国家自然科学基金(61172118)
- 作品数：6 被引量：23H指数：4
- 相关作者：刘峰干宗良张雄尹奎英李成更多>>
- 相关机构：南京邮电大学中国电子科技集团第十四研究所空军航空大学更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金江苏省高校自然科学研究项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于SIFT-Delaunay编码的SAR图像自动配准算法被引量：4
- 2015年
- 合成孔径雷达(SAR)图像自动配准问题是SAR图像解译的关键技术之一,长期以来未有得到很好的解决。SIFT(Scale-invariant feature transform)可以通过检测局部特征对图像进行配准,是一种比较成功的自动配准算法,但由于场景的复杂性,单纯的SIFT算法不能解决相似特征不同位置的问题,本文针对SAR图像的特点,基于Delaunay三角拓扑理论,提出了一种SIFT-Delaunay编码的自动配准算法,通过实测数据试验,该算法能够解决SAR图像仿射变换中SIFT算法配准中的问题,实现SAR图像自动配准。
- 尹奎英张雄李成乔寅骐
- 关键词：SIFT算法
- 融合信息化边界和多模态特征的室内空间布局估计
- 2019年
- 为感知室内空间布局,提出一种基于信息化边界和多模态特征的场景布局估计方法.首先,采用VGG-16全卷积神经网络预测蕴含空间布局先验的信息化边界图.其次,采用Canny边缘检测和投票策略估计水平和竖直方向消失点,从消失点等角度间隔引出射线细采样信息化边界能量高的区域.接着,采用VGG空间多尺度卷积神经网络估计几何深度和法向特征.然后,积分几何求和候选布局多边形中多模特征描述一元共生,候选布局的表面法向平滑和位置关系确定二元标记约束.最后,采用结构化支持向量机学习模型,最大布局候选得分以推理布局.实验结果表明,与经典方法相比,本估计方法可以有效改善布局的完整度.
- 刘天亮陆泮宇戴修斌刘峰罗杰波
- 关键词：卷积神经网络
- 基于层级聚类回归模型的人脸超分辨率重建算法
- 2019年
- 人脸超分辨率重建是指从一幅低分辨率人脸图像重建出相应的高分辨率图像的过程。大部分的人脸超分辨率重建算法都假设输入图像是对齐且不含噪声的。当输入的人脸图像为非对齐时,超分辨率重建的性能将降低。为此,提出一种基于学习的层级聚类回归算法,其主要针对非对齐的单帧人脸图像的超分辨率重建。该算法分为两部分:聚类和回归。聚类阶段,将训练样本的尺寸统一成某个小尺寸的人脸图像,用于训练人脸图像字典。该字典的字典原子为聚类中心,对原始的人脸图像进行聚类,得到各个子空间的人脸图像簇。该算法充分利用了人脸结构的先验信息,能获得更准确的聚类结果。在回归阶段,仅需要训练一个全局字典,各个子空间的人脸图像共享这些字典原子。在每个簇内,搜索各个驻点的邻域,以生成对应的邻域子空间。然后,学习低分辨率与高分辨率样本特征之间的映射关系,以得到每个子空间的回归模型。该算法的核心是所有的人脸图像类共享一个全局字典,但对于同一个驻点,在不同的人脸图像簇内,邻域样本各不相同,这样能够更准确地学习局部映射关系。该算法不仅可以缩短训练时间,还可以提高人脸超分辨率重建的质量。对比实验的结果表明,该算法的PSNR至少可以提升0.39 dB,SSIM可以提升0.01~0.18。
- 王淑云干宗良刘峰
- 关键词：超分辨率人脸超分辨率层级欧氏距离
- Retinex自适应反射分量估计和对数图像处理减法后处理的低照度图像增强被引量：10
- 2019年
- 在夜间采集到的图像由于受强灯光的影响,对比度较大,白天采集到的背光图像也是如此。对比度增强算法是常用的获得良好对比度图像的方法,但是这往往会造成亮区域过度增强的现象。为了解决对比度较大的这部分图像过度增强的问题,提出了一种基于Retinex自适应反射分量估计和对数图像处理减法后处理的低照度图像增强算法,该算法分为两部分:反射分量估计,基于对数图像处理减法(LIPS)模型的对比度增强。首先,用自适应双边滤波器代替传统的高斯滤波器来获得更精准的照明层。然后,根据最小可觉差(JND)阈值得到一个自适应因子来为对数域的照明分量加权,从而估计出图像的反射分量。这种方法可以有效防止高亮度区域的过度增强。最后,将基于标准偏差最大化的LIPS方法作用在反射层以增强图像的对比度,其中LIPS的参数范围由反射图像的累积分布函数(CDF)来确定。实验结果表明,文中所提算法在主观评价以及客观评价方面都优于其他对比算法。
- 潘卫琼涂娟娟干宗良刘峰
- 关键词：最小可觉差
- 基于Kinect的摔倒行为研究被引量：4
- 2018年
- 针对传统视频检测技术识别效率低和实时性差的问题,提出基于Kinect体感设备对人体摔倒行为进行判断识别。其中人体位于Kinect的检测范围之内,通过对Kinect设备获取到的深度图像进行处理,得到人体骨骼图像及人体关节点的位置信息;利用Kinect骨骼追踪技术,参考人体左肩、右肩2个骨骼点,以两肩中心点为目标,实时计算两肩中心关节点的空间位置、相对位置等参数,计算出不同帧之间两肩中心点位置之间的位移变化,并结合该位移向量与O-X,Y,Z坐标体系中的Y轴方向夹角,以二者相结合为条件来判断人体是否出现摔倒事件。经过实验验证,在室内环境中,该方法能够实现人体摔倒的自动实时检测,并且利用深度信息和骨骼信息对摔倒行为进行检测判断,能够有效地保护监测环境内当事人的个人隐私。
- 杨张振
- 关键词：KINECT深度图像摔倒向量
