1974年1月创刊(月刊)
主管/主办:重庆西南信息有限公司
ISSN 1002-137X
CN 50-1075/TP
CODEN JKIEBK
编辑中心
    模式识别与图像处理 栏目所有文章列表
    (按年度、期号倒序)
        一年内发表的文章 |  两年内 |  三年内 |  全部
    Please wait a minute...
    1. 基于深度学习与自适应对比度增强的臂丛神经超声图像优化
    杨桐, 张姗姗, 江方舟, 李奕飞, 俞戈昊, 赵地
    计算机科学    2019, 46 (11A): 236-240.  
    摘要 (221)   PDF (4397KB) (515)  
    现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位。文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示。实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片。文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度。
    参考文献 | 相关文章 | 多维度评价
    2. 基于改进多权值滑动窗口的立体匹配方法的实现及应用
    杜娟, 沈思昀
    计算机科学    2019, 46 (11A): 241-245.  
    摘要 (84)   PDF (2618KB) (245)  
    立体视觉的核心问题是通过立体匹配算法获得准确的视差值,然而大多数现有的立体匹配算法无法在低纹理或接近无纹理的区域中获得准确的视差值。为了解决低纹理区域匹配精度相对偏低、高精度半全局匹配算法运算量较大的问题,文中提出了一种基于自适应滑动窗口的立体匹配算法。首先通过AD-Census变换计算匹配代价,然后针对不同区域调节聚合窗口形状及像素点权重,最后结合符合人体视觉特征的多尺度代价聚合框架获得聚合匹配代价,采用赢者通吃策略获取最终的稠密视差图。实验结果证明,该算法在低纹理区域的误匹配率相比较传统方案的下降范围为5.8%~21.68%,运算时间较半全局算法更短。
    参考文献 | 相关文章 | 多维度评价
    3. 基于深度学习的非实验室场景人脸属性识别
    葛宏孔, 罗恒利, 董佳媛
    计算机科学    2019, 46 (11A): 246-250.  
    摘要 (115)   PDF (2792KB) (385)  
    非实验室场景下的人脸图片数量巨大,更加贴近生活,对其进行识别具有较大的研究价值。文中对非实验室环境下的人脸属性识别问题进行了研究,提出了一种人脸属性识别网络(Regional Multiple Layer Attributes Related Net,RMLARNet),不仅对人脸特征的提取方式进行了研究,还挖掘了人脸属性间的关系。该网络由3个部分组成:1)将人脸图像分割成包含属性部位的多个局部区域,并将这些局部区域作为输入提取特征信息;2)以Inception V3 为迁移模型,采取多个不相邻卷积层迁移方式提取人脸特征;3)搭建了一个以人脸属性关系为约束的属性识别网络。实验结果表明,对CelebA数据集进行筛选处理,创建属性样本较平衡的CelebA-数据集,并在该数据集上设计实验将取得优于现有方法的实验效果。
    参考文献 | 相关文章 | 多维度评价
    4. 基于双目图像的大尺度智能驾驶场景重建
    李银国, 周中奎, 白羚
    计算机科学    2019, 46 (11A): 251-254.  
    摘要 (122)   PDF (3597KB) (406)  
    大尺度智能驾驶场景重建能够在车辆驾驶环境中为车辆控制系统反馈周围道路交通的环境信息,并实现环境信息的可视化。目前,现有的三维重建方案主要面向结构化场景,对大尺度非结构化的智能驾驶场景进行三维重建时,在保证一定精度的情况下,难以满足智能驾驶系统所需的实时性。针对这一问题,文中提出了一种基于双目视觉的三维场景重建方法,首先通过优化立体匹配策略来提高立体匹配效率,再提出均匀保距的特征点提取算法RSD,减少三维点云计算与三角剖分耗时,提高大尺度智能驾驶场景重建的实时性。实验结果证明了该算法的有效性,采用所提算法对大尺度智能驾驶场景进行场景重建可得到良好的重建效果,且能够满足智能驾驶系统对实时性的需求。
    参考文献 | 相关文章 | 多维度评价
    5. 利用共线点求解多摄像机内外参数
    罗欢
    计算机科学    2019, 46 (11A): 255-259.  
    摘要 (67)   PDF (1881KB) (263)  
    文中利用运动中共线点的几何特性来获得多摄像机的内外参数。首先,由空间中共线点与图像点之间的对应矩阵来得到对内参数的线性约束,获得了多个摄像机的内参数;然后,根据共线点在摄像机组中各个摄像机下运动前后的坐标,获得摄像机相对于基准摄像机的旋转矩阵和平移向量,以求出摄像机的外参数;最后,进行模拟数据实验和真实图像实验,结果表明了该方法的可行性和有效性。
    参考文献 | 相关文章 | 多维度评价
    6. 基于上下文约束的人脸聚类算法
    罗恒利, 王文博, 葛宏孔
    计算机科学    2019, 46 (11A): 260-263.  
    摘要 (114)   PDF (1783KB) (195)  
    人脸聚类将属于同一身份的人脸图片自动分到同一组,可用于人脸标注和图像管理等领域。传统的聚类算法的准确率很高,其召回率往往较低。为了解决这个问题,文中提出了一种加入三角约束关系和上下文约束的聚类算法。该聚类算法基于条件随机场模型,结合三角约束关系,同时考虑图像中常见的上下文约束,分别在聚类迭代过程和初步聚类之后添加最大相似度约束和共同出现约束,并对簇类进行整合。实验结果显示,结合上下文约束的条件随机场模型可以快速进行人脸聚类,同时还能保证在较高准确率的基础上有较高的召回率,从而提高整体的聚类效果。
    参考文献 | 相关文章 | 多维度评价
    7. 一种基于端点顺序预测的手写体笔画恢复方法
    张瑞, 湛永松, 杨明浩
    计算机科学    2019, 46 (11A): 264-267.  
