时间压力下驾驶舱界面视觉搜索绩效研究

为探究不同时间压力下飞机驾驶舱界面搜索特征从而提升任务绩效，通过模拟飞机飞行状态下的任务搜索过程，采用眼动追踪、绩效评估及量表测量等方法来获取被试的视觉搜索轨迹与任务绩效数据并对所获取的多通道数据进行分析.结果表明：在不同时间压力(无、低、高)与不同界面复杂度(简单、复杂)下被试的视觉搜索特征存在显著差异；高时间压力与复杂界面显示都会给被试带来较高的心理认知负荷；时间压力在简单界面显示中存在倒“U”型关系.研究为飞机驾驶舱复杂人机界面设计提供了科学的理论依据.     

颜色和图形编码的组合效应对认知绩效的影响

采用知觉负载范式研究颜色和图形的组合图标在不同载荷下的认知机理.通过组合效应实验发现,高载荷下颜色和图形的组合效应不显著,颜色是主要的认知编码.中、低载荷下,颜色和图形的组合效应显著提高了认知绩效.为进一步研究中、低载荷下组合图标中语义对实验结果的影响,在语义实验中将有语义图形转换成无语义倒置图形,发现组合图标中语义显著提高了认知绩效.通过脑电实验更深入地探究组合效应的脑神经机制,发现组合效应提高认知绩效的作用与后颞等脑区相关.研究表明,中、低载荷下组合效应显著提高了认知绩效,其中颜色和语义起关键作用.     

一种基于H.264的快速运动估计算法

在视频编码中,运动估计发挥着相当重要的作用,在很大程度上影响图像精度和压缩比例;同时运动估计也是编码器中复杂度高、运算量特别大的一部分,因此影响了H.264视频编码的实时应用.为了降低计算复杂度并保持图像质量,本文提出了一种整像素运动估计算法.结合UMHexagonS(非对称十字型多层次六边形格点搜索)算法和EPZS(增强的区域搜索)算法的特性,本文算法根据图像的运动类型不同采用不同的模板,同时加入了提前终止技术.实验结果证明该算法与FS(全搜索)、UMHexagonS和EFZS算法相比,在峰值信噪比(PSNR)基本相同的情况下减少了运动估计的时间.     

基于卷积神经网络的图像搜索技术研究

图像搜索时需要尽可能地保留图像语义相似性,传统的哈希图像检索方法大多是基于人工视觉特征的,它的性能已经满足不了现在图像搜索的要求.为了解决这个问题,我们将哈希编码和卷积神经网络结合起来,旨在研究出一个更好的检索方法.本文使用卷积神经网络中的AlexNet模型和哈希编码结合,改进了传统的图像搜索算法,缩短了神经网络的训练时间,提高了哈希算法的效果.我们选用CIFAR-10数据集来进行相关实验.实验结果表明,该方法相比于传统的图像检索方法具有多方面的优越性.     

基于稀疏编码的图像语义分类器模型

为了解决图像检索以及遥感图像识别等图像处理研究中本质的问题——如何对高层抽象图像语义进行有效的分类,本文采用生物视觉认知机理,结合生物特征信息,用最小生成树的方法构造图像信息语义树,提出了一个基于稀疏编码的图像语义分类器(SCISC)的模型。实验结果表明:该模型在图像分类中有较高正确率。     

基于语义绑定的分层视觉词汇库的图像检索

提出了一种解析复杂图像语义的模型——分层语义模型,给出了解析复杂语义和构造模型的方法.提出了基于分层语义模型的语义绑定的分层视觉词汇库的概念,给出了构造词汇库的具体方法和步骤,同时对词汇库细节问题给出了解决的方法.将提出的分层视觉词汇库应用于基于内容和语义的图像检索中,并给出了构建图像检索系统的方法和检索图像的步骤.该模型在图像检索中可同时满足基于图像内容的检索方式和基于图像语义的检索方式.实验结果表明,该方法比基于SIFT(Scale Invariant Feature Transform)特征向量的图像检索方法具有更好的性能.     

