发表咨询:400-808-1731
订阅咨询:400-808-1751
北大期刊
影响因子 0.51
人气 23704
北大期刊
影响因子 0.94
人气 20374
省级期刊
影响因子 0.3
人气 17860
部级期刊
影响因子 1.03
人气 13561
统计源期刊
影响因子 1.71
人气 12610
CSSCI南大期刊
影响因子 5.52
人气 12116
统计源期刊
影响因子 0.55
人气 11074
北大期刊
影响因子 0.62
人气 10736
省级期刊
影响因子 0.42
人气 10496
统计源期刊
影响因子 1.29
人气 9958
摘要:烟、雾、霾、浑浊海水等散射介质对穿过它们的光线有散射作用.在散射环境下,通过成像系统获得的图像都会有一定程度的退化,为提取场景内的有效信息带来困难.因此,研究穿透散射介质成像,提取有效的场景信息,对于科学研究和工业应用都有着重要的价值.关于穿透散射介质成像,学术界已经提出了多种模型和算法,大致可分为主动式方法和被动式方法两类.被动式方法主要以自然光为照明手段,对自然光的传播路径建模,求解相关参数以获得场景信息,其缺点是不能用于无光或暗光的场景.为此,研究者提出主动式方法,主要包括结构光扫描、主动偏振光以及时间门等.这些传统的成像方法存在光照不足、需要扫描或需要复杂的成像设备等问题.计算摄像学领域近年来提出的瞬态成像技术能为解决上述问题提供新的思路,因为瞬态成像技术在传统的成像技术的基础上增加时间维的信息,使得许多用传统成像技术无法观测的场景属性可以被理解和获取.文中提出一种基于瞬态成像技术的穿透散射介质成像的方法,将常用于计算机视觉和计算机图形学的单次散射模型扩展为瞬态单次散射模型,并设计出偏移拍摄法,以重构场景的深度及纹理.该方法能在散射环境中重构毫米级精度的深度图和较清晰的纹理图.
摘要:移动视频业务应用广泛,流量占比高且持续增长.针对有限的移动网络带宽,如何合理地规划网络服务、提供优质的移动视频体验,需要客观的视频体验评估反馈网络服务提供商和视频服务运营商以改善网络利用率及传输方案.当前大多数视频服务质量评估方法都基于DPI(Deep Packet Inspection)方法获取视频播放信息以计算视频QoE(Quality of Experience).然而,为了保护用户隐私和网络安全,越来越多的视频采用HTTPS加密传输,使得传统的DPI方法无法获取码率和清晰度等QoE评估参数.因此,文中提出一种基于视频块统计特征的加密视频QoE参数识别方法(以代表性网络视频YouTube为例).首先,根据SSL/TLS协议握手过程中未加密部分识别HTTPS加密的YouTube流量.然后,根据视频流前若干个包的4种特征识别出HLS、DASH和HPD传输模式,再根据视频块统计特征建立机器学习模式识别视频块的码率和清晰度.实验结果表明该方法传输模式、码率和清晰度识别平均准确率分别达到98%、99%和98%,可以有效用于加密YouTube的QoE评估.
摘要:形状识别是计算机识别领域中的基本问题,可以广泛地应用于对象识别、图像检索、图像配准、目标追踪等各个领域.现在的形状识别方法主要利用形状轮廓上采样点的相关性形成特征描述子,在实际应用中由于缩放、旋转、仿射、射影等变换,无法获取采样点之间的对应关系,形状匹配时间长,识别率低.为了克服基本的特征描述子的局限性,该文提出了一种基于曲率分级的形状编码方法.首先,将射影不变量引入到形状的基本表示中,以保证形状描述在各种变换下的稳定性;其次,以形状轮廓段为基本编码单位,对基本的描述子进行聚类编码;最后,为了使编码结果更好地代表形状轮廓信息,作者采用一种对轮廓段曲率分级的方式,将不同曲率级别的编码用max_pooling的方式提取特征作为形状的最终编码.在通用数据库上的实验表明,该方法可以有效地识别在射影变换下的形状,识别率高达98%,较基本的特征描述子提高了近10%,与其它基于编码的方法相比也有一定的优势.
摘要:为了解决遥感图像中直线断裂、遮挡等情况对配准结果产生影响的问题,提高图像配准的精度,文中提出了一种新的基于弹性特征编组的图像配准方法.该方法分为四步:首先分别从基准图像和待配准图像中提取弹性特征编组;然后依据局部属性相似性寻找这两幅图像中弹性特征编组的所有可能匹配情况;接着,从所有可能匹配情况中寻找一个最优匹配子集,使得该子集相似性测度之和最大且由它确定的配准误差最小;最后,根据弹性特征编组对应情况计算同名像点,运用仿射变换模型,实现基准图像和待配准图像之间的配准.实验表明,文中提出的方法对存在明显直线特征的图像之间的配准是有效的,且能有效克服直线断裂和遮挡的影响.
