检索结果-内蒙古大学图书馆

电子与信息学报 2015年第8期37卷 1913-1919页

作者：周全魏昕陈建新郑宝玉南京邮电大学宽带通信与传感网技术教育部重点实验室南京210003

该文针对人脸图像受到非刚性变化的影响,如旋转、姿态以及表情变化等,提出一种基于稠密尺度不变特征转换(SIFT)特征对齐(Dense SIFT Feature Alignment,DSFA)的稀疏表达人脸识别算法。整个算法包含两个步骤:首先利用DSFA方法对齐训练和... 详细信息

该文针对人脸图像受到非刚性变化的影响,如旋转、姿态以及表情变化等,提出一种基于稠密尺度不变特征转换(SIFT)特征对齐(Dense SIFT Feature Alignment,DSFA)的稀疏表达人脸识别算法。整个算法包含两个步骤:首先利用DSFA方法对齐训练和测试样本;然后设计一种改进的稀疏表达模型进行人脸识别。为加快DSFA步骤的执行速度,还设计了一种由粗到精的层次化对齐机制。实验结果表明:在ORL,AR和LFW 3个典型数据集上,该文方法都获得了最高的识别精度。该文方法比传统稀疏表达方法在识别精度上平均提高了4.3%,同时提高了大约6倍的识别效率。

关键词：人脸识别人脸对齐稠密尺度不变特征转换特征稀疏表达模型

来源：评论

学校读者我要写书评

暂无评论

基于稀疏表达的散焦模糊检测与图像去模糊算法研究

基于稀疏表达的散焦模糊检测与图像去模糊算法研究

引用

作者：李金洋西安电子科技大学

学位级别：博士

伴随着人类对自然科学的探索，视觉上的观测始终发挥着重要作用。然而，图像在获取和显示等过程中，由于成像设备和成像原理固有的局限性和其他外界因素的影响，在采集图像的过程中会产生模糊和噪声，导致图像质量下降，产生纹理细节和... 详细信息

