基于改进的深度卷积神经网络的人脸疲劳检测

针对疲劳驾驶检测问题,提出一种以softmax损失与中心损失相结合的深度卷积神经网络算法。首先,利用含有方向的梯度直方图(histogram of oriented gridients,HOG)和级联分类器(support vector machine,SVM)算法的Dlib库中预训练的人脸检测器,来检测驾驶员的脸部区域。其次,使用级联回归(ensemble of regression trees,ERT)算法实现脸部68个关键点标定及眼睛和嘴巴的定位。最后,为了优化softmax损失在深度卷积网络分类中出现的类内间距大的问题,加入中心损失函数,提高类间差异性、类内紧密性以及驾驶员脸部疲劳状态识别准确率。在自建测试集和YawDD哈欠数据集中的实验结果显示,该方法能够准确地识别检测驾驶员疲劳表情,平均识别准确率达到98.81%。与传统的疲劳驾驶检测识别方法相比,该方法可以自动进行疲劳特征提取,并且训练准确率、检测识别率及鲁棒性得到提高;与未改进的深度卷积网络相比,检测识别的概率平均提高了约5.09%。     

城市道路交通管控时间与区域长度控制方法

道路交通是时空问题,交通流在时间与空间上应具有相关性,为指导城市道路交通管理,使城市道路交通流管控时间与管控区域长度精确化。从交通流参数、道路长度、交通运行时间之间的关系、时间占有率与空间占有率的定义出发,定义累计时间占有率与累计空间占有率,得出交通流在时间与空间上的等效性。在此基础上,建立了道路交通流时空关系模型,并将该模型用于计算管控时长与管控区域长度,通过实例验证,得出其可精确计算管控时长与管控区域长度,避免了管控资源的浪费。     

图像增强技术在古籍图书电子化中的应用

为提高古籍图书电子化的处理质量,文章以带插图的书页和具有背景干扰的书页为处理对象,使用二值化法、直方图均衡法和对比度拉伸法对书页进行图像增强处理,并使用Visual Studio 2010软件和Open CV进行实验.结果表明:带插图的古籍书页适合采用对比度拉伸法处理,带背景干扰的书页适合采用二值化法处理.     

MIV-SVM-BPSO模型在铀矿堆浸中的应用

利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值(MIV)算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群(BPSO)算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型具有有效降低数据维数,在小样本条件下学习更加有效,建模采样过程更快,模拟精度更高的优点;将浸出液体积,Eh_出,Fe■,Fe~(2+)_出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。     

一种用于自适应直方图均衡化的硬件加速器

针对动态直方图均衡(dynamic histogram equalization,DHE)算法处理效果不理想和算法应用不灵活的问题,提出了一种基于改进型自适应直方图均衡化算法的现场可编程逻辑门阵列(field programmable gate array,FPGA)硬件加速器的设计方法.该硬件加速器对直方图均衡化算法做了改进,实现了自适应地限制对比度拉伸;并且充分利用FPGA的并行体系架构和丰富的块存储资源的优点,采用规则的模块化的设计方法完成了设计.实验结果表明:改进的算法不会产生过度增强、放大噪声、丢失图像细节的现象;设计的硬件加速器在充分节约硬件资源的前提下能较好地满足实际应用的需求;在实时图像处理中一帧图像的处理时间约为0.1 ms,使图像增强算法在图像实时处理中的应用更加灵活方便.     

基于加权局部梯度直方图的头部三维姿态估计

在实时估计人的头部三维姿态时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重,有效减小背景对头部三维姿态估计的影响,最后利用非线性支持向量回归机求解加权局部梯度方向直方图与头部三维姿态之间的关系。实验结果表明:该特征表示方法具有更高的检测精度。     

对比度受限下直方图均衡化处理的木板纹路图像增强算法

在木板纹路识别的工程应用中,光照不均匀等因素会产生对比度差的木板图像,将影响木纹的准确识别,针对此现象采用改进的对比度受限自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对木板纹路图像进行增强处理,首先借助加权平均灰度化对原始图像进行灰度处理,再利用CLAHE算法将灰度图像分割成若干个大小相等连续的子块,选取合适的阈值对每个子块的直方图进行截取,将超过阈值的像素均分到其他的灰度级中,使用双线性插值对图像进行插值运算,得到对比度受限下直方图均衡化图像,最后使用双边滤波器(bilateral filter)对均衡化图像进行降噪保边处理。共用600幅木板图像,其中450幅图像作为训练集图像,150幅作为验证集图像,通过平均绝对误差(mean absolute error,MAE),峰值信噪比(peak signal to noise rate,PSNR)以及最终实验结论对比CLAHE算法和其他一些常规算法,工程运行结果表明:CLAHE方法处理木板纹理图像具有较好的运行效果,为木板纹理的准确识别提供了理论依据。     

典型图像边缘检测算子的比较与分析

通过MATLAB编程,采用Roberts算子、Prewitt算子、Sobel算子、Kirsch算子、Log算子和Canny算子等对数字图像做了边缘检测.通过图像的直方图,直观展示了各算子检测图像之间及其与原图的差别.引入高斯噪声和椒盐噪声,并评价了每种算子抑制噪声的能力.这些研究结果对边缘检测算子的选择及改进具有一定的指导意义.     

无人机复垦区植被覆盖度提取方法优选

为探寻无人机遥感对矿业复垦区域植被指数覆盖度的快速提取方法,以四川古蔺某硫磺复垦区为研究对象,通过ZC-6型无人机获取高分辨率遥感影像,采用多种植被指数计算方法作为分类器的选择,使用直方图峰谷法、基本全局阈值法及其融合方法确定图像最佳分割阈值,从而获取研究区植被覆盖度结果.结果表明:不同植被指数分类后的结果有所差异,EXG和VDVI植被指数分类后影像界定较为清晰,而NGBDI指数分类最为模糊;单一直方图峰谷法和基本全局阈值法所得分割结果不理想,而将二者融合后的阈值确定法能结合彼此的优势,弥补灰度不明显或多峰现象的缺点;植被覆盖度(FVC)提取精度显示,基于VDVI提取的人为干预条件下FVC的绝对误差和提取误差分别达到0.0409和7.05％,而基于EXG提取的自然条件下FVC的绝对误差和提取误差分别达到0.0366和6.94％,表明利用VDVI和EXG结合B-H融合的方法可有效用于复垦区条件下的FVC提取.     

二维直方图的HEVC帧内快速深度决策算法

针对高效率视频编码(HEVC)帧内预测高额的计算复杂度,提出一种基于二维直方图的快速深度决策算法.首先,对当前最大编码单元(LCU)采用3×3矩阵进行滤波;然后,分别统计原始LCU以及滤波后LCU的像素分布,生成二维灰度直方图.通过该二维直方图所表征的纹理特征,进行深度的自适应选择,减少不必要的深度计算.实验结果表明:同原始HM10.1相比,文中提出的算法可以节省编码时间21.6%,同时保证视频质量几乎不变.