摘要:新一代主流云计算与信息处理模式及平台中的一个主要问题是客户端与云服务器端(或客户端)之间的数据传输瓶颈问题,屏幕与混合内容编码技术以带宽最省、安全性高等优势,成为解决该问题的核心技术之一.该文在我国第二代数字音视频编解码技术标准(AVS2)的屏幕与混合内容编码(SMCC)扩展版中,提出了一种融合像素串匹配的全色度屏幕与混合内容编码技术,该技术已经被AVS2-SMCC扩展版工作草案稿采纳.针对目前AVS2不支持全色度4∶4∶4格式的特点,作者设计与实现了一种融合4∶4∶4格式的像素串匹配编码算法和4∶2∶0格式的帧内、帧间预测编码算法的全色度屏幕混合内容编解码框架与算法.在此框架下,首先提出了一种4∶2∶0格式的帧内、帧间编码算法与4∶4∶4格式的串匹配编码算法的率失真代价值计算方式;然后给出了一种改进的像素串匹配算法及其关键技术,包括最佳参考串确定算法、基于N元组的快速哈希表搜索算法、基于分段截断二进制码的长度参数编码方案和基于N元组的位移参数编码方案.实验结果表明,对于AVS2-SMCC通用测试序列中的移动的文字和图形类别,提出的算法与AVS2-P2基准算法集成了色度上、下采样后支持YUV4∶4∶4格式的编解码器相比,在编码复杂度增加较少的情况下,对于有损全帧内(AI)配置Y分量、U分量、V分量平均BD-rate降低率分别可达56.1%,97.2%,99.2%;对于有损低延迟P(LDP)配置Y分量、U分量、V分量平均BD-rate降低率分别可达41.8%,70.9%,72.9%,能大幅提高屏幕与混合内容的编码效率.
摘要:Shearlet变换作为后小波时代的一个重要的多尺度几何分析工具具有良好的各向异性和方向捕捉性,同时它也可以对诸如图像等多维信号进行一种近最优的稀疏表示.非下采样Shearlet变换(NSST)在保持Shearlet变换特性的同时还具有平移不变特性,这在具有丰富纹理和细节信息的图像处理中发挥着重要作用.该文首先对图像NSST方向子带内系数的概率密度分布进行分析,获得系数的稀疏统计特性和Cauchy分布拟合子带内系数的有效性;其次对NSST方向子带间系数的联合概率分布进行分析,获得方向子带系数间所具有的持续和传递特性,确定了一种NSST子带间树形架构的系数对应关系,进而提出一种NSST域隐马尔可夫模树模型(C-NSST-HMT),该模型通过Cauchy分布来拟合NSST系数,更好地揭示图像NSST变换后相同尺度子带内和不同尺度子带间系数的相关性.进一步提出一种基于所提出C-NSST-HMT模型的图像去噪算法,该算法对于含噪声方差为30和40的噪声图像,其去噪后的PSNR(Peak Signal to Noise Ratio)较NSCT-HMT方法分别提高了1.995 dB和1.193 dB.特别对纹理和细节丰富的图像,该算法在去噪的同时,有效地保留了图像的几何信息.
摘要:相位恢复(Phase Retrieval,PR)是指利用信号的菲涅尔变换或其它线性变换的强度观测值恢复原始信号.由于相位信息的丢失,相位恢复问题是一个不适定问题.为解决该问题,可利用包含更多图像信息的多像面强度观测值和图像在字典下的稀疏性进行相位恢复.正交字典学习以速度快、效果好的优点得到了成像领域的关注.该文提出利用图像在正交字典下的稀疏表示进行多像面相位恢复的算法.首先,利用多像面强度观测值构造数据保真项,并结合图像在正交字典表示下的稀疏正则项构造多像面相位恢复优化问题.然后,利用分裂Bregman方法(Split Bregman Method)对该非线性优化问题进行求解;此外,针对含有数据保真项的非凸子问题,利用极大极小化(Majorization-Minimization,MM)算法将这一子问题转化为易处理的优化问题,并对其进行有效求解;该文提出的算法能够仅利用强度观测值重建图像同时学习字典,得到与之匹配的正交字典.正交字典学习通过阈值处理和奇异值分解两步训练字典.由于自适应正交字典能够捕获图像的结构信息,该文算法在像面个数较少时仍能得到高质量的重建图像.仿真实验表明,该算法无论从客观标准还是从主观视觉都优于现有算法,并对噪声鲁棒.
