基于迷乱变换的动态路径水印实现方案

结合软件水印技术的最新研究成果，提出了一种基于迷乱变换的动态路径水印实现方案。该方案充分利用动态图别名分析难的特点为不透明分支的构造创造条件，通过构造低开销、高隐蔽性和高鲁棒性的不透明分支对程序实施控制流迷乱变换，并将水印数据嵌入迷乱变换后程序的特定执行轨迹中。分析了该方案在隐藏信息量、隐蔽性和鲁棒性等方面的性能。     

动态统计图控件的设计与实现

在数据库应用开发中,统计图控件能够将数据以图形的方式表现出来,微软提供了一些基本控件,但目前大部分统计图控件生成的统计图是静态的。本设计使用Visual C 6.0实现了一个动态统计图控件,其功能是从数据库中读出数据,经过处理,最终以动态图的形式表现出来,解决了统计图的动态显示问题。     

基于路径的防篡改动态软件水印算法

本文给出了一种改进的动态水印算法,该算法采用基于中国剩余定理的水印分割方法,并通过在程序中同时插入与分割的拓扑图相对应的校验比特串的方法提高其纠错能力和抗篡改能力。该算法具有编码纠错能力强、抗攻击能力好的特点,同时兼顾了基数-k编码方法编码率高、编码范围广的优点。     

基于MPEG-4的人脸动画技术研究

MPEG-4提出的基于对象的编码格式，将人脸作为一个特殊的对象，为人脸建模和动画研究奠定了基础。本文通过对MPEG-4人脸动画标准的分析，提出基于MPEG-4人脸动画系统的设计思想和需解决的关键问题。     

动态图像序列中的运动目标检测

根据动态图像序列中背景因成像过程中各种因素而产生变化所存在的复杂性，提出了自适应的前景目标检测方法。首先，建立图像每一像素点的高斯分布模型，并根据序列中的当前帧及历史帧信息自适应地调整模型的参数。然后，结合图像帧间的差分信息以及灰度分布的先验概率等因素将图像从空间域映射至统计域。最后，在统计域中对前景目标进行鲁棒分割。实验的结果反映了该方法的有效性。     

Reconstruction of three-dimensional coronary arterial dynamics from multi-view angiogram sequences

Since actual cardiac and arterial motion is non-rigidand non-uniformbothin space andinti me[1],the quan-tification of dynamic 3-Dcurves with 2-D projections isinaccurate and sensitive to view angles . Ruan[2]andPuentes[3]reconstructed 3-D arterial centerl…     

结合局部增强与反向残差的点云语义分割网络北大核心CSCD

激光点云是3D传感器的输出,且对它的语义分割任务是理解真实世界的基础。基于图卷积的点云分割网络在许多场景下都展现了优异的性能。然而,现有的图卷积方法存在部分问题:点云局部表示的能力未得到加强,忽略了全局几何信息,并且聚合操作只保留局部最大响应值信息,而次最大值信息丢失。为了处理这些问题,本文提出GRes-Net网络。利用局部几何加强(Local Geometry Augment,LGA)模块,使网络对Z轴具有旋转不变性,以便加强点云局部信息表示;采用全局几何特征(Global Geometry Feature,GGF)模块,计算局部与全局的球体体积比,将其与坐标特征X进行连接,使全局几何信息特征得以保留;通过多个对称聚合操作将局部信息多方面地保留;网络中每层都使用残差操作,将上一层信息传递到下一层,以及利用反向残差模块(Reversed Residual MLP,RevResMLP)挖掘更深层次的语义信息。本文在S3DIS数据集上进行语义场景分割实验,验证网络分割的性能。实验结果表明该方法在分割精度上达到61%,相比于基准网络DGCNN提高14%,有效地提高了模型性能。     

考虑时空相似性的动态图卷积神经网络交通流预测

高精度的交通流预测对于大型城市的交通管理和智慧出行具有重要作用,而交通流动态时空相关性的挖掘则是提高预测精度的关键.针对现有研究中存在的对交通流在不同时间尺度下呈现出的高度相似性,以及处于相似功能区的非邻近节点间交通流变化的相似性考虑不足的问题,构建考虑时空相似性的动态图卷积神经网络(dynamic graph convolution neural network considering spatio-temporal similarity,STS-DGCN).以相邻时段、日和周等多时间尺度下的数据输入张量表达交通流数据的时间相似性,以路网节点间距离度量、相似性度量、自适应嵌入、动态相关性等多属性特征的邻接矩阵表达交通流数据的时空相似性,进而基于这些邻接矩阵构建反映路网节点时空动态变化的动态图,并设计相应的时空特征挖掘算法.在公开数据集上的实验结果表明,所提出模型的预测结果优于目前较为先进的对比基线模型,具有更高的预测精度.     

Parametric tracking of legs by exploiting Intelligent Edge

In this paper the idea of Intelligent Scissors is adopted for contour tracking in dynamic image sequence. Tracking contour of human can therefore be converted to tracking seed points in images by making use of the properties of the optimal path (Intelligent Edge). The main advantage of the approach is that it can handle correctly occlusions that occur frequently when human is moving. Non-Uniform Rational B-Spline (NURBS) is used to represent parametrically the contour that one wants to track. In order to track robustly the contour in images, similarity and compatibility measurements of the edge are computed as the weighting functions of optimal estimator. To reduce dramatically the computational load, an efficient method for extracting the region interested is proposed. Experiments show that the approach works robustly for sequences with frequent occlusions.     

结合动态图卷积和空间注意力的点云分类与分割

目的 随着3维采集技术的飞速发展,点云在计算机视觉、自动驾驶和机器人等领域有着广泛的应用前景。深度学习作为人工智能领域的主流技术,在解决各种3维视觉问题上已表现出巨大潜力。现有基于深度学习的3维点云分类分割方法通常在聚合局部邻域特征的过程中选择邻域特征中的最大值特征,忽略了其他邻域特征中的有用信息。方法 本文提出一种结合动态图卷积和空间注意力的点云分类分割方法（dynamic graph convolution spatial attention neural networks,DGCSA）。通过将动态图卷积模块与空间注意力模块相结合,实现更精确的点云分类分割效果。使用动态图卷积对点云数据进行K近邻构图并提取其边特征。在此基础上,针对局部邻域聚合过程中容易产生信息丢失的问题,设计了一种基于点的空间注意力（spatial attention,SA）模块,通过使用注意力机制自动学习出比最大值特征更具有代表性的局部特征,从而提高模型的分类分割精度。结果 本文分别在ModelNet40、ShapeNetPart和S3DIS（Stanford Large-scale 3D Indoor Spaces Dataset）数据集上进行分类、实例分割和语义场景分割实验,验证模型的分类分割性能。实验结果表明,该方法在分类任务上整体分类精度达到93.4%;实例分割的平均交并比达到85.3%;在室内场景分割的6折交叉检验平均交并比达到59.1%,相比基准网络动态图卷积网络分别提高0.8%、0.2%和3.0%,有效改善了模型性能。结论 使用动态图卷积模块提取点云特征,在聚合局部邻域特征中引入空间注意力机制,相较于使用最大值特征池化,可以更好地聚合邻域特征,有效提高了模型在点云上的分类、实例分割与室内场景语义分割的精度。