基于图像条件的二元合成生成算法

生成对抗网络(GAN)是一种无监督学习方法,该算法巧妙地利用博弈的思想来学习生成式模型,但由于GAN通常从单个潜在源采样,因此常常丢失场景中的多个实体交互信息。为了捕获不同对象之间的复杂交互,包括它们的相对缩放,空间布局,遮挡,提出了一种基于图像条件的生成对抗网络,利用"分解—合成"的流程,模型可以根据输入对象的纹理和形状从它们的关节分布生成逼真的合成图像。通过使用Shapenet数据集,在2D和3D图像中分别对55个常见对象类别约51 300个图像模型进行试验,比起传统的SLP和cGAN,算法的图片质量有4%以上的提高。     

改进条件生成对抗网络的文本生成图像方法

该文提出了一种改进条件生成对抗网络的文本生成图像模型(TxtGAN),使用一对生成器和判别器的单阶段生成方式生成高分辨率图像,避免因训练多个GAN消耗大量计算资源.生成器网络由一系列生成模块(RUPBlock)组成,每个模块中应用条件批量归一化方法,在实现图像生成的同时充分融合了文本信息与图像特征,较好地保留了文本信息...     

基于改进的注意力机制与纹理结构分层的生成对抗网络图像修复方法

构建一个以U-Net为基础的模型,通过引入注意力机制与纹理结构分层相融合的图像修复方法,在生成对抗网络模型基础上,引入通道注意力并结合多尺度卷积模块,将图像下采样提取特征分为纹理特征与结构特征,采用改进的Res2Net残差块并重构损失函数.实验结果表明,修复后图像的纹理和结构更统一,修复图像与原始图像在高级语义上更加接近.     

深度图像的纹理合成方法

建立在“主次缝合线”（MSL和SSL）合成深度图像技术的基础上,研究并提出一种融合与深度图像相对应的纹理映射图像的方法,方法的基本步骤：获得两深度图像中与非重叠区域对应的纹理;得到两个视图中位于辅助主次缝合成M'S',L'和S'S'L'之间的纹理,并把它们融合,最后把非重叠区域和融合后的纹理写入到合成纹理图像中,利用从三维光学数字化系统得到的实际物体的深度和纹理图像,验证了所提出的纹理合成方法的有效性。     

改进CycleGAN的钢材表面缺陷图像生成方法

针对工业钢材表面缺陷检测过程中存在的样本采集困难、成本较高,以及缺陷种类较多难以覆盖全部导致的小样本问题,提出一种改进循环生成对抗网络(cycle-consistent generative adversarial networks, CycleGAN)的钢材表面缺陷图像生成方法。首先,将通道注意力(class activation map, CAM)和空间注意力(spatial attention map, SAM)机制嵌入到CycleGAN模型中,增强模型的特征提取能力;其次,引入权重解调(weight demodulation, WD)机制修复特征伪影和白斑,进一步提高生成图像的质量;再次,引入形状一致性损失对生成器训练过程进行监督,解决图像几何变换过程中内在模糊性问题;最后,将改进前后的模型在NEU-DET数据集上进行试验。结果表明,改进后的模型在缺陷图像生成的效果上更具多样性和准确性,PSNR,SSIM分别提高了13.0％和7.8％,FID值降低了33.1％。该方法能够稳定地生成高质量的各类钢材表面缺陷图像,可以达到增加训练数据的目的,对于其他缺陷数据集的扩增具有参考价值。     

不稳定光照条件下多机器人的视觉系统设计

视觉系统是机器人系统感知外界环境的主要传感器.为了提高系统在不稳定光照条件下的识别准确率和定位精度,提出新的色标设计和根据当前颜色阈值可信度来确定颜色阈值的方法,同时采用数字图像形态学的理论对识别结果进行优化.最后,在“家庭生活支援多机器人系统”中得到了验证.     

云彩的三维逼真图形的计算机产生与显示

针对建筑配景研究自然景物－云彩的计算机产生与显示算法。在前人的研究基础上提出了一种新的云彩逼真图形的计算机产生与显示算法。该算法既简单、快速，易于在微机上实现，又解决了正弦函数模拟云彩时的图案区域重复性问题，使云彩图形更加逼真。     

光照变化条件下的人脸识别预处理

光照变化条件下的人脸识别是模式识别领域最具挑战性的问题之一.笔者提出一种基于区域正则化模型（RRM）的预处理技术,即将人脸图像分成4个区域,在每个区域进行逐点线性变换.该技术简单易行,并能较好的削弱光照变化对人脸识别的影响.在Yale B人脸库上,与常用的直方图均衡化方法（HE）、基于区域的直方图均衡化方法（RHE）进行了对比分析,实验结果表明该预处理技术的有效性和可行性.     

织物纬斜检测图像光照不均匀的校正方法

为了解决在织物纬斜的检测过程中织物图像光照不均匀的问题,提出一种织物图像校正方法.首先,在每个像素点所处的列中,统计一个纬线宽度范围内像素值小于该点的个数,将统计结果作为该点的像素值;然后,按比例还原每个点的像素值,使每条纬线对应位置的像素值恢复到同一灰度水平;最后,把校正后的图像用Otsu法进行二值化,并与其他解决光照不均匀问题的经典方法进行对比.结果表明:文中方法能够很好地消除光照不均匀的影响,得到接近均匀光照下的二值图像.     

