计算机学报杂志 北大期刊 CSCD期刊 统计源期刊

计算机学报 2016年第07期杂志 文档列表

BN-Mapping：基于贝叶斯网络的地理空间数据可视分析1281-1293

摘要：地理空间数据指的是带有显式地理位置信息的数据,此类数据通常是多源、多变量的,其各变量之间的因果关系是位置相关的、异构的及多面性的,这给多变量地理空间数据的分析带来了很大的挑战.文中基于贝叶斯网络,针对地理空间数据提出了一种新颖的可视分析方法.首先,文中用一种启发式的方法对原始的多变量地理空间数据进行离散化,将连续的变量转换成离散的变量;然后,该方法对离散化之后的数据进行训练,得到相应的贝叶斯网络模型;接着,该方法针对贝叶斯网络模型的拓扑结构、条件概率表及数据本身基于地理位置的分布关系等分别设计了可视化视图并进行可视化;最后,文中设计了一个可交互的可视分析界面,将多个可视化视图进行了有机的结合,允许用户对变量之间的地理位置相关的隐式关系进行交互的探索、发现及分析.文中对多个数据集进行了包括异常检测、地理分类和因果关系分析在内的多种任务的案例分析,结果表明文中提出的可视分析方法可以十分有效地帮助用户对地理空间数据进行分析.

基于自重构粒子滤波算法的目标跟踪1294-1306

摘要：该文提出了一种对粒子滤波跟踪器进行分裂和合并的自重构算法.该算法能够通过分裂跟踪器以应对复杂多变的跟踪环境,同时,合并过程能够从多个跟踪器中选出最优跟踪器,合并冗余的跟踪器以达到减少计算量的效果.通过使用分裂和合并,能够在使用较少粒子的情况下达到很好的跟踪效果,在一定程度上解决了粒子滤波跟踪中计算量大的问题.分裂出来的多个跟踪器能够同时从多个位置多个方向跟踪目标,降低了复杂环境下目标跟踪丢失的概率,避免了粒子滤波中跟踪丢失时需重新选定目标的问题.通过和其他算法对比,文中提出的算法在跟踪准确性和跟踪效率两个方面表现优秀.

直线特征保持的立体图像缩放1307-1318

摘要：近年来随着3D显示设备的普及,内容感知的立体图像缩放问题得到了国内外学者的关注.与2D图像缩放不同,立体图像缩放不仅需要保持并突显图像显著区域,还必须保持立体图像视差的一致性.文中提出了一种立体直线特征保持的立体图像缩放的方法,通过在基于网格变形的图像缩放的方法中引入立体直线特征保持和内容感知的随机匹配点等约束条件,在保持立体图像视差的一致性的同时,较好地保持立体图像中直线区域的直线特征.首先,基于立体图像视差图,定义立体图像Hot-target图,检测立体图像显著区域,并获取立体图像直线特征;其次,引入内容感知的随机匹配点作为视差一致性约束;最后,构建基于四边域网格的受限能量模型,优化实现立体图像缩放.文中提供了若干实验数据说明该方法是有效的.

自适应粒子的非线性有限元与不可压缩流体实时耦合1319-1333

摘要：该文提出了利用生成自适应粒子来实时耦合TLED非线性有限元与隐式不可压缩流体的新方法.首先,该文根据固体表面的局部高斯曲率对固体表面采样生成不同分辨率的粒子.其次,为了避免粒子和流体粒子间过早的耦合,文中设计粒子光滑核函数的支持域为椭球型.其次,为了防止流体粒子在固体发生形变时产生穿透现象,作者在每个时间步长内对固体表面进行重采样生成粒子,并自适应地改变其支持域的大小,最后,在处理边界时运用正则化方法计算边界处粒子的物理量,并利用基于统一计算设备架构的GPU并行计算方法对耦合过程进行加速.实验结果表明,该文提出的方法能在减少采样粒子、提高计算效率的同时,实现实时逼真的流固耦合效果.

