基于生成对抗网络的HDR图像风格迁移技术

针对高动态范围(high dynamic range,HDR)图像较为复杂耗时的合成流程,提出一种基于生成对抗网络的HDR图像风格迁移技术.首先,构建两个生成对抗网络的训练集:普通图片与低曝光HDR图片,普通图片与高曝光HDR图片;然后,通过生成对抗网络训练,得到普通图片到低曝光HDR图片和普通图片到高曝光HDR图片两个生成模型;最后,将模型输出的高低曝光图像和原图合成HDR文件,再通过色调映射形成最终HDR风格迁移后的图像.实验结果表明,这种方法不仅有效解决了HDR图像风格迁移问题,也充分表明了生成对抗网络在图像编辑中的优越性.     

基于风格进化模型的产品生成设计方法

针对产品风格进化现象与创新设计问题,提出了产品风格历时性与共时性进化模型.在该模型基础上,结合生物遗传学理论定义产品风格基因.以典型汽车产品风格为例,在引入造型参数化表征前提下,运用主成分分析进行参数规约,并利用形状文法实现风格基因表达.然后,建立基于遗传算法的生成设计机制,该机制采用正交分析的策略来精简初始种群规模,通过适应度函数实现方案收敛.最后,开发出面向汽车产品的风格生成设计系统,并验证其有效性和实用性.风格进化规律、风格基因建模方法及创新设计技术对于动漫设计、平面设计、服装设计等领域研究也具有指导或借鉴作用.     

基于风格特征分布匹配的图像风格迁移

本研究针对现有方法在实现风格迁移任务时只能提取图像特征的低阶统计量这一问题,考虑将风格迁移过程建模为一个特征分布匹配过程,提出了一个基于Wasserstein距离的判别器网络并以此定义了一个风格损失函数,Wasserstein判别器能够更好地拟合特征分布之间的Wasserstein距离,定义的风格损失也能够更好地区分图像特征的高阶统计信息之间的差异。同时,为了达到实时生成的效果,引入一个基于编码器-解码器结构和一个基于注意力机制的风格迁移转换模块作为生成网络,该生成网络能够有效融合原始图像特征并生成。具体而言,通过在计算损失模块的卷积层(CNN)后面添加Wasserstein判别器来计算风格损失,然后将风格损失与传统方法中计算为均方误差的内容损失一起监督生成网络的训练,在网络训练结束后,可以输入任意图像进行风格迁移测试。最后,在基准MSCOCO和WikiArt数据集上训练网络并测试结果,定性实验和定量实验结果表明,与现有方法相比,所提出的方法可以实现实时风格迁移,并且生成高质量风格化效果。     

基于SinGAN的图像生成模型

生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法,单一生成对抗网络(SinGAN)是建立在一张图片上的无条件GAN.该文在生成对抗网络原理的基础上阐述了单一生成对抗网络(SinGAN)的原理及基本结构.以SinGAN作为研究对象,通过实例在训练过程中生成了与原图像语义相近的图像,并对SinGAN的训练和应用进行了研究.研究表明:SinGAN在同一张图片上进行的训练或测试,通过建立一个模型,可以对图片进行纹理转移,提高清晰度等操作.     

基于卷积神经网络的图像风格迁移算法研究

针对Gatys的图像风格迁移算法做了两个方面的改进,首先提出了一种更加适用于风格迁移的卷积网络结构,相较于其他的预训练卷积神经网络模型减少了95％的参数数量,降低了22％以上算法运行时间;其次对风格迁移的风格损失函数部分做了改进,可以使一幅内容图像同时迁移多种不同的画作风格.     

基于改进的生成对抗网络漫画风格迁移的图片生成

在VGG生成对抗网络的基础上,提出了一种改进的基于残差网络的生成对抗网络漫画风格迁移的图片生成技术,用于图片特征提取及图片生成,使具有漫画家卡通风格的特征迁移到现实图片中,和VGG生成对抗网络相比,在一定程度上缓解了梯度消失、过拟合等问题.实验表明,相较于VGG生成对抗网络,改进后的模型在图像特征提取及生成都表现了更好的性能.     

局部图像风格迁移绘制算法

提出了一种基于导向滤波的局部图像风格迁移算法.局部图像风格迁移提取图像中感兴趣的部分进行风格迁移,将其渲染成具有铅笔画、水彩画或水墨画等风格的艺术图像.介绍了一种基于导向滤波提取局部图像(也叫图像抠图)的方法,得到二值掩膜图像,利用VGG16网络提取图像的高级特征,通过分离与重组输入图像的内容特征与风格特征的方式,实现局部目标图像的内容与艺术图像的风格的深度融合,并通过掩膜图像去除边缘粗糙,得到精细的风格化图像,从而获得新的局部风格迁移图像.     

基于注意力机制的轻量级水下图像风格迁移方法

目前,获取海洋素材的途径稀少,数据集缺失,质量相对较低,是海洋生态环境保护宣传、水下图像应用设计的重大难题之一.本文将基于深度学习的图像风格迁移技术与白化现象严重的水下图像进行结合,引入SqueezeNext轻量级编码器网络,通过低秩卷积、压缩模块和全连接操作,在不影响模型准确率的条件下减少模型参数冗余,减少模型计算量.同时,本文还进一步引入了关系感知全局注意力转换网络,结合特征和特征位置的相关性更有效地平衡全局和局部结构信息.此外,在损失函数中加入HSV色相损失函数,通过色相值的计算来衡量颜色的距离,由此更好地表示颜色的相近关系.通过学习图像的内容、风格等特征进行照片风格迁移,解决海洋图像设计素材短缺、图像质量低等问题,从而增加水下图像样式的多元性、素材的丰富性以及资源的拓展性.     