基于生成对抗网络的人脸图像彩色化方法

提出了一种新的基于生成对抗网络的人脸图像彩色化方法.所提出的网络结构包含两组生成对抗子网络,每个子网络由一个生成器和判别器组成.其中,一个对抗子网络A（包含生成器A和判别器A）实现从灰度图像到彩色图像的翻译过程,另一个子网络B（包含生成器B和判别器B）反转该过程,即生成器B对称地使用生成器A的最终输出图像作为输入,用来重建原始的人脸灰度图像.其中,网络中的循环损失进行图像重建,而生成损失和对抗损失用来保证生成的图像更加接近真实图像.实验结果表明,这种结构设计不仅能实现自然逼真的人脸图像彩色化,还能同时保证人脸的身份属性不变.      

在多Transputer系统上产生金字塔图象数据结构的并行算法及其实现

图象的多解析度处理技术广泛地用于计算机视觉研究中.然而这种图象处理技术要求采用功能强大的计算机,如由多个 Transputer 处理器组成的并行计算机,来处理繁重的运算任务.本文介绍如何在 Transputer阵列机上实现用于产生几种图象金字塔数据结构的并行算法.实验结果表明,在并行 Transputer 计算机上运行上述算法的程序,运行速度比个人计算机完成同样任务时的运行速度提高数倍.     

基于小波变换的分开-合并图像分割

小波变换具有良好的“时间—频率”局部化特性及多尺度变焦距特性对于二维图象的小波变换,其梯度模值提供了图像的边缘信息在大尺度时,图像边缘稳定,但存在有位移小尺度时,边缘定位精确,但易受噪声影响噪声和边缘都具有较高的空间频率噪声的能量小,在大尺度下,其小波变换系数值小边缘的能量大,在大尺度变换下,其小波变换系数值大由多尺度小波变换系数的变化情况,估计边缘的类型采用多尺度小波变换系数作为四分树结构的分开—合并法图像分割的一致性度量从而在大的图像块中,去除噪声的影响,在小的图像块中,以小波变换的局部极大值精确定位边缘,根据边缘信息进行分开—合并法图像分割实验表明,算法得到满意的结果     

小波变换在图像去噪中的应用

图像小波域去噪可克服频域去噪单一尺度的局限性,具备多尺度多分辨率的特点,已成为目前图像去噪的主要方法之一。为归纳小波变换在图像去噪领域中的应用,简要讨论图像噪声的概念、数学模型、传统图像去噪的基本原理方法,详细阐述了图像小波域去噪的基本理论、发展过程、去噪方法,评价了3种常用方法的优缺点,对小波去噪的发展趋势进行了展望。     

基于潜在特征重构和注意力机制的人脸图像修复

本研究针对现有图像修复方法不能有效地分离结构和纹理信息,修复结果往往会出现边界模糊、结构扭曲等伪影问题,提出了基于潜在特征重构和注意力机制的人脸图像修复方法。人脸图像修复方法分为两阶段,第一阶段,通过结构重建器网络提取样式向量,按照StyleGAN所述的原理分为粗尺度特征、中尺度特征和精细特征三组,插入到预先训练好的StyleGAN生成器中,产生初步的修复结果;第二阶段通过构建纹理生成网络并使用上下文注意力机制,注意力分数由注意力计算模块计算,注意力转移模块根据较高级别特征图和注意力分数来填充较低级别特征图中的对应缺失区域,以细化上一阶段初步的人脸修复结果。在CelebA-HQ数据集上的训练并进行测试,本文的方法在定量和定性分析两个方面均优于现有方法。因此,基于潜在特征重构和注意力机制的人脸图像修复方法能够有效地修复缺损人脸图像,大大减少了边界过度平滑和存在纹理伪影的问题。     

图象处理和计算机视觉检测技术在美国

在大规模生产条件下,人们总希望能使产品质量达到100％合格,其中,最困难的任务之一就是检测问题.本文综述了美国近年来图象处理及计算机视觉检测技术在工业界的应用状况.图象处理及计算机视觉检测技术在美国工业生产和质量控制中起着愈来愈重要的作用.它具有快速、准确、无损、高效等优点,因此,它被广泛应用于电子工业、汽车工业、木材工业、纺织工业、食品加工及包装工业.在电子工业中尤为活跃,并已取得了极大的成功.     

基于嵌入式的图像测量系统的设计与实现

图像测量技术是建立在计算机视觉理论基础上的新测量技术,本文采用特征信号提取和移动侦测技术、电信标法进行图像测量,设计了ARM嵌入式操作和控制系统,实现了图像测量系统的小型化,并开发了相关上位机操作软件。     

基于光照分量提取的光照不均匀图像校正

针对光照不均匀的灰度图像,在频域采用多尺度高斯函数提取出光照分量,并对光照分量进行对数变换,再根据提取出的光照分量和变换后的光照分量对原始图像的灰度值进行幂次变换,从而实现光照不均匀灰度图像的校正。对于真彩色RGB图像,先将该图像从RGB空间转换到Lab空间,然后对L分量的灰度值进行幂次变换校正,最后将校正后的图像从Lab空间转换回RGB空间。Matlab仿真结果表明,频域提取光照分量比空域处理速度更快,幂次变换校正后的图像质量得到明显改善,与伽马函数校正相比,在客观评价标准和主观视觉效果两方面均能够取得更好的结果。     

基于计算机视觉的动目标图象分割与跟踪

研制了一种能够实现动目标图象分割、识别与跟踪的简易计算机视觉系统。实验结果与分析表明：该系统在图象分割实时性、动目标跟踪精确性、抗干扰性及快速灵活性等方面颇具特色。