基于软特征理论的目标跟踪研究1334-1355

摘要：针对目标跟踪过程中遮挡、形状与尺度变化导致目标易丢失的问题,提出了一种新的基于软特征（Soft Feature,SF）的目标前趋预测跟踪方法.该方法首先在视频图像中选取待跟踪目标区域,统计目标区域内的初始像素点,计算初始像素相邻时域图像中与其具有相同变化强度的像素点,滤掉分散的像素点并标记像素群;然后将离散的像素群质心坐标拟合成时域轨迹,计算时域轨迹的空间谱带和边缘谱带,合并谱带信息中具有可微分的相同变化强度的频率,得到软特征信息及软特征约束模型;最后,根据软特征及其约束模型对视频中运动目标进行跟踪,并以前趋冲击强度对目标运动状态和软特征进行前趋预测,限定目标检测范围并得到预测特征,以此实现目标前趋预测跟踪.该方法抓住了目标在形变过程中其前景区域的灰度特征具有可微分的同频率变化的显著特点,这是目标区别于复杂背景以及对形变目标进行长时间稳定跟踪（Long-term Tracking）的重要信息源.软特征的提取可以有效凸显目标区域和前趋信息,同时能有效抑制干扰信息.实验结果表明,软特征跟踪方法不仅可以克服遮挡、形状和尺度变化对目标跟踪的影响,而且具有较高的实时性、准确性和鲁棒性能.与现有的跟踪方法（State-ofthe-art Trackers）相比,软特征理论具有以下优点：采用软特征跟踪运动目标,对目标形状变化和尺度伸缩问题具有很好的抗干扰性;采用前趋冲击强度对目标前趋进行预测,可以有效解决因遮挡而导致目标丢失的问题;由于目标检测范围较小,软特征数据量较低,无需存储目标姿态模型,其计算复杂度和空间复杂度较低,跟踪速度较快.

人脸特征点提取方法综述1356-1374

摘要：人脸轮廓的定位提取,是计算机视觉领域的新兴热点研究课题.该课题对于人脸识别、表情识别、目标跟踪等诸多相关课题的研究具有重要意义.特征点是目前人脸轮廓的最主要描述形式.近年来,伴随着受关注度的不断提升,针对人脸特征点定位技术的研究获得了长足的发展.文中对过去十年间该方向上出现的新方法和新技术进行了整体综述.具体包含以下内容：（1）介绍了人脸轮廓描述形式、所采用的图像特征、实验图像数据集等相关知识;（2）按照核心技术方法的区别,所有方法被进行具体细分并归类介绍;（3）统计汇总分析了各方法的实施细节,包括特征点数目、实验数据集、图像特征形式、方法相对实验精度等内容;（4）分析了近年来方法发展的趋势和共性特点;（5）对目前研究中亟待解决的挑战性问题进行了讨论.

基于连续模型和动力学仿真模型的高密度人群仿真算法1375-1392

摘要：为了真实模拟高密度下的人群运动,文中提出了一种将人群运动连续模型和人群动力学仿真模型相结合的高密度人群仿真算法.该方法首先将人群假设为连续的流体,并进行密度场的转化;然后通过计算最大速度场和单位消耗场,建立全局的动态势能场,并根据势能场的梯度得到期望的全局速度场;接着利用有限压缩性规则对人群的密度进行限制,通过高密度环境下产生的压力项校正速度场,从而插值更新人群位置,并对更新后的人群做最小距离限制,实现网格内部个体之间的避碰;最后引入GPU加速算法实现高密度人群快速仿真.仿真结果表明,基于连续模型和动力学仿真模型的高密度人群仿真算法能够逼真地模拟向同一目标或指定目标运动、躲避动静态障碍物、人群交汇等多种场景下的人群运动,这对现实生活中交通疏散方案的制定具有一定的指导意义.

基于局部自相似性和奇异值分解的超采样图像细节增强1393-1406

摘要：基于局部自相似性的图像超分辨率算法中存在面块或线条现象,导致图像纹理不自然,细节信息丢失严重,针对这个问题,文中提出了一种基于局部自相似性和奇异值阈值化的细节增强图像超分辨率算法.在通过轮廓模板插值得到初始超分辨率图像的基础上,利用奇异值分解及阈值化去噪提高局部自相似性提取高频信息的准确性,解决伪高频噪声成分造成的面块或线条痕迹.该细节增强超分辨率算法主要分为4个部分,即初始插值、块匹配搜索、奇异值阈值、细节合成.首先选取Pascal的轮廓模板插值算法得到初始超分辨率图像,该算法在保持插值图像整体轮廓和细节等方面都有着很好的效果优势.块匹配搜索部分,文中算法由初始超分辨率图像和原始低分辨率图像分别提供参考块和学习块,在单一尺度上进行匹配,更多地利用了原始图像的信息,复杂度也更低,即利用原始低分辨率图像的局部自相似性提供先验知识,进行块匹配学习,找到初始超分辨率图像块在原始低分辨率图像块中的最佳匹配块,提取出最佳匹配块的高频信息;然后利用奇异值分解将高频信息矩阵分解到两个正交子空间中,并选取合适的阈值对奇异值矩阵进行软阈值化处理,剔除高频成分中能量较小的伪高频噪声成分,得到更为准确的高频细节信息.最后为得到最终超分辨率图像,有效地实现超分辨率图像的细节增强,利用有效奇异值对应的奇异值矢量重构高频图像块矩阵,并在初始超分辨率图像上进行细节合成.合成过程中,选择中心对称的高斯函数对图像块进行加窗处理,以抑制分块重叠带来的重叠区影响.实验结果数据表明,文中算法不但能明显解决由于伪高频成分导致的面块或线条现象,重建出的图像纹理细节更真实丰富,纹理结构和边缘特征的清晰度和对比度较高,得到的高分辨率图像视觉效果也�

