基于方向特征对比的图像显著区域检测算法

人类视觉注意力模型的研究结果表明,颜色特征、方向特征等底层特征是影响人类视觉注意力的重要特征。最近学术界提出了一些基于全局对比的显著性检测算法,但是这些算法仅涉及到颜色这一底层特征,而没有使用方向特征。这就影响了这类算法对方向特征对比度强而颜色特征对比度弱的图像的检测性能。因此,本文提出了一种基于图像方向特征全局对比的显著区域检测算法。首先,将图像过分割为若干不规则的超像素作为图像显著性计算的基本单元,把图像超像素的LBP（Local Binary Patterns）统计直方图作为该超像素方向特征的描述。然后,计算图像超像素的方向特征的独特性和方向特征的分布性。根据图像超像素的方向独特性和方向分布性计算超像素的显著性。最后,将显著性值分配到图像的每一个像素点上。在现今国际最流行的两个数据集上进行实验的结果表明,该算法可以有效弥补只使用颜色特征的显著性检测算法的不足,从而达到较好的检测效果。     

连续调制TOF图像误差来源及降噪处理

连续调制TOF(time of flight)相机通过传感器接收连续发送给目标的连续调制波,并探测连续波的飞行(往返)时间,测得目标物距离,其图像存在多类误差来源。文章简要介绍了基于TOF的距离测量原理,同时针对误差产生的原因进行了总结,并且通过实验,区别了几种常见滤波器在不同状况下的对于距离图像的去噪效果,并对结果进行了研究与归纳。     

警用视频分析的统一结构场模型研究

警用视频分析可以保障与辅助警务指挥,同时对安全防范起到协助作用,是辅助警务决策研究中的重要发展方向。研究视频二值分割的时序二阶关系,在时空场上分析超像素图切割推理方法;构建了目标检测时空场和语义标记场表达,在语义关联和空间约束下平滑连续参数的求解过程,用置信度传播方法推理类别标记;采用二值检测向量描述场景状态场,定义不同状态的跳转矩阵,根据计算出的目标位置和状态信息得到当前场景的似然估计,通过置信度传播预测场景状态信息并给出辅助决策。     

公安情报技术翻转课堂教学设计研究

翻转课堂指的是让学生在课前预先观看教师所录制的线上课程,再到课堂进行深度讨论与作业等活动的互动式教学模式。通过实验方式,探讨公安情报技术课程使用翻转课堂学生的学习成效、动机、态度及兴趣,将部分讲授的内容录制视频后上传至校教学平台,让学生课前先观看视频,课堂上以异质化分组讨论、小组报告活动等方式进行。研究发现翻转课堂的学生中,学习兴趣与动机有改善,学生的态度及兴趣也因为翻转课堂而趋于正向,最后在讨论翻转课堂优缺点的基础上,认为需要设计一个更适用翻转课堂互动的平台以利于学生沟通与知识交流。     

用于头戴式虚拟现实眼镜的视频水印

头戴式虚拟现实眼镜可以将人对外界的视觉封闭,使观看者产生沉浸于虚拟环境中的感觉。为了实现这一效果,头戴式虚拟现实眼镜会将广角镜片放置在使用者的眼睛前,使得视频画面聚焦。由于广角镜片的使用会对画面产生枕形畸变,从而影响观看的效果;因此播放的视频画面要先经过桶形变换以抵消广角镜片的影响。此时使用者可以拷贝经过桶形变换的视频,从而盗版该视频。在这种情况下,视频的版权信息不仅需要在原始视频中验证,还需要在经过桶形变换后的视频中验证。提出了一种用于头戴式虚拟现实眼镜的视频水印方案;该方案使用基于扩频的水印嵌入方法,将数字水印模板嵌入到视频帧的中频中。对于遭受了桶形变换的视频帧而言,首先提出了一种桶形变换参数估计方法;然后对遭受了桶形变换的视频进行枕形变换以期恢复出桶形变换,前的画面;最后,对恢复的视频帧和水印模板进行相关性计算,以检测该视频中是否含有水印。实验结果表明,可以正确地从遭受桶形变换的视频帧中检测出已嵌入的水印,说明可以用于头戴式虚拟现实眼镜中的视频的版权保护。     

基于图多层感知机的节点分类算法

多数图神经网络(Graph Neural Networks, GNN)通过设计复杂的节点信息传递和聚合方式，以提升节点分类等图分析任务的实验表现，而本文提出了一种无需信息传递和聚合的图多层感知机(Multi-Layer Perceptron, MLP)模型A&T-MLP,利用属性和拓扑信息引导的对比损失来增强模型表征能力。A&T-MLP首先使用属性矩阵和邻接矩阵计算节点间的属性和拓扑相似度；然后使用基于相似度信息引导的对比损失，增大特征空间中相似节点的一致性和不相似节点的差异性；最后构建多层感知机模型并引入交叉熵损失进行端到端训练。在节点分类任务中，A&T-MLP表现优于基线模型，Wikipedia数据集上的Micro-F1和Macro-F1相较GNN模型图卷积网络(Graph Convolutional Network, GCN)提升了15.86%和13.64%。实验结果表明，A&T-MLP能够通过对比损失保留丰富原始图的信息，提升模型性能。此外，A&T-MLP在处理拓扑信息不准确的图数据时具有较为明显的优势，即使在缺失80%拓扑信息的极端情况...