伴随着人类对自然科学的探索，视觉上的观测始终发挥着重要作用。然而，图像在获取和显示等过程中，由于成像设备和成像原理固有的局限性和其他外界因素的影响，在采集图像的过程中会产生模糊和噪声，导致图像质量下降，产生纹理细节和特征等有用信息难以准确提取或完全缺失的降质图像。这种情况，会给之后的图像分析和图像理解阶段带来直接的负面影响。因此，图像模糊的处理――包括图像的模糊检测、估计和图像去模糊，自诞生之日起，便受到了广泛的研究与关注。图像的模糊处理是指利用算法的手段，对图像的模糊进行检测、分析、估计和去除等操作，目的是从多幅或单幅模糊退化的图像恢复出高品质的图像。随着机器视觉和计算机视觉等应用对图像品质的超高要求，图像的模糊处理正越来越多的发挥着更加积极的作用，因而，在图像处理领域中，也受到越来越多的关注。\n 现有图像的模糊处理方法可以概括为两类：数据驱动的方法和模型驱动的方法。数据驱动的方法与人类的认知过程具有很大的相似性，需要利用大量具有重大意义的特征数据进行训练。它与人类认知过程不同之处在于，我们需要手动的选择具有重要特征的数据、确定重要特征的意义以及确定所需要特征的种类等等，这会直接影响基于数据驱动的算法的稳定性；而模型驱动的方法，往往过度依赖先验知识来约束最优解空间，限制了模型驱动方法的应用，影响其性能和精度。为了改善图像的模糊处理方法的性能，将这两类方法进行结合是一种选择。\n 稀疏表达模型是一种强大的统计模型，已经被广泛地应用于许多图像模糊处理的应用和研究之中。本文基于稀疏表达的理论，围绕数据驱动方法与模型驱动方法的关联问题开展研究。以单幅图像的图像模糊处理为主要研究内容，分析自然图像的普遍规律，挖掘非局部的结构特性，为基于稀疏表达的图像模糊处理方法提供新的思路。\n 本文的主要研究内容和创新成果如下：\n 1)针对过完备字典表达模式的局限性和稀疏系数分布估计不够准确的问题，提出一种基于稀疏表达的改进模型，来检测和估计由图像传感器采集到的散焦模糊。我们考虑到一个事实，即在不同图像中或单幅图像的不同图像块中的模式通常变化十分巨大，而利用一个过完备字典来进行稀疏表达是十分不稳定且耗时的。针对这个问题，提出利用自适应域选择方案来事先学习一组紧凑字典集合，并为每一个待处理的图像块自适应地选取一个最优的表达字典。之后，利用非局部的结构相似性学习与真实系数分布更加接近的非零均值的系数分布。由此，我们可以获得更加准确的稀疏系数，并进一步提高散焦模糊检测与估计结果的性能。为了估计模糊的程度，提出了一种模糊强度估计的度量标准。实验结果证明，提出的方法在定量和定性上，都优于当前流行的散焦模糊估计算法。\n 2)针对解空间约束不足的问题，提出了一种基于低秩正则化的稀疏表达模型，实现单幅图像的去模糊问题。提出方法的动机源于对于自然图像的一种观测，图像包含大量自重复性的结构，它们可以通过相似的模式进行表达。然而，由于输入图像包含模糊、噪声和其他退化效应，仅仅用块聚类算法提取非局部的相似结构是不够的。我们首先提出一种集成字典学习的方法，表达不同的相似模式；之后，将低秩正则化约束直接作用于输入图像块上，指导期望的解空间朝着尖锐的图像结构发展。并利用核范数和l1范数优化目标函数。对比实验结果证明，提出算法可以在视觉品质和量化指标上，取得更好的结果。\n 3)针对有用信息利用不足的问题，提出了一种基于稀疏表达和梯度先验知识的尺度自适应选择方法。使用一个预训练的模糊字典，稀疏表达可以利用一幅模糊的输入图像，稀疏地重建模糊样本。利用最小化方法求解最小数量的模糊原子获得初始位置对应的稀疏系数向量，定位到该选择区域的初始位置(是一个图像块)，寻找到表达光滑组成的最佳样本。再利用一种梯度先验知识搜索一系列扩大的离散尺度。提出的算法结合稀疏表达和有用特征的统计特性，可以使区域选择方法高度有效。针对不同的区域选择算法，提出的算法在模糊核估计和图像去模糊的品质上都取得了更好的性能。

关键词：稀疏表达模型图像去模糊算法散焦模糊检测低秩正则化

来源：评论

学校读者我要写书评

暂无评论

人体三维运动姿态估计方法研究

人体三维运动姿态估计方法研究

引用

作者：江梦茜厦门大学

学位级别：博士

在对人类活动行为分析中,从图像或视频中精准地刻画出人体的三维运动姿态尤为关键,其能够为人类行为的感知和识别提供重要的研究基础,对促进人类智能系统(如:自动驾驶、人机交互、以及智能监控)的发展是至关重要的。三维人体运动姿态估... 详细信息

