深度学习,可以协同剔除场景中的动态物体,有效提升视觉SLAM在动态环境下的鲁棒性。文章首先介绍了动态环境下基于深度学习的视觉SLAM分类,然后详细介绍了基于目标检测、基于语义分割和基于实例分割的视觉SLAM,并对它们进行了分析比较。最后,结合近年来视觉SLAM的发展趋势,通过对动态环境下基于深度学习的视觉SLAM存在的主要问题进行分析,总结了未来可能的发展方向。     

基于视觉感知的图像增强质量客观评价算法

提出了一种新的图像增强质量客观评价算法.算法综合考虑图像局部区域的背景平均亮度和空间复杂度对视觉分辨力的影响,导出了用于判断局部灰度级跃变是否被有效感知的重要参数--临界可见偏差JND(Just Noticeable Difference),并利用此参数分别计算出图像增强前后有效感知像素数的变化情况,从而定量地给出图像增强质量的评价结果.测试结果表明,本文算法的性能优于传统的平均局部方差法,且评价结果与主观评价结果吻合.     

基于生物视觉模型的人脸识别设计

针对人脸特性,对标准模型的S2层模版提取方法和匹配算法进行改进,并重新定义了C2层特征的平移不变范围,分类器采用简单的多类线性支持向量机(SVM).对ORL和Yale标准人脸库的分类识别结果表明,改进的模型能高效快速地进行人脸识别,识别率分别达到99.86%和97.23%.     

超视距空战的几个观点

介绍了超视距空战武器发展和实战应用,提出了和超视距空战有关的几个观点:信息战和网络中心战是如何影响超视距空战,在超视距中指挥协同和信息的问题,超视距空战和多目标攻击的关系,在超视距空战研究中容易忽视的问题——在空战中如何对付敌方超视距武器,评价战斗机超视距空战能力要考虑的问题,超视距和视距内空战的界限可能逐渐模糊以及无人机在超视距空战中的作用。     

基于结构信息提取的图像质量评价

结构相似性理论是一种关于图像质量评价的新思想.与自底向上地模拟人眼视觉系统(HVS)低阶的组成结构不同,结构相似性理论自顶向下地模拟HVS的整体功能.作为结构相似性理论的一个实现,结构相似度(SSIM)指数有着简单高效的优点,但SSIM在交叉失真类型和失真严重时的准确性不够好.本文将结构信息重新解释为图像中能量足够大的中高频成分,从新的角度将SSIM理解为一种更好的局部误差度量方式.提出一种基于结构信息提取(SIExt)的图像质量评价方法,将图像中的结构信息分离出来给予较大的权重,并用SSIM作为误差度量估计局部失真.实验结果表明,SIExt比PSNR和SSIM等方法有更好的准确性.     

基于Cauchy分布的红外视频运动目标检测

基于柯西分布统计模型和梯度信息,提出了一种用于热成像(红外)图像序列中行人目标检测的统计背景剔除方法.它不依赖传统红外行人检测方法的"热场"(hot-spot)假设(即认为人体区域总比周围环境热),而是用一种快速动态背景的重建方法建立初始化背景Gaussian模型,简化了Cauchy分布的参数估计问题.基于Gauchy分布的背景剔除被首先用来识别局部兴趣区域(Regions-Of-Interest,ROI).在每个兴趣区域将当前图像和背景图像的梯度信息组合成一个梯度图.对梯度图进行各向异性滤波和运用最大类间方差法进行自适应阈值处理后获得行人目标区域.经多组实验及与其他方法比较,结果表明提出的方法对热成像红外视频人体目标的位置和形状实现了较精确的检测,对环境、时间变化、极性翻转、"晕轮"效应等产生的影响,以及背景中杂波的干扰具有较好的鲁棒性.     

Redundant node identification using Siamese neural network to enhance the availability in visual sensor network

Many monitoring applications related to surveillance, tracking and multipurpose visual monitoring have taken into consideration the use of wireless visual sensor networks. When sensors are deployed over a monitored field that could potentially damage the monitoring capability and availability in the visual sensor network. In order to overcome these issues, faulty nodes are identified and replaced by redundant node based on Siamese network in this research. Initially, camera nodes are randomly deployed in the visual sensor network, and the data are received from the network through gateway. To identify the redundant nodes, initially, the frames are divided into equivalent time slot, and then, Siamese network is utilized to identify the redundant nodes in a network. Siamese neural network is type of convolutional neural network that is utilized to recognize the similar images in the network. After that, faulty nodes are identified based on some parameters such as entropy, energy, transmission delay and network coverage. If the average energy, entropy, transmission delay and network coverage are below the threshold value, then the node is identified as faulty node. Finally, replace the faulty node with redundant node to enhance the availability in the visual sensor network for critical monitoring applications. The simulation analysis shows that the developed approach takes 772 s to identify redundant node and take 27 s to identify fake nodes and the developed method is executed at 1308 s. Thus, this prediction model helps to improve the coverage quality of target-based monitoring in order to achieve availability.     

基于区域能量比的红外与可见光图像融合方法

目前大部分基于小波变换的图像融合算法只是考虑单个小波系数的独立性或者其邻域的相关性,这样影响了图像融合的结果.针对这一点,提出一种新的基于区域能量比的图像融合算法.实验结果表明该算法能够较好地保留光谱信息和细节信息.     

视觉密码方案概述

视觉密码(VC)是一种用于分享秘密图像的加密方案,与传统的密码技术相比具有简单性、安全性、隐蔽性等优点.其加密是将图像编码为分享,将分享打印在透明胶片上或以数字形式存储;其解密过程是对分享进行叠加,然后通过人类的视觉能力来实现.本文介绍了视觉密码的基本概念和各种不同的视觉密码方案,以及每种方案中使用的技术.此外,对视觉...