应急图标呈现方式及亮度对比对认知绩效的影响

应急图标的认知绩效在紧急救援中起重要作用。为探究应急图标呈现方式及亮度对比的变化对认知绩效的影响机理,采用视觉搜索范式并采用眼动实验进行结果验证。实验a结果表明,高、中载荷下,应急图标呈现方式和亮度对比的主效应明显,反色应急图标的搜索速度明显快于图形应急图标和带边框应急图标,亮度对比中0.90的搜索平均反应时间最短,0.10、0.30、0.60的平均反应时间有随亮度对比升高而降低的趋势;低载荷下,应急图标呈现方式和亮度对比对认知绩效的影响不明显。实验b眼动实验结果表明,高、中载荷下,反色应急图标注视时间明显低于其他呈现方式,亮度对比较高（0.90）的带边框应急图标平均注视时间明显低于低亮度对比,注视时间有随对比度增大而降低的趋势;低载荷下图标呈现方式、亮度对比注视时间无明显差异。高、中、低载荷下注视点的个数无明显差异,解释了实验a的结果。主观评价的评分也对实验结果做出了认知方面的解释。研究表明,应急图标呈现方式及亮度对比对认知绩效具有显著影响。     

基于混合搜索的匹配跟踪位分配

提出了一种基于混合搜索的匹配跟踪位分配策略,该方法依据人眼高级视觉特性在编码过程中动态确定编码质量优先的区域,并以此作为依据调整原有原子搜索策略,使得原子函数分布集中在感兴趣区域附近,从而改善整个匹配跟踪视频编码器的图像恢复质量.实验结果表明,利用该法所获得的图像恢复质量基本符合人眼的主观判断,而且算法复杂度较低,具有较高实用价值.     

威胁刺激类型对不同特质焦虑水平跆拳道运动员视觉搜索效率的影响

为探讨威胁刺激类型对不同特质焦虑水平跆拳道运动员视觉搜索绩效的影响,采用视觉搜索范式,以真实比赛场景中具有威胁性的视频和图片为刺激材料,对52名跆拳道运动员(高、低特质焦虑水平组各26人)视觉搜索反应时和反应准确率进行了考察.结果发现:低特质焦虑水平跆拳道运动员的视觉搜索效率更高,威胁刺激及刺激呈现方式对跆拳道运动员的视觉搜索效率均有显著影响.     

基于视觉语义与RSSVM的图像检索

以图像的视觉语义为基础,设计了一种新的空间转换模型,提出了一种新的图像语义描述方法.首先,采用NCut方法对图像进行分割,提取每个区域的颜色、纹理与形状等视觉特征;再用K-Means聚类方法对训练集中所有的视觉特征进行聚类,称聚类中心为视觉语义(Visual Semantic,VS),用来构造投影空间;然后通过所定义的非线性函数,将每幅图像向投影空间作映射,得到图像的投影特征;最后,为了提高分类器的训练效率与性能,先采用RS(粗糙集)方法对投影特征进行属性约简,再用支持向量机(SVM)进行学习和分类.基于Corel图像集的对比实验结果表明,该方法性能受聚类数的影响不大,鲁棒性强,且性能优于其它方法.     

基于视觉SLAM的物体实例识别与语义地图构建

针对目前面向语义同步定位与地图构建(SLAM)研究大多需要已知三维对象模型作为先验知识,或者只对有限的几种物体的类别进行语义分割,而没有区分对象的个体的问题,结合目前先进的基于深度学习的实例分割算法和视觉SLAM算法提出了一种面向实例个体的物体识别和语义地图构建方法,使得机器人不仅获得了面向导航的环境几何信息,而且掌握了面向物体个体的属性和位置信息.该方法利用由视觉SLAM算法获得的图像帧间几何一致性约束来促进连续图像帧中物体匹配与识别结果,提高物体实例识别的精度,同时结合实例识别结果完成语义建图的任务.最后实现了基于视觉SLAM算法的物体实例识别与语义地图构建系统,并在ICL-NUIM数据集上进行实验,实验结果表明该系统能够基本完整地识别场景中的各种物体并生成环境的语义地图,验证了本方法的有效性.     

基于迭代控制搜索策略的分形图像压缩算法

针对分形图像压缩算法编码时间较长的问题,提出了一种基于迭代控制搜索策略的快速分形图像压缩(ICSS)算法.当值域块寻找匹配的定义域块时,通过分形码的迭代更新次数来控制搜索过程,设置搜索终止条件,去除搜索过程中的低效搜索和无效搜索;同时计算图像块相似度时采用等距采样图像进行降维处理,进一步降低计算复杂度.实验结果表明:与经典算法文献算法相比,本文算法在保持图像压缩比不变的情况下,能获得更好的重建图像质量,且编码速度显著提升.     

