一种从融合颜色信息和深度信息的PNG文件中提取点云数据的方法

使用微软Kinect体感设备对物体三维信息构建时会产生大量的场景彩色信息和深度信息,可在Open CV框架下将Kinect视场下的信息保存为两张PNG格式的RGB图和深度图,为后续的物体三维构建提供原始的数据信息,这种方法使用比较繁琐。针对此问题提出了一种将颜色信息和深度信息融和到一张PNG文件中,隐藏深度信息到Alpha通道并在OpenFrame Works平台下实现了提取三维点云数据的方法。     

数字图像的二重分块置乱算法

针对数字图像的加密置乱问题,利用将图像连续两次分块并分别执行块置乱和像素置乱的二重操作方法,给出数字图像的二重置乱算法。得到的置乱效果相对于传统的仿射变换,具有密钥数量大、置乱效果好、抗统计分析攻击能力强等特点。有效解决了传统二维仿射变换置乱效果较差、效率低等问题。     

《高等职业教育--天津职业大学学报》投稿须知

为使本刊进一步实现出版的现代化、编排的规范化,按照中华人民共和国新闻出版总署的通知要求,依据《中国学术期刊(光盘版)检索与评价数据规范》,结合本刊实际,现将本刊对稿件的结构和书写格式要求及用稿原则公布如下,凡不按此要求投稿者,本刊概不受理,敬请谅解。一、来稿顺序依次为:文题、作者姓名、作者信息(包括单位全称、所在省市、邮政编码、联系电话)、中文摘要、关键词、正文、参考文献。并请在文末附标题、作者、单位、省市名、关键词、摘要英译文。     

双通道多感知卷积神经网络图像超分辨率重建

基于深度卷积神经网络的单幅图像超分辨率重建取得了显著研究成果.但随着深度卷积神经网络规模的不断扩大，如何降低网络构建难度和计算成本成为一个难点.为此，提出了一种双通道多感知卷积神经网络(DMCN)模型.该模型在两条具有不同卷积核的通道上建立了稠密连接，并构建了带有动态调节能力的层间融合结构.这种结构的设计使得小规模卷积神经网络便能获得图片特征信息的全面感知能力.实验结果表明，DMCN重建效果优于目前多数具有代表性的重建算法.     

一种利用Spark-GPU加速 CT图像重建的设计

目的:进一步解决CT图像重建耗时长的问题,实现大批量重建CT图像.方法:利用大数据框架Spark构建GPU集群.首先对加速滤波反投影(FBP)和同时代数迭代重建技术(SART)算法的复杂度进行分析及并行化设计,并比较在GPU和CPU上的运行速度.通过对比耗时选择最佳的计算组合,实现单机GPU加速.通过thunder工具读取批量的投影数据并创建分布式数据集,使用Numba开发CUDA程序并部署在Spark运行.结果:FBP算法运行速度有近40倍的提升,SART算法运行速度有近10倍的提升.结论:Spark和GPU结合能够扩展Spark的性能,突破单机加速瓶颈,大幅提升计算速度,对于不同的图像重建算法均有良好的加速效果,表明Spark-GPU在图像重建方向有良好的应用前景.     

基于深度图像预旋转的手势估计改进方法

基于深度图像的手势估计比人体姿势估计更加困难,部分原因在于算法不能很好地识别同一个手势经旋转后的不同外观样式.提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)推测预旋转角度的手势姿态估计改进方法:先利用自动算法标注的最佳旋转角度来训练CNN;在手势识别之前,用训练好的CNN模型回归计算出应预旋转的角度,然后再对手部深度图像进行旋转;最后采用随机决策森林(Random Decision Forest, RDF)方法对手部像素进行分类,聚类产生出手部关节位置.实验证明该方法可以减少预测的手部关节位置与准确位置之间的误差,手势姿态估计的正确率平均上升了约4.69%.     

基于FPGA实现的Ferguson双三次曲面插值图像缩放算法

图像缩放作为图像处理中重要的一部分,具有广泛的应用领域。随着科技的发展,实际应用中对图像缩放的质量和速度的要求也随之提高。本文首先在Matlab中实现糖尿病视网膜图像的缩放实验,对比验证了Ferguson双三次曲面插值算法在图像缩放细节处理上的优异表现,然后在擅长以纳秒级速度处理并行数据的FPGA硬件平台上实现该算法,达到了良好的图像缩放效果,这有利于医疗图像处理等工程应用与实践。     

基于小波变换技术的煤矿重要信息的网络安全传输与保存技术

为了在网络上安全传输与保存煤矿重要信息,给出了一种把信息隐藏在风景图像中,从而迷惑攻击者的方法。利用小波变换技术把重要信息隐藏在图像中,不改变图像的视觉效果和质量,然后在网络上传输隐藏了信息的图像,并把图像保存在服务器的数据库中。当我们要使用重要信息时,再从这幅图像中提取出来。仿真实验说明该方法是有效的,能在网络上安全传输保存煤矿的重要信息。本文还发现把信息嵌入到载体图像的小波变换后的中频分量中是最佳方案。