最小代价路径标签传播算法1407-1418

摘要：现有的半监督分类方法由于时间复杂度较高等原因无法用于稍大规模的图像分类.该文根据聚类假设,通过寻找标签在图中进行传播的最主要路径,即最小代价路径,提出了最小代价路径标签传播算法（Minimum Cost Path Label Propagation,MCPLP）.该算法通过变形的最小生成树得到无标记样本到标记样本间的最小代价路径,使标记沿着节点间代价最小的路径传播来实现分类,每个节点仅需被传播一次就能得到它们的标记.同时发现本文算法以及其他这类基于图的标签传播半监督分类方法由于构建的稀疏图存在图的连通性问题,导致可能出现标签不能被传播到所有节点,即存在数据不能被分类的情况.我们研究了图的双向不连通问题和图的单向不连通问题（非对称图）,提出构建稀疏对称矩阵增强图的连通性以及对未分类数据进行再次分类的方法,解决由连通性带来的数据不能被全部分类的问题.分析及实验结果表明提出的MCPLP算法不仅具有较低的时间复杂度,而且有较高的分类正确率.通过对大规模图像的分类实验,验证了MCPLP算法同样适合于大规模的图像数据分类.

基于深度学习的鲁棒性视觉跟踪方法1419-1434

摘要：传统的视觉跟踪方法（如L1等）大多直接使用视频序列各帧内的像素级特征进行建模,而没有考虑到各图像块内部的深层视觉特征信息.在现实世界的固定摄像头视频监控场景中,通常可以找到一块区域,该区域中目标物体具有清晰、易于分辨的表观.因此,文中在各视频场景内事先选定一块可以清晰分辨目标表观的参考区域用以构造训练样本,并构建了一个两路对称且权值共享的深度卷积神经网络.该深度网络使得参考区域外目标的输出特征尽可能与参考区域内目标的输出特征相似,以获得参考区域内目标良好表征的特性.经过训练后的深度卷积神经网络模型具有增强目标可识别性的特点,可以应用在使用浅层特征的跟踪系统（如L1等）中以提高其鲁棒性.文中在L1跟踪系统的框架下使用训练好的深度网络提取目标候选的特征进行稀疏表示,从而获得了跟踪过程中应对遮挡、光照变化等问题的鲁棒性.文中在25个行人视频中与当前国际上流行的9种方法对比,结果显示文中提出的方法的平均重叠率比次优的方法高0.11,平均中心位置误差比次优的方法低1.0.

基于AFS的多民族人脸语义描述与挖掘方法研究1435-1449

摘要：该文提出了一种基于语义规则的多民族人脸特征表达方法.该方法在公理化模糊集理论框架下建立刻画人脸特征的语义概念,构建描绘不同民族人脸特征的语义规则集,并根据语义贴近度及隶属度的关联性设定约简准则进行语义挖掘,进而研究不同民族的人脸典型特征.所提方法的特点包括：通过多民族人脸特征数据的分布规律获取表述人脸特征的语义;定义的逻辑运算规则能够实现人脸语义运算,并获得描述人脸多样性特征的复杂语义;挖掘所获的多民族人脸典型特征由具有自然语言解释的语义表述,便于直观理解.文中采用C4.5、Quest、DecisionTable、NeuralNet、BayesNet、SVM和RA等方法对FEI、CK＋以及本文所构建的＂中华多民族人脸数据库＂中的人脸民族属性进行了分析,结果表明该文方法建立的语义规则集不仅能够对各民族人脸特征进行语义解释,而且对个体人脸的民族属性具有较好的判别率,该文方法为研究多民族的人脸语义特征规律提供了一个新途径.