摘要:现有的无参考视频稳定质量评价算法存在对剧烈的抖动敏感或与主观评价结果一致性不高等问题.针对这些问题,提出了一种直接度量视频运动路径平滑程度的无参考视频稳定评价算法.首先检测相邻两帧图像的特征点,计算相邻帧间单应变换;然后将单应变换映射到李群空间形成运动路径;最后借助离散测地逼近方法计算运动路径全曲率,以此衡量运动路径平滑程度,进而评价视频稳定程度.为了验证评价的有效性,根据已公开的数据集构建了150段抖动视频及其稳定处理后的视频组成的数据集进行测试.实验结果表明,该文算法获得的视频稳定评价结果与人眼主观评价结果的相关性达到97%,相比于帧间保真度、频域分析等现有评价算法提高20%以上.与全参考视频稳定质量评价算法的一致性对比结果进一步验证了该文算法的有效性.
摘要:运动推断结构(Structure From Motion,SFM)是一种从图像或视频序列生成三维点云模型的技术.由于SFM能够产生与输入图像或视频场景具有较高几何一致性的三维模型,因此,吸引了国内外学者的广泛关注,并将其应用于计算机视觉和图形学领域生成场景的三维模型,例如一些经典的应用有三维重建、增强现实、虚拟现实和无人驾驶等.特征跟踪作为运动推断结构的关键基础技术,可用来在图像和视频序列中寻找对应的匹配点,这些匹配点的质量直接影响着SFM生成的三维点云模型的几何形状.因此,为了提高SFM生成的点云模型与真实场景在几何上的一致性,研究者们提出了大量的特征跟踪方法,这些方法主要分为两类:处理无序图像的特征跟踪方法和处理视频序列的特征跟踪方法.然而,在现有的特征跟踪方法中,研究者们主要集中于在特定应用环境下如何提高特征跟踪的精度与时间效率,而忽略了特征跟踪领域尚未解决的一些问题.为了促进特征跟踪技术的发展和提高SFM生成的点云模型的质量,该论文综述了现有的特征跟踪方法.具体地说,该论文首先详细地分析了处理无序图像集合和视频序列的特征跟踪方法,阐述每个特征跟踪方法的核心思想、优点与不足.其次,总结了特征跟踪领域一些可用的算法,如特征检测子、特征描述子和特征匹配方法,以及一些标准的测试数据集.第三,在不同类型的数据集上评估了一些经典的特征跟踪方法,以便为选择合适的特征跟踪方法提供参考.第四,总结了特征跟踪领域一些迫切需要解决的问题,讨论了影响特征跟踪方法时间效率和精度的主要因素,以便促进特征跟踪技术的发展.最后,探讨了特征跟踪技术的发展趋势,为未来研究指明方向.
摘要:视网膜血管提取在眼科疾病的诊断和治疗中具有重要的临床价值,但由于其拓扑结构复杂与病灶噪声等原因,现有的提取方法精度低、鲁棒性差.为此,该文提出了一种基于多特征融合的有监督学习的视网膜血管提取方法.首先提取视网膜血管的线性特征、纹理特征、矩特征、方差特征和灰度特征等作为样本特征;然后通过随机森林模型训练得到视网膜图像血管分类器,由随机森林算法初步提取血管;最后利用视网膜血管灰度分布信息和连通域信息进行血管图像后处理,进一步去除初步提取结果中的伪影和病灶等非血管成分,获得最终的视网膜血管分割图像.通过在DRIVE和STARE眼底图像数据库上的实验仿真可知,该文算法的敏感度分别为0.8354、0.8452,准确率分别为94.83%、95.34%,总体指标优于已有的视网膜血管图像分割方法.
摘要:为了实现将低分辨率图像重构为高分辨率图像,弥补高、低分辨率图像间信息损失,文中提出了卷积神经网络与极限学习机结合的二次超分辨率重构方法.首先通过基于深度学习的超分辨率重构优化方法,快速训练端对端的卷积神经网络重构模型,学习结构化的图像信息;然后采用像素级的特征提取,并采用极限学习机模型对图像进行高频分量的补充,通过二次重构获得具有更好视觉效果的高分辨率图像.实验结果表明,文中的优化方法将原有卷积神经网络重构模型的训练效率提高了3个数量级,重构效果在主观和客观评估中均优于当前代表性的超分辨率重构方法.
