一种改进的基于K-SVD字典的图像修复算法

提出一种改进的基于K-SVD字典的图像修复算法.该算法基于稀疏表示,利用待修复图像内的有效信息,以不重叠像素的方式提取图像块,采用模糊C均值聚类算法对图像块进行聚类,并使用K-SVD算法分别对各类图像块进行训练,得到与各类图像块相适应的字典,重建图像块,修复受损图像.实验结果表明,该算法能提高图像的修复质量和图像的峰值性噪比,且均方根误差较小.     

感兴趣区域中的快速人脸区域分割与跟踪方法

为解决人脸区域分割和跟踪的方法在速度和精度上存在的问题,提出了同时使用前景提取与肤色检测的视频监控中感兴趣区域的提取方法,以及在此基础上使用水平集方法的人脸分割和跟踪方法.在大幅度缩小AdaBoost人脸检测方法的搜索区域的同时,能够避免传统水平集方法解偏微分方程的高计算复杂度,并且在脸部朝向变化的时候保持鲁棒性.应用到PTZ摄像系统中实现视频监控系统,能够随着人脸的移动改变摄像机视角,从而在较大的区域中连续跟踪人脸.实验表明在鲁棒性和实时性上均有提高.     

基于地理本体的地下管线空间知识表示方法研究

地下管线空间知识作为连接管线建设规范与管线空间关系的桥梁,在地下管线GIS系统的管线数据校验等方面的重要作用已被众多研究人员、开发厂商所认同.而针对目前地下管线空间知识存在的语义缺失与可扩展性不强等问题,本文给出了一种基于地理本体的地下管线空间知识表示方法,通过本体描述语言OWL构建地下管线地理本体,在此基础上通过扩展的语义网规则语言SWRL实现地下管线空间知识的形式化表达.与传统的产生式及三值权位表方法相比,本体的方法使空间知识包含丰富的语义信息,易于扩展且支持复杂计算,有利于地下管线空间知识在不同系统间的共享与重用.     

对允诺禁反言原则在英美合同法中应用的思考

允诺禁反言原则兴起于19世纪末的司法实践,并在20世纪得以确立,美国《契约法重述》对该原则有明确的规定。本文从允诺禁反言原则的概念与渊源入手,综合分析该原则的构成条件和适用范围,从而对英美法中的允诺禁反言和大陆的意思表示进行比对,提出我们可以借鉴的经验。     

基于稀疏邻域嵌入法的图像超分辨技术研究

到现在为止,基于邻域嵌入法(NE)的图像超分辨(SR)技术都采用两个独立的步骤合成高分辨的图像。首先以Eu-clidean距离作为标准进行邻域搜索,然后通过求解一个约束最小均方问题得到最优的加权值。然而,采用两个独立的过程并不是最优的。提出一种基于稀疏邻域选择的图像超分辨算法。首先确定可能的邻域范围,然后采用稳健SL0算法同时找出邻域和加权值。由于采用聚类方法,用于重建的k个最近邻域(k-NN)具有相似的局部几何结构,可以采用一种叫做方向梯度直方图(HoG)的统计方法对低分辨图像块进行聚类。通过在合成过程中利用HoG的局部结构信息,每幅低分辨图像的k-NN都能从相对应的子集中自适应的选择,从而在保证合成图像质量的前提下大大提高了合成高分辨图像的速度。仿真表明本文算法能够得到与传统方法相似的结果。     

由粗到精的三维人脸稀疏重建方法

针对传统三维人脸重建算法精度不高的问题, 提出一种由粗到精的三维人脸稀疏重建方法。根据稀疏形变模型方法对待重建人脸的部分区域显著点进行重建, 得到第1步重建结果, 并在此基础上进行后续重建。将第1步的重建结果作为新的参考模型, 求取待重建人脸与参考模型的特征点的坐标投影距离, 从而求取参考模型的形变因子, 完成最终三维人脸的重建。由于两步稀疏重建的作用不同, 对重建过程中参数的选取也采用不同方式。实验结果表明, 该方法能有效提高人脸重建精度, 同时保持较快的重建速度。     

基于上下文感知和注意机制的多学习情绪识别方法

为提高人脸图像情绪识别效率与准确性,在探讨了深度神经网络、注意机制与损失函数基础上,提出基于上下文感知与注意机制的多学习情绪识别网络结构．该网络主要由场景特征提取、身体特征提取与融合决策3个子网络组成,并采用单双输出结构,实现多标签情绪分类与连续空间情绪回归任务．考虑到多标签情绪分类时标签的不平衡性,提出了一个改进的焦点损失（focal loss,FL）函数,可为小样本或难分类样本分配更多的权重,从而提高了网络训练效率．利用EMOTIC数据集进行仿真,结果表明平均绝对误差回归组合损失训练性能更优,分类平均准确率与回归平均误差率分别为28.5%和0.098,该方法对于小样本或难分类样本具有更好的分类效果．      

爪形矩阵约束四元数矩阵方程 ＡＸＢ＝Ｃ 的求解

以四元数的实表示为基础?结合爪形矩阵的结构特点?利用矩阵的拉直与 Ｋｒｏｎｅｃｋｅｒ 积?将爪形矩阵约束四元数矩阵 方程 ＡＸＢ＝Ｃ 转换成无约束的实矩阵方程?得出其有自共轭解的充要条件及通解表达式? 最后?在给定的解集中?求得已知四 元数爪形矩阵有极小 Ｆｒｏｂｅｎｉｕｓ 范数的最佳逼近解?     

人工智能时代知识图谱表示学习方法体系

 总结了不含辅助信息的知识图谱表示学习方法,主要是基于距离和基于语义匹配2类主流方法;研究了包含文本辅助信息和类别辅助信息的知识图谱表示学习方法;通过对比各类表示学习方法的优缺点,发现引入辅助信息能有效表达知识图谱中新实体,但时空开支大幅上升,因而在现阶段,不含辅助信息的方法更易应用于实际场景中。分析了知识图谱嵌入如何应用于三元组分类、链路预测、推荐系统等下游任务,整理归纳了应用于不同任务的数据集和开源库的集合,并展望了大规模、动态知识图谱等具有广泛应用前景的研究方向。     

基于稀疏表示的目标跟踪算法

文中针对目标跟踪领域中有严重遮挡、光照变化、背景复杂等挑战性问题,提出一种基于稀疏表示联合外观模型的目标跟踪算法。在生成模型中,将得到的块结构的稀疏编码系数进行对齐汇集操作,并将汇集后的稀疏系数进行联合加权处理,这样保留目标的空间结构和局部信息来提高目标定位的精度与跟踪的鲁棒性,获得一个更加具有鲁棒性的外观模型。采用大量的测试视频和不同的主流算法进行对比,实验证明,文中提出的算法具有更高的准确性和鲁棒性。