Waxman-Salama模型网络拓扑生成算法设计与实现

随机网络拓扑的生成算法是现代网络通信研究的一个重要方面．首先介绍了Waxman模型和Salama模型;然后针对该模型的缺点进行了网络连通性方面的改进;讨论了基于该模型的网络拓扑生戍算法的关键步骤;基于高级语言给出了一个实例,并进行了Dijkstras阿算法的仿真测试．     

基于扩散模型的指纹图像生成方法

由于个人信息保护等原因,采集大量指纹信息是十分困难的。采用计算机自动生成指纹图像的方法可以在相较容易的条件下构建大规模数据库。本文采用去噪扩散概率模型实现了一种指纹图像自动生成的方法,通过加噪和去噪的方式构建指纹图像生成模型,最终由模型生成的指纹图像清晰、完整,具有较高的辨识度和很强的差异性。     

汉字动态生成的结构与风格模型

提出一种基于汉字结构和风格的字形生成模型。该模型将汉字字形抽象为汉字结构和汉字风格两种模式,并在结构中将汉字笔画抽象为连续的笔元,通过笔元的特征点构造笔元向量、径向量、弦向量和轭向量,进行笔画风格的重建。通过这种方法,动态产生可用于True type个性化汉字字形设计的字形,实现汉字字形的Web存储和在客户端的特征字形输出,克服了现代汉字由于汉字数量巨大而在字形设计方面的不足,为个性化汉字信息的云端存储和云端字形服务提供了一种有效的策略和方法,为设计更深层次的汉字信息服务奠定了基础。     

基于形状图像检索系统的设计与实现

基于形状特征的图像检索是基于内容的图像检索的一个重要的组成部分.本文介绍了小波变换应用于图像边缘检测的基本原理,并利用二次样条小波变换和Hu不变矩算法建立图像检索系统.实验结果表明,本系统具有较好的检索性能.     

进程迁移的设计与实现

介绍在用以太局域网互连ＳＵＭ工作站上，扩充ＶＭＵＮＩＸ操作系统，增加进程迁移系统功能的设计方法，该系统解决的关键技术，一是如何挑选和冻结繁忙结点机上需要迁移的进程，确定其实体及运行环境，二是如何寻找空闲的目的结点处理机，三是如何在目的结点机上恢复执行，并正确回送结果。     

采用多叉树模型数据迁移算法的设计与实现

针对目前传统关系型数据库中的历史数据向非关系型数据库迁移的低效率问题,提出利用多叉树模型对历史数据存储模式进行重构.基于4种模式迁移规则对各表节点之间的关联关系进行分析,推导算法完成传统关系型数据库中存储模式和历史数据的自动化迁移.该算法不受源数据库存储模式的限制,具有一定的通用性.数据迁移实验表明:在查询性能上,基于多叉树的迁移算法比官方迁移工具Sqoop有较大的提高.     

基于细胞图像肺癌诊断系统的设计与实现

基于细胞图像的肺癌诊断系统主要是利用数字图像处理和模式识别的技术对肺癌细胞的图像处理,并根据提取出的细胞特征对肺癌进行早期的病理诊断.不同于以往的细胞诊断系统,文中提出了新的细胞分割和重叠细胞重构的方法.首先把彩色肺癌细胞图像转化为灰度图像,对其进行平滑、去噪,然后用一种新的基于强化学习的方法寻找合适的灰度阈值,把细胞区域分割出来,形成二值图像,并对图像进行基于形态学的二值滤波,再针对此时分割出的重叠细胞,利用一种改进的deBoor-Cox方法分离与重构,最后进行特征提取,根据提取出来的多种特征对细胞分类,诊断出肺癌细胞.     

基于细胞图像肺癌诊断系统的设计与实现

基于细胞图像的肺癌诊断系统主要是利用数字图像处理和模式识别的技术对肺癌细胞的图像处理，并根据提取出的细胞特征对肺癌进行早期的病理诊断．不同于以往的细胞诊断系统，文中提出了新的细胞分割和重叠细胞重构的方法．首先把彩色肺癌细胞图像转化为灰度图像，对其进行平滑、去噪，然后用一种新的基于强化学习的方法寻找合适的灰度阈值，把细胞区域分割出来，形成二值图像，并对图像进行基于形态学的二值滤波，再针对此时分割出的重叠细胞，利用一种改进的deBoor—Cox方法分离与重构，最后进行特征提取，根据提取出来的多种特征对细胞分类，诊断出肺癌细胞．     

体现用户意图和风格的图像描述生成

现有的图像描述模型大多不能根据用户的意图和用语风格生成个性化的描述。针对这一问题,本文提出一种能体现用户意图和风格的个性化图像描述方法。首先,构建一个关于场景中目标、目标属性以及目标间关系的结构图,通过该图来控制用户所希望表达的目标对象、目标属性以及各目标之间的相互关系;然后,在编码器中加入多关系图卷积神经网络对场景的上下文信息进行编码,并利用图流动注意力来控制描述的侧重点;最后,在生成语句时加入用户风格控制模块,即利用关键词搜索生成包含性别、年龄、受教育程度等信息的用户画像,并结合该画像来控制风格生成器,提取对应的风格样式,最终生成体现用户意图和风格的个性化图像描述。在MSCOCO和FlickrStyle数据集上的实验结果表明,所提出的方法能较好地生成个性化和多样性图像描述语句。     

基于MGIS的部署图生成工具的设计与实现

首先设计了一种解决点军标冲突问题的方案,将部署图点军标避让抽象成空间竞争的组合优化问题,利用遗传算法得到令人满意的标绘结果;进而利用军事地理信息系统设计并实现了一个部署图生成工具,部队实验表明该工具是实用、有效的.