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。     

海外公民涉恐安全风险评估方法——基于风险管理理论和加权K-means聚类

海外公民安全是中国海外利益安全的主要组成部分,是践行总体国家安全观“以人民安全为宗旨”的具体体现。当前我国公民在海外面临的涉恐安全风险日益加剧,甚至威胁到公民个体的生命安全。因此,提出了一种结合风险管理理论和加权K-means聚类的风险评估方法。其中,利用“袭击发生概率”和“袭击成功率”两个指标来评估风险的“相对可能性”,用“死亡人数”和“受伤人数”两个衡量后果的“相对严重性”,进而构建出海外公民涉恐安全风险评估指标体系和分析模型,通过数据聚类的方式将风险分级,从而对我国海外公民涉恐安全风险进行定量的评估,以期为保护我国海外公民安全提供较为有价值和相对客观的参考建议。     

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。     

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。