一种基于运动矢量空间编码的HEVC信息隐藏方法1450-1463

摘要：HEVC（High Efficiency Video Coding）是ISO/IEC和ITU-T联合制定的最新的视频编码标准,该文提出了一种基于运动矢量空间编码的HEVC信息隐藏方法.文中首先给出了运动矢量空间的构建及编码方法,并定义了运动矢量集合与该空间中点的映射关系;其后,给出了通过修改运动矢量集合映射值进行信息隐藏的方法.文中的方法实现了在N个运动矢量分量中最多改变一个分量即可嵌入一个2 N＋1进制数的效果,具有较高的嵌入效率.此外,文中的方法仅选择CTU（Coding Tree Unit）中尺寸最小的N/2个PU（Prediction Unit）的运动矢量作为嵌入载体,使得隐写所引入的视频附加失真进一步减小并提升了隐写的透明性.最后,通过实验证实了该文的方法可行且具有优良的性能,具有良好的应用前景;而且,该文通过构造虚拟空间进行信息隐藏,给出了一种提升视频信息隐藏算法嵌入效率的新途径.

引入局部全局信息的区域自适应局域化快速活动轮廓模型1464-1476

摘要：针对HIFU超声图像中子宫肌瘤的分割难题,该文提出了一种准确高效的引入局部全局信息的区域自适应局域化快速活动轮廓模型.该模型引入了图像的局部全局信息形成局部全局力,并依据演化曲线上各点周围的灰度分布均匀程度动态地决定图像的局部全局信息和形状约束信息的使用范围,克服了HIFU子宫肌瘤超声图像分割中的初始化轮廓敏感性问题.该模型通过利用该灰度分布信息自适应地改变局域区域的半径大小,进而在活动轮廓曲线演化过程中动态地调整局域化区域范围,提高了分割的准确性及曲线的演化效率.最后在演化曲线上通过使用同一局部区域计算相邻像素的局域作用力,进一步提高了分割效率,最终实现了HIFU子宫肌瘤超声图像的准确高效分割.实验结果表明：该文方法克服了HIFU子宫肌瘤超声图像分割的难题,相较于最近提出的MSLCV模型,获得了更准确高效的分割结果,且平均计算效率提高了84.6%.

基于最优值搜索框架的CT序列图像肝脏分割1477-1489

摘要：显式模型下建立的肝脏分割算法受适用条件的限制,不能有效地控制分割进程,制约了算法鲁棒性和泛化能力的提高.针对这一问题,该文提出了一个新的方法,将肝脏分割问题转化为隐式函数最优值搜索,依据图像实际数据和先验形状信息有效地控制分割进程,以迭代搜索策略得到肝脏的最优分割结果.每一个迭代步骤由两部分组成：首先,利用MRF（Markov Random Field）实现已有肝脏轮廓邻域的局部再分割,重新调整肝脏轮廓;然后,利用先验形状稀疏表示调整后的形状,有效地修正噪声、边界模糊等因素引起的错误分割,并将修正后的肝脏轮廓用于下一轮局部再分割.肝脏分割结果在迭代过程中不断逼近真实值.为了提高形状稀疏表示的计算精度和速度,该文改进了相关技术细节,提出了动态字典生成策略,并利用混合粒子群算法求解稀疏表示方程.与金标准相比,该文所提算法在边界模糊、对比度低、存在大量其他干扰组织区域等不利因素的情景中,其分割精度（Volume Overlap Percentage,VOE）可达到90%以上.

基于多图谱活动轮廓模型的脑部图像分割1490-1500

摘要：丘脑、海马体、伏隔核、尾状核等关键脑结构的位置、体积、形态等的变化与多种脑部疾病息息相关,对其精准分割是进行相关定量分析的前提.然而在磁共振图像中这些结构对比度不高、边界模糊,传统方法只是利用了标号图像,没有考虑到待分割图像、先验信息等,因无法实现准确分割.文中将多图谱配准与活动轮廓模型相结合,提出了一种新的多图谱活动轮廓模型框架,有效地利用了图谱的先验信息和待分割图像的灰度信息,将多图谱的形状先验项引入到活动轮廓模型中,并在融合标号图像的过程中利用活动轮廓模型校正配准引起的误差,可以得到光滑、准确的分割结果.该框架包含3个部分：第1部分为图谱先验项,利用配准的局部相似性作为权重融合多个图谱的信息;第2部分为数据项,利用待分割图像的局部信息,可以校正配准中的误差;第3部分为平滑项,用于保证曲线在演化过程中的平滑.大量的实验表明了该方法的有效性和准确性.