在对人类活动行为分析中,从图像或视频中精准地刻画出人体的三维运动姿态尤为关键,其能够为人类行为的感知和识别提供重要的研究基础,对促进人类智能系统(如:自动驾驶、人机交互、以及智能监控)的发展是至关重要的。三维人体运动姿态估计是近年来国内外的研究热点,其主要任务为从给定的二维图像或者视频中重构出人体的三维运动姿态。在三维人体运动姿态估计算法中,常用的两类策略为基于判别式的方法和基于产生式的方法。虽然两类策略均取得了一系列的进展,然而,面对着诸如单目视觉中的深度歧义、人体姿态的非刚性复杂形变以及图像观测空间中的杂乱场景等各类挑战,现有的人体三维姿态估计技术中仍然存在许多关键性的问题亟需解决。本文针对三维人体姿态估计中存在的具体问题,采用模式识别中的关键技术,如基于稀疏表达的几何建模、基于深度学习的特征捕获等开展了一系列的研究工作。本文的主要研究内容如下: (1)提出基于残差补偿的加权稀疏表达算法尽管稀疏表达模型能够有效地缓解三维人体姿态估计任务中因投影深度歧义性而引发的推理模糊问题,其仍然存在两种类型的估计误差(即:采用l1凸近似下的稀疏系数的解误差,二维投影空间近似推理下的三维空间残差)。针对这两类误差带来的影响,提出了两种施加在标准稀疏表达模型上的增强方案。首先,提出一种增强稀疏线性组合的加权方案以求得更为准确的稀疏系数解。其次,通过建立二维投影空间的源残差与三维空间的目标残差之间的一个变换关系,直接在三维空间中调整了初始估计的三维人体姿态以提高最终估计的精度。此外,还提出了累积误差最优化策略,该策略通过施加源残差到优化方程中以扩大均方误差的统计范围,缓解模型优化过程中随机扰动的影响。提出的两种增强策略的有效性已在若干个标准的基准数据库上进行了实验验证。标准稀疏模型经过所提方案的增强后在所有定量研究中均得到了提升。与无监督学习方法的对比,提出算法显示出了优越性能。即便是与基于监督学习方法,如:基于深度学习的算法相比,提出算法在采用更少的训练样本的情况下,依然展示出了有竞争力的估计结果。 (2)提出基于多几何先验的形状分解算法稀疏表达模型具备捕捉人体姿态复杂变化的能力已在三维人体姿态估计任务中得到了体现。然而,大多数基于稀疏表达模型的算法(包括第一项工作)均基于训练样本足够多样的假设。遗憾的是,现有室内采集的训练数据的多样性和复杂性往往无法满足真实场景中的人类活动,导致大多数三维人体姿态估计算法难以泛化到真实复杂场景中。针对此问题,提出一种基于多几何先验的形状分解算法。该算法缓解了稀疏表达模型因训练集多样性不足而造成的算法性能下降问题。首先,提出了形状分解模型,将一个复杂的三维人体姿态描述为全局结构和姿态形变两部分。然后,对于这两部分的编码,分别引入两个不同的先验约束(即:l1和l2),以得到稀疏和稠密分布的两组不同组合系数解。其次,提出一种联合字典学习方法以从有限的训练数据中获得更丰富的三维几何先验。实验表明,提出的多几何先验的形状分解算法的有效性在几个公认的基准数据库上得到了验证。特别地,提出算法在那些包含更多复杂形变的姿态中显示出了更为显著的性能提升。 (3)提出基于隐结构监督的联合子空间学习算法大多数三维人体姿态估计算法(包括前两项工作)均对人体姿态进行向量化表征,这样的向量表征方式导致了人体关节固有结构的丢失。针对此问题,提出了一种隐空间监督联合子空间学习方法。该算法利用深度神经网络技术对输入的姿态的向量化表征进行隐空间特征捕获,并将捕获到的特征融入到一个无需成对样本的稀疏表达优化框架中。具体地,首先,训练一个端到端自动编码器捕获输入二维姿态向量表征中的隐空间关系。然后,将二维姿态的向量表征及其隐空间表征联合地输入到稀疏表达模型的优化框架中,实现了以人体关节的隐空间关系为监督的三维人体姿态算法。该算法在二维姿态空间和隐空间上进行优化。在几个常用的基准数据库上进行了实验,实验结果表明提出策略是有效的。与最先进的基于稀疏表达模型的方法相比,提出算法在所有定量评估中表现出了优越的性能。在与几种代表性的基于监督学习的方法相比,提出算法在无需成对训练样本的场景下也获得了具有竞争力的估计结果。 (4)提出基于k层穿透表达的对抗攻击算法第一项至第三项工作旨在针对各类实际问题设计出性能优越的人体三维运动姿态估计算法。在本项工作中,为了给更为稳健可靠的三维人体姿态估计方法的设计提供启示,探索了一类以人体运动姿态估计为典型应用的坐标回归模型的安全性和稳定性问题。针对具有不可微运算的坐标回归模型,提出了一种新的对抗样本生成方法。该方法的新颖之处在于一个无需要端到端反向传播的带有关系指导的k层穿透表征,通过关系引导扰动第k层的隐特征分布来改变一个训练好的坐标回归模型的最终输出。具体地,建立输入像素与模型第k层隐特征之间的三种相关性精确

关键词：人体三维运动姿态估计稀疏表达模型字典学习深度学习对抗攻击

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：