    摘要 (83)   PDF (2322KB) (509)  
    针对汉字手写体的笔画动态序列恢复问题,文中提出了一种基于端点顺序预测的手写体笔画顺序恢复模型。首先对经过数字化处理后的手写体图像进行细化、笔画片段分割、图像坐标提取和规整等预处理,然后利用预处理后的图像和对应的书写坐标序列生成网络训练的样本,样本由静态手写体图像和包含字体书写顺序的热力图标签组成,该模型采用一种端到端的卷积神经网络结构,最后使用训练好的网络模型对静态手写体图像进行预测,从而得到字体原先的书写顺序。实验结果表明,该方法能够有效地对5笔以内的手写字体进行书写顺序的恢复,具有较高的准确率和处理速度。
    参考文献 | 相关文章 | 多维度评价
    8. 基于量化颜色特征和SURF检测器的图像盲鉴别算法
    胡梦琪, 郑继明
    计算机科学    2019, 46 (11A): 268-272.  
    摘要 (82)   PDF (2586KB) (243)  
    针对现有图像复制粘贴篡改检测中提取的特征对于彩色图像内容描述不全面且匹配时间过长的问题,研究了运用量化颜色特征和SURF检测器的数字图像盲鉴别算法。该算法在特征提取过程中将HSV模糊量化颜色特征和SURF检测器结合,形成全面描述彩色图像内容的FCQ-SURF特征,并在特征匹配阶段将K-Means聚类和KNN方法结合来提高匹配效率。实验结果显示,在CASIA 1.0和FAU彩色图像测试库上,所提算法能很好地检测和定位彩色图像的复制粘贴篡改,在图像的多重篡改攻击和多区域篡改方面也得到了很好的检测效果。实验数据结果说明,该算法对彩色图像复制粘贴篡改检测的正确率较高,且匹配时间较有优势。
    参考文献 | 相关文章 | 多维度评价
    9. 深度神经网络训练中适用于小批次的归一化算法
    王岩, 吴晓富
    计算机科学    2019, 46 (11A): 273-276.  
    摘要 (69)   PDF (3071KB) (280)  
    近年来,批归一化(Batch Normalization,BN)算法已成为深度网络训练不可或缺的一部分。BN通过计算批次中示例的均值和方差来对输入进行归一化,从而缓解深度神经网络训练中的梯度爆炸或者消失的问题。但是,由于算法与批次大小有关,BN算法用于小批次时会因为不准确的估计导致性能下降。批重归一化(Batch ReNormalization,BRN)用指数移动平均(Exponential Moving Average,EMA)后的值对输入进行归一化操作,减小了归一化算法对批次的依赖。本文基于图像分类任务研究了在输入是小批次时归一化技术的应用,提出了通过改变EMA初值并对估计值加以修正来得到更准确的参数估计的批归一化算法。实验结果表明,所提算法与标准的BN和BRN算法相比,收敛速度更快,准确率有一定的改善。
    参考文献 | 相关文章 | 多维度评价
    10. 基于日间行车的灯语识别技术
    李堃, 黎向锋
    计算机科学    2019, 46 (11A): 277-282.  
    摘要 (99)   PDF (3450KB) (387)  
    汽车的车灯不仅具有照明作用,也是车辆行驶时与周围车辆交流信息的重要途径。在辅助驾驶中,准确理解周围车辆传递出的灯语信息,是制定车辆正确驾驶决策的前提。在日间行车时,由于行车环境多变,单通过特征匹配的方式检测车灯或车辆,进而识别灯语的方式,很难在道路实测中取得良好的效果。为此,针对日间行车情况,文中提出一种基于车辆检测的灯语识别方法。首先,文中使用Haar特征结合Adaboost级联分类器的车辆检测方式进行车辆检测,并在此基础上根据车灯在车尾的位置分布特征确定感兴趣区域;然后,在RGB色彩空间中提出一种颜色分割算法,其能够在感兴趣区域的基础上精确提取车灯位置并判断车灯的点亮状态,同时使用车灯点亮时的亮度特征排除颜色分割算法导致的误检;最后,使用高位刹车灯作为刹车灯灯语的识别条件,将历史频率信息作为转向灯灯语的识别条件,完成了日间行车时前车尾灯灯语的识别。以VS2010和opencv3.4.9作为算法的实现工具,将上汽提供的行车记录仪中的道路实测数据进作为测试数据进行实验。经测试,使用更新样本的训练方法得到的分类器识别准确率为93%,相对于传统Adaboost分类器,识别准确率提升了约2%,灯语识别算法的平均精度为93%,其总体平均耗时约53ms。实验结果表明,分类训练方法能够小幅度提升检测精度,而灯语识别算法能够较准确地识别出刹车灯和转向灯以及两种灯语同时存在的情况,且基本保证实时性。
    参考文献 | 相关文章 | 多维度评价
    首页 | 前页| 后页 | 尾页 第1页 共33页 共329条记录