公共文化服务平台

基于多层卷积神经网络学习的单帧图像超分辨率重建方法被引量：22: 2015年; 构建了一个应用于超分辨率重建的PMJ模型(perception,memory,judgment-super resolution,PMJ-SR),在感知阶段对图像进行初步的特征提取;在记忆阶段使用深度卷积神经网络学习得到超分辨率重建的过完备字典;在决策阶段,将过完备字典作为超分辨率重建的依据,对单帧图像进行超分辨率重建。实验结果表明,该模型对单帧图像具有良好的重建能力,能够较好地重建低分辨率图像。; 刘娜李翠华; 关键词：超分辨率重建卷积神经网络

基于稠密采样的海上红外目标跟踪算法被引量：1: 2013年; 在红外背景下,长时间鲁棒跟踪运动目标是一个具有挑战性的问题.提出了一种基于稠密特征采样(DSIFT)并结合词袋模型与粒子滤波的算法来处理海上红外目标跟踪问题.该算法首先采用DSIFT算法对目标区域及其邻域进行稠密采样并进行特征描述,从而得到包含正负样本的特征向量,然后采用聚类算法构建视觉字典来建立有判别力的目标外观模型.在跟踪过程中,对候选区域稠密采样并用学习得到的视觉字典进行外观表示,然后计算候选区域与目标区域似然,在贝叶斯框架下使用最大后验概率方法实现对目标的准确跟踪.实验结果表明,该算法与相关算法比较,能够有效处理红外海上目标快速运动、外观变化、背景混淆、部分遮挡而导致跟踪性能下降甚至跟踪目标丢失的问题.同时在典型图像序列上,该算法也具有较好的鲁棒性.; 刘伟盛罗燕龙戴平阳李翠华; 关键词：红外目标跟踪粒子滤波

基于纹元森林的视觉词袋模型在图像分类中的应用: 2015年; 引入纹元森林(semantic texton forest,STF)的视觉词袋模型,联合基于金字塔匹配核的支持向量机,实现图像分类.首先对图像进行采样,提取SIFT(scale-invariant feature transform)特征,然后导入纹元森林构造视觉词典,统计视觉单词出现的频率构建语义词袋模型,最后利用支持向量机进行训练得出分类结果.实验在MSRC21(Microsoft research cambridge)图像库上进行,通过优化实验中的关键参数,引入加权的不平衡训练,提高了图像分类精度.实验结果表明,基于纹元森林的视觉词袋模型具有良好的图像分类效果.; 黄婷赵自明李翠华; 关键词：图像分类支持向量机

基于全局优化策略的场景分类算法被引量：4: 2013年; 提出一种基于全局优化策略的场景分类算法.该算法基于整幅图像提取全局场景特征——空间包络特征.从图像块中提取视觉单词,且定义隐变量表示该视觉单词语义,然后引入隐状态结构图描述整幅图像的视觉单词上下文;在场景分类策略上,构造由相容函数组成的目标函数,其中相容函数度量全局场景特征、隐变量与场景类别标记的相容度,通过求解目标函数的全局最优解推断图像的场景类别标记.在标准场景图像库上的对比实验表明该算法优于当前有代表性的场景分类算法.; 金泰松李玲玲李翠华; 关键词：图像解析函数优化视觉单词

基于视觉显著性的Wang-Landau蒙特卡罗采样突变目标跟踪算法被引量：1: 2013年; 突变运动目标的鲁棒跟踪是计算机视觉领域的一个具有挑战性的问题.提出了一种基于视觉显著性的Wang-Landau蒙特卡罗采样(WLMC)跟踪算法,用于解决复杂场景下目标发生运动突变的跟踪问题.该算法首先对全局场景进行分块获取子区域,然后使用WLMC方法进行目标状态采样来跟踪发生运动突变的目标.算法将视觉显著性作为先验引入跟踪框架,提出了结合显著性先验的接受函数,通过每个子区域的显著性计算来引导马尔可夫链的构造.和以往方法相比,该算法既保留了WLMC采样方法对全局状态空间的广度覆盖性,又以视觉显著性特性引导采样,避免了全局采样的盲目性,从而提高采样效率.实验结果表明,该算法对发生运动突变的目标进行跟踪,具有良好的鲁棒性.; 江晓莲李翠华刘锴刘薇; 关键词：视觉显著性

