基于图像处理的堆积物计数方法研究

目前堆积物数目的计算仍停留在比较低的水平,主要靠人工来完成,这项工作机械单调,而且容易出现误差。为了研制自动化程度较高的计数系统,提出了一种基于数字图像处理的自动计数方案,重点放在对图像处理的算法研究与实现上。采用棋子的图像作为堆积物研究对象,通过数码照相机对其进行拍照,然后经过图像灰度转换,图像增强,图像二值化,图像的形态学操作,连同区域标记以及参数提取,MATLAB软件计算出来的结果表明该方法能够对棋子数目进行较为精确的检测。该算法精准方便且易实现,很好地解决了堆积物数目的自动计数问题,可以结合其他算法投入到生产实践中。     

结合密度图回归与检测的密集计数研究

针对基于检测以及基于密度图两种主流的密集计数方法中，基于检测的方法召回率较低、基于密度图的方法缺失目标物体位置信息的问题，将检测任务与回归任务相结合后提出一种基于密度图回归的检测计数方法，可以实现对密集场景中目标物体的计数以及定位，对两种方法进行优势互补，在提高召回率的同时，实现标定所有目标物体的位置信息。为提取出更加丰富的特征信息以面对复杂的数据场景，网络提出特征金字塔优化模块，该模块纵向融合底层高分辨特征与顶层抽象语义特征，横向融合同尺寸的特征，丰富目标物体的语义表达；考虑到密集计数场景中目标物体所占像素比例较低的问题，提出一种针对小目标的注意力机制，通过对输入图像构建掩膜以增强网络对目标物体的注意力，从而提高网络的检测敏感性。实验结果表明，所提出方法在保持准确率基本不变的情况下，大幅度提高了召回率，同时可准确标定目标物体位置，有效提供输入目标图像的计数以及定位信息，在工业以及生态等各种领域具有广泛的应用前景。     

活动轮廓模型在重叠藻细胞计数中的应用

针对重叠藻细胞显微图像的计数问题,提出一种基于活动轮廓模型的重叠藻细胞自动计数方法。对重叠藻细胞显微图像进行预处理,标记连通域,提取并处理局部图像,采用活动轮廓模型算法提取重叠藻细胞边缘,同时进行边缘分析和计数。与传统分水岭算法相比,该计数方法不直接进行重叠藻细胞分割,可以消除因直接分割时过分割与欠分割导致的计数误差,提高重叠藻细胞计算准确度。实验结果表明,该方法对重叠藻细胞的计数准确率高于90%。     

多种人群密度场景下的人群计数

公共场合中采用摄像机实现人群计数在智能安防领域具有重要价值,但摄像机透视效果、图像背景、行人相互遮挡等因素制约着人群计数研究的发展和应用.提出一种采用回归模型估计人数的算法.首先,为了消去摄像机透视对图像特征的影响,用图像中行人身高作为尺度基准将图像分成多个子图像块.其次,采用simile分类器优化子图像块的先进局部二值模式(ALBP)纹理特征,并根据子图像块的人群密度,采用两种核函数的支持向量回归机(SVR)建立输入特征和子图像块人数的关系.最后,相加所有子图像块人数得出图像人数.实验结果表明,本文算法测试稀疏人群的绝对误差约为1人,测试拥挤人群的相对误差小于10％,是一种准确率高适用性强的人群计数算法.     

基于HOG的快速行人计数算法

为解决智能监控中空间受限情景下的行人计数问题,设计了基于HOG的行人识别与计数算法. 通过限制HOG目标检测算法中图像的缩放范围,并设置感兴趣的检测区域,相比直接应用OpenCV函数实现的目标检测,其时间效率大幅提升;采用基于单计数线算法完成双向流量统计. 三个不同走廊环境的实验表明,本文算法具有不依赖帧间运动信息的特点,可快速稳定的对空间受限情景下的行人进行计数.     