数字电视快速预测搜索算法的研究

如何更好地利用电视图像帧间和帧内的相关性是加快搜索的关键。本文提出了一种快速预测搜索算法(FPA)来充分利用这种相关性,并通过实验对其运算复杂度、恢复图像信噪比和编码效率与其他搜索算法进行了比较。     

基于多种高级语义特征的图像检索技术

基于语义内容的图像检索已成为解决图像低层特征与人类高级语义之间"语义鸿沟"的关键.笔者以性能优越的回归型支持向量机(SVR)理论为基础,结合重要的图像边缘信息及人眼视觉特性,提出了一种基于多种高级语义特征的图像检索新方法.该方法首先利用Canny检测算子提取原始图像的边缘信息,并据此得到低层纹理特征与颜色特征,同时利用SVR将低层特征映射到高级语义,以获得图像的高级对象语义.然后结合图像边缘线条方向,利用SVR将线条方向映射为高级语义,以获得图像的线条情感语义.再结合人眼视觉系统感知特性,给出基于全局主要颜色的高级颜色语义.最后根据上述多种高级语义特征进行图像检索.实验结果表明,该方法能够有效地对图像高级语义进行刻画,不仅图像匹配检索效果良好,而且具有稳定的检索性能,其对于缩小低层视觉特征与高级语义概念之间的"语义鸿沟"具有重要意义.     

一种基于分层属性相似度聚类的ASON告警关联分析方法*

针对传统属性相似度告警聚类不能充分挖掘告警属性语义信息的不足,结合自动交换光网络(automatically switched optical network,ASON)的告警特点,分析了告警属性语义信息对告警聚类的作用,定义了具有分层特点的属性相似度函数,增强了聚类结果的客观性,并利用历史告警库复杂度和聚类扩充率对聚类效果进行了比较分析。实验表明,新方法与传统的告警属性相似度聚类方法相比,具有更高的准确性。对于在特定时间段内故障类型较多的情况,新方法具有较好的适应性。     

结合显著相似性的局部约束线性编码

针对局部约束线性编码(LLC)没有考虑到特征描述符与视觉单词之间的显著相似关系问题,提出了结合显著相似关系的局部约束线性编码.通过显著kNN搜索方法和显著最大池方法将显著相似关系结合到LLC中,首先计算描述符和视觉单词之间的显著相似度,然后分别加入到kNN搜索方法和最大池方法中对LLC进行改进,最后在UIUC8等数据集上进行了实验.该方法相比传统LLC方法及其改进方法,图像分类精度有一定的提升.     

基于多层次概念格的图像场景语义分类方法

现有理论与方法在处理图像场景语义分类时,由于缺少对图像语义关系的深入挖掘,过分依赖视觉词典数量等原因,导致场景分类精度不高.本文提出一种基于多层次概念格的图像场景语义分类方法,将特征集转换成图像视觉形式背景,利用概念格的层次分类模型,通过层次映射关系,分别构建图像与视觉词集属性概念格,在此基础上通过动态调整阈值参数,获取分类精度概念外延阈值,得到具有较高分类精度的场景语义视觉模型.实验结果表明,该模型在精确度指标上有所提高,文中方法切实有效.     

HEVC帧内预测块尺度的快速选择方法

针对高效视频编码(High Efficiency Video Coding,HEVC)中帧内尺度模式选择计算复杂度高的问题,提出了一种HEVC帧内预测块尺度的快速选择方法。基于图像的纹理复杂度,通过提前检测帧内预测块的绝对误差均值,选择预测块尺度类型,减少穷尽搜索代价计算过程。实验结果表明,该方法能够有效降低帧内预测块尺度模式选择的计算复杂度,在比特率平均提高3.09%的情况下,编码时间能平均减少29.87%,峰值信噪比平均提高0.031%。     

高效视频编码(HEVC)帧内预测块尺度的快速选择方法

针对高效视频编码(high efficiency video coding,HEVC)中帧内尺度模式选择计算复杂度高的问题,提出了一种HEVC帧内预测块尺度的快速选择方法。基于图像的纹理复杂度,通过提前检测帧内预测块的绝对误差均值,选择预测块尺度类型,减少穷尽搜索代价计算过程。实验结果表明,该方法能够有效降低帧内预测块尺度模式选择的计算复杂度,在比特率平均提高3.09%的情况下,编码时间能平均减少29.87%,峰值信噪比平均提高0.031%。     

一种基于自学习的动态语义网络的图像检索方法

基于关键字和基于内容的图像检索是图像检索系统中的两种重要方法.而当今,图像检索系统重点强调在图像检索过程中,高层语义与低层视觉特征的结合.最近,一些研究者在检索周期中采用用户互交,使用上述方法和半自动图像检索的结合,取得了一些成果,但没有自学习的动态语义功能,检索效率不高.论文给出的方法是基于一个分层的语义网络,在图像检索领域能够响应不能的需求,并且根据用户的反馈,执行一个新的动态学习检索过程,可以明显的提高图像检索效率.