基于Keren改进配准算法的IBP超分率重建被引量：8: 2012年; 提出了一种基于Keren改进配准算法的迭代反投影(iterative back-projection,IBP)超分辨率重建算法.该算法克服了Keren迭代配准算法基于小角度旋转的局限,并在迭代运算过程中引入了权重因子和阈值.权重因子有效地控制了算法的收敛速度,提高算法的稳定性.阈值的引入使得算法效率更高,配准结果更加准确.通过Keren改进配准算法进行配准,再通过IBP算法对配准后图像序列进行超分辨率重建,仿真结果表明,基于Keren改进配准算法的IBP重建具有良好的超分辨率重建效果.; 张永育李翠华余礼钹张东晓李雄宗施华; 关键词：超分辨率图像配准

一种基于去冗余字典的图像去噪算法被引量：3: 2012年; 图像去噪是图像处理中的关键问题之一,也是图像后续处理的基础.结合近年来兴起的稀疏表示理论,能更好的处理图像去噪问题.在正交匹配追踪(orthogonal matching pursuit,OMP)的基础上,采用K-奇异值分解(K-SVD)算法对图像进行去噪.为了得到更好的去噪效果,改进了字典更新算法,对字典原子进行优化选择,去除冗余的字典原子,并用图像块替换字典原子,用于提高字典训练的效率,与自然图像数据相适应.实验结果表明,与小波去噪算法相比,该算法具有良好的去噪能力,能较好地保持图像的细节和边缘特征,去噪后的图像更为清晰.; 张丹莹李翠华李雄宗施华张东晓; 关键词：去噪正交匹配追踪奇异值分解

一种MRF-MAP框架下的图像超分辨率重建方法被引量：3: 2012年; 基于多帧观察样本的超分辨率图像重建是超分辨率图像重建研究中的重要方向.在马尔科夫随机场-最大后验概率(MRF-MAP)框架下研究了多帧图像的超分辨率重建问题.根据给定的空间图像退化模型建立了超分辨率重建的二阶能量函数,并利用α-expansion图切算法对能量函数进行求解.考虑到α-expansion算法的规范性要求,将能量函数进行近似.针对二阶能量函数的图切算法,讨论了s-t图的构造,给出一种节点的分配方法以及t-link和n-link的赋值方式,以提高图切算法的计算效果.通过对两种类型的图像进行超分辨率重建的对比实验,表明该方法具有较好的去噪及重建效果.; 鲁林李翠华张珍余礼钹张东晓施华; 关键词：超分辨率重建马尔科夫随机场最大后验概率

基于视觉显著性的两阶段采样突变目标跟踪算法被引量：15: 2014年; 针对运动突变目标视觉跟踪问题,提出一种基于视觉显著性的两阶段采样跟踪算法.首先,将视觉显著性信息引入到Wang-Landau蒙特卡罗(Wang-Landau Monte Carlo,WLMC)跟踪算法中,设计了结合显著性先验的接受函数,利用子区域的显著性值来引导马尔可夫链的构造,通过增大目标出现区粒子的接受概率,提高采样效率;其次,针对运动序列中平滑与突变运动共存的特点,建立两阶段采样模型.其中第一阶段对目标当前运动类型进行判定,第二阶段则根据判定结果采用相应算法.突变运动采用基于视觉显著性的WLMC算法,平滑运动采用双链马尔可夫链蒙特卡罗(Marko chain Monte Carlo,MCMC)算法,以此完成目标跟踪,提高算法的鲁棒性.该算法既避免了目标在平滑运动时全局采样导致精度下降的缺点,又能在目标发生运动突变时有效捕获目标.实验结果表明,该算法不仅能有效处理运动突变目标的跟踪问题,在典型图像序列上也具有良好的鲁棒性.; 江晓莲李翠华李雄宗; 关键词：目标跟踪视觉显著性

基于排序支持向量机的多特征融合目标跟踪算法被引量：2: 2014年; 针对计算机视觉领域的目标跟踪问题,提出一种基于排序支持向量机的多特征融合目标跟踪算法。利用排序支持向量机学习得到排序函数,提取2种不同的图像特征分别构造分类器,使2个排序支持向量机并行预测,分别计算2个分类器的错误率,从而得到分类器权重完成融合。实验结果表明,与目前主流的跟踪算法相比,该算法的跟踪结果更准确,在复杂视频环境下也能对目标进行稳定跟踪,具有较强的鲁棒性。; 刘锴戴平阳江晓莲李翠华; 关键词：目标跟踪多特征融合分类器鲁棒性

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家教育部博士点基金(20110121110020)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家教育部博士点基金(20110121110020)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