摘要:在基于物理的仿真领域,近几年流行的物质点法已经成为一种越来越重要的仿真方法.物质点法已经可以仿真雪、物质状态变化、颗粒状的沙子以及粘弹性的泡沫等物理现象.现有的各种复杂物理现象的模拟已经展示了物质点法作为一种通用的求解方法的潜质,然而对于仿真形变体尤其是自然界普遍存在的非均质材质还存在一些不足.当同一网格内部包含多种材质的粒子时,由于背景网格与粒子之间的插值只考虑粒子的几何位置而不包含物质属性信息,导致不同属性的粒子在网格内部表现为“平均化”的运动趋势.为了改进传统物质点法模拟多种材质的缺陷,该文提出了一种模拟非均质弹性材料的仿真方法.首先,在预处理过程中将仿真物体离散表示成粒子,针对物质的不同属性粒子的分布,建立物质边界并确定边界粒子,仿真过程中动态更新边界粒子的位置;其次,引入粒子影响域,区分网格内部具有不同属性的粒子,增加网格内部计算自由度;最后,提出一个判断准则,根据物质边界粒子的位置判定仿真粒子是在背景计算网格上求解还是粒子区域上求解.实验结果表明,利用改进的物质点法能够有效地模拟非均质材质弹性体的形变.与有限元法相比,该文方法在模拟非均质弹性体时可以获得相似的效果,该文方法在模拟非均质弹性体进行可以获得相似的效果,并且在模拟拓扑结构变化的问题以及碰撞处理上更有优势.
摘要:随着互联网规模不断扩大,当前的网络为了能够支持最大的用户访问量并且能够同时保证服务质量,出现了过度供给的情况,正是这种过度供给的现象导致能耗问题日益严重.因此,以降低能耗为目标的绿色互联网的概念被提出,ICT部门也积极投身于相关研究工作当中.该文基于流量整合的思想,提出了一种高效的节能路由算法,具有节能效率高、节能效果好且不会使优化目标陷入局部最优的特点.该文首先对绿色互联网国内外的研究现状进行了综述和分析,通过对当前节能算法的分析,该文发现目前的一些节能算法容易陷入局部最优解,另外一些算法在寻路的过程中花费了大量时间.针对以上两个问题,该文基于捆绑链路设计了网络模型、功耗参数和数学模型,设计并实现了绿色互联网中的一种高效的节能路由算法.最后该文使用了CERNET2的网络拓扑和实际流量对算法进行了仿真实验和性能评价,并且与最短单一路径优先算法、快速贪心启发式算法进行了对比.实验结果表明,该文设计的算法在真实流量需求下最多可以节省整个网络56.3%的能耗,在节能效果方面相比快速贪心启发式算法有较大幅度的提升,与最短单一路径优先算法相比也有一定程度的提升,在运行时间和路由请求满足率方面也均明显优于快速贪心启发式算法和最短单一路径优先算法.
摘要:在SDN中,作为网络大脑的Controller,不仅为下层转发节点Switch提供数据转发流表,还为上层应用程序提供各类网络基本信息,负担繁重.特别是当网络规模较大时,Controller会成为网络性能的瓶颈.实验表明,当一个Controller管理300个Switch节点时,平均首ping时延超过300 ms,而访问百度、新浪等网站仅需20 ms左右,可见其对Controller负载造成相当大的影响,因此,有必要对其进行优化.已有工作表明,通过选取少量关键节点可实现对网络状态的可观性与网络行为的可控性.因此,减轻Controller负载的一个有效途径是对其所管辖的网络节点进行重要性排序,选取出重要节点,通过收集重要节点的网络服务信息去评估全网节点的网络状态,Controller再根据全网状态向这些重要节点下发相关控制策略,通过重要节点把控制策略扩散到全网节点从而实现全网控制.无论是信息采集还是下发控制流的过程,Controller仅仅操纵这些重要节点,既减少了信息采集工作又减少了控制流的下发工作,从而达到降低Controller负担的目的,因此,该文提出了一种面向服务的网络节点重要性排序方法.对于每一种网络服务,结合SDN集中控制以及获取全局参数的特性,不但考虑了Switch的网络信息,如通信量、网络拓扑等,而且结合了具体的网络服务选取对应的服务参数,对Switch进行重要性排序.Controller仅仅需要对排名靠前的Switch节点进行信息的收集与控制,从而达到降低自身负担的目的.该文以SDN网络中检测TCP洪泛攻击这一网络服务为例,进行了大量的实验,实验证实了参数选取的有效性,并且将该方案与已有方案进行了实验对比,该方案优于已有的排序方案.当选取排名在前40%的Switch节点进行信息收集时,不仅能够减少控制器60%的负担,还可以保证攻击检测程序成功率高达94%,同时,所提方案本身给Controller带来的负担仅占2%.