基于数学形态学的棒材自动计数方法

针对图像中棒材存在粘连,从而造成误计数的问题,研究了一种基于数学形态学的棒材自动计数方案,以实现对棒材实时、精确的计数.该方案针对棒材类计数无需考虑被测物体截面真实形状的特点,将每根棒材处理成单个像素,避免了粘连对计数的影响.为有效克服光照、噪声的干扰以及棒材快速运动造成的图像模糊,该方案首先对采集到的原始棒材图像进行预处理,然后采用腐蚀、细化算法初步实现了棒材粘连的分离,最后采用收缩与检测直线端点算法,实现了单个像素点与原始图像棒材的一一对应,为后续计数奠定了基础.实验证明,该方法不仅能够保证棒材自动计数的精度,并且为棒材定支数包装创造了条件.     

基于机器视觉跟踪的计数算法

为了鱼苗的饲养、运输和销售过程中对一定数量或批量的鱼苗实现精确计数,提出了一种基于机器视觉跟踪的鱼苗计数算法.按一定时间间隔动态跟踪拍摄鱼苗图像,采用图像处理技术提取每个图像块的面积作为其特征值;根据面积的大小,将图像块划分为正常图像和异常图像,并对正常图像和异常图像分别进行分析处理,进而建立图像特征值与鱼苗的数量之间的相关算法模型;利用动态跟踪拍摄的多组图像数据回归获得最优模型参数,得到估计函数,并应用到计数中累加求和.实验结果表明:基于动态视觉跟踪和回归分析的鱼苗计数方法,能够有效区分鱼苗计数过程中的黏连问题,提高了鱼苗计数精度.     

一种适于公交乘客计数的自适应背景更新算法

在基于视频图像处理的乘客计数系统(APC)中,背景与前景目标的分割是运动目标检测的关键。针对公交车APC系统的特征,在背景差法的基础上,结合相邻帧差以及平均灰度差,提出了一种自适应背景更新算法,以此为基础,实现了视频图像序列中的运动目标检测。通过对公交车实验采集的视频图像进行处理,证明算法能够克服光线的变化及干扰物体的影响,有效地实现目标分割。     

基于球面调和函数的漫反射表面快速光照技术的研究

基于图像的光照是计算机图形学中一个新的研究领域。本文研究了一种基于球面调和函数理论的快速光照技术,此方法采用三阶球面调和函数近似估计理想漫反射物体表面的光亮度,以此实现物体表面光亮度的计算。实验结果表明,本算法能够实现真实感图像的实时绘制。     

基于深度特征融合生成的密集人群计数网络

为了进一步提高密集人群计数任务的计数精度,提出一种利用深度语义特征逐步降维重建的密集人群计数网络。前端采用深度卷积网络得到基本的深度语义特征;后端采用基于空洞卷积的多尺度特征融合块来丰富深度语义特征。通过语义重建块与上采样相结合,在进行多次降维重建以后生成与原始图像相同分辨率的人群密度图,并由此得到人群数量。将该模型在公开的数据集ShanghaiTech、UCF_CC_50、UCF-QNRF上与历年的主要方法进行对比,该方法无论是在人群计数精度还是密度图质量上都体现出了明显的优势,同时在多个数据上的验证实验表明模型具有较好的鲁棒性。     

一种基于扩展规则的#SAT 求解系统

#SAT 问题是SAT 问题的扩展,需要计算出给定命题公式集合的模型个数.通过将问题求解沿着归结的反方向进行,并利用容斥原理解决由此带来的空间复杂性问题,提出了一种基于扩展规则的模型计数和加权模型计数问题求解框架,可以看作是目前所有模型计数问题求解方法的一种补方法.证明了该方法的完备性和有效性,设计了基于扩展规则的#SAT 求解系统:JLU-ERWMC.实验结果表明,JLU-ERWMC 在有些问题中优于目前最为高效的#SAT 问题求解系统.     

自动声讯系统中数字汉语发音规律的研究与实现

自动声讯系统中经常遇到语音报数功能，据此，深入分析了数字汉语发音规律，总结编制由算法框图，对基于VC 和Dialogic语音卞若干开发要点进行探讨，并在多个工程项目中应用。     

The Relative Complexity of Approximate Counting Problems

Two natural classes of counting problems that are interreducible under approximation-preserving reductions are: (i) those that admit a particular kind of efficient approximation algorithm known as an “FPRAS”, and (ii) those that are complete for #P with respect to approximation-preserving reducibility. We describe and investigate not only these two classes but also a third class, of intermediate complexity, that is not known to be identical to (i) or (ii). The third class can be characterised as the hardest problems in a logically defined subclass of #P.     

The Relative Complexity of Approximate Counting Problems

Two natural classes of counting problems that are interreducible under approximation-preserving reductions are: (i) those that admit a particular kind of efficient approximation algorithm known as an FPRAS, and (ii) those that are complete for #P with respect to approximation-preserving reducibility. We describe and investigate not only these two classes but also a third class, of intermediate complexity, that is not known to be identical to (i) or (ii). The third class can be characterised as the hardest problems in a logically defined subclass of #P.     

Multichannel software event counter for the MC6809

Software can provide a cheap means of counting low-frequency events such as egg laying. A counting technique and driver program for this example are described.     

一种改进的基于边界追踪的区域统计算法

区域个数统计在计算机图形和图像分析中有着很重要的应用.通过对传统的区域统计方法的研究,指出了它们的优点和不足,复现了这些算法,提出一种优化的基于边界追踪的区域统计算法.在对二值图像进行近似单次扫描之后,可以统计出图像中黑白区域个数,同时通过增加少量的代码可以获得黑色区域边界点序列.这些点对于图像的存储和复现有很重要的作用.     

分片计数布隆过滤器及其在Hbase二级索引的应用

针对Hadoop Database(Hbase)仅支持主索引结构,即通过主键和主键的range来检索数据的问题,提出利用Counting Bloom Filter的新变体建立二级索引来支持非主键数据的检索.分析了已有的Counting Bloom Filter(CBF)技术,针对CBF溢出概率高的问题,提出一种新的Split Counting Bloom Filter(SCBF)技术,SCBF将标准CBF分成多个相互独立的区域,由这多个区域共同存储元素的fingerprint.实验结果表明,与标准CBF相比,SCBF降低了溢出概率,充分提高了过滤器的性能,可以很好地用来建立Hbase二级索引.     

GPPR：跨域环境下的个性化PageRank算法

个性化PageRank作为大图分析中的的基本算法,在搜索引擎、社交推荐、社区检测等领域具有广泛的应用,一直是研究者们关注的热点问题.现有的分布式个性化PageRank算法均假设所有数据位于同一地理位置,且数据所在的计算节点之间具有相同的网络环境.然而,在现实世界中,这些数据可能分布在跨洲际的多个数据中心中,这些跨域分布（Geo-Distributed）的数据中心之间通过广域网连接,存在网络带宽异构、硬件差异巨大、通信费用高昂等特点.而分布式个性化PageRank算法需要多轮迭代,并在全局图上进行随机游走.因此,现有的分布式个性化PageRank算法不适用于跨域环境.针对此问题,本研究提出了GPPR（Geo-Distributed Personalized PageRank）算法.该算法首先对跨域环境中的大图数据进行预处理,通过采用启发式算法映射图数据,以降低网络带宽异构对算法迭代速度的影响.其次,GPPR改进了随机游走方式,提出了基于概率的push算法,通过减少工作节点之间传输数据的带宽负载,进一步减少算法所需的迭代次数.我们基于Spark框架实现了GPPR算法,并在阿里云中构建真实的跨域环境,在8个开源大图数据上与现有的多个代表性分布式个性化PageRank算法进行了对比实验.结果显示,GPPR的通信数据量在跨域环境中较其他算法平均减少30%.在算法运行效率方面,GPPR较其他算法平均提升2.5倍.     

Algorithms for Modular Counting of Roots of Multivariate Polynomials

Given a multivariate polynomial P(X ₁,…,X _n ) over a finite field , let N(P) denote the number of roots over . The modular root counting problem is given a modulus r, to determine N _r (P)=N(P)mod r. We study the complexity of computing N _r (P), when the polynomial is given as a sum of monomials. We give an efficient algorithm to compute N _r (P) when the modulus r is a power of the characteristic of the field. We show that for all other moduli, the problem of computing N _r (P) is -hard. We present some hardness results which imply that our algorithm is essentially optimal for prime fields. We show an equivalence between maximum-likelihood decoding for Reed-Solomon codes and a root-finding problem for symmetric polynomials. P. Gopalan’s and R.J Lipton’s research was supported by NSF grant CCR-3606B64. V. Guruswami’s research was supported in part by NSF grant CCF-0343672 and a Sloan Research Fellowship.