基于中心凹恰可觉察失真模型的多视点深度视频编码方法

针对深度视频压缩中存在的大量视觉冗余,提出了一种基于中心凹恰可觉察失真(FJND)模型的深度视频编码方法。首先通过左右通道的彩色和深度视频绘制虚拟视点图像,并利用FJND模型得到虚拟视点图像的FJND,然后根据深度视频中几何偏移和深度值失真之间的关系确定深度视频左通道的可允许失真,将深度视频左通道分区域采用自适应量化参数进行编码,并对右通道的深度视频根据与左通道量化参数的关系进行编码。实验结果表明,本文方法在相同码率下,虚拟视点图像质量平均提高0.48dB;在相同虚拟视点图像的绘制质量下,深度视频编码码率平均减少26%。     

一种基于多模式融合的多视点图像颜色校正方法

针对各种多视点成像系统中视点图像颜色不一致的问题,提出了一种基于多模式融合的多视点图像颜色校正方法.该方法通过定义四种通用的线性和非线性校正模式,首先对输入的源图像和参考图像进行视差估计,以视差估计得到的匹配块作为样本,然后对样本分别用四种校正模式进行训练,得到各种模式的校正参数,最后基于最小均方误差准则对各种校正模式进行融合,得到最终的校正图像.实验结果表明,该方法能实现参考图像与校正图像的最小均方根误差,且具有较好的校正效果.     

分子模板诱导碱木质素基多孔比容炭的制备及其超级电容器储能性能

作为造纸产业的工业废料,碱木质素的高效利用十分有限。以碱木质素为主要原料、以蔗糖分子作为软模板,经预炭化与高温炭化两步,实现了木质素基多孔比容炭的简单、绿色及高效制备。表征与测试结果表明,其比表面积高达390 m²/g,平均孔径为2.7 nm,主要以孔径小于1 nm的微孔形式集中分布。电化学测试结果显示,其在0.5 A/g的电流密度下,比电容可达243.5 F/g。这一提升归因于蔗糖软模板带来的丰富微孔结构。在10 A/g的大电流密度下,其比电容为199.9 F/g,比电容保持率约为82%,证明其具有良好的倍率性能。进一步将其组装为扣式超级电容器,展现出30.7 W·h·kg^-1的高能量密度(功率密度450 W/kg),在4 500 W/kg的高功率密度下,电容器仍具有23.6 W·h·kg^-1的能量密度。在1 A/g的电流密度下,经过3 000次循环测试,电容器的比电容保持率仍高达约98%,表现出出色的循环稳定性。本研究为碱木质素在电化学储能领域的应用提供了新方法。     

基于深层特征学习的可压缩感知及缝雕刻的图像重定向

多媒体技术的飞速发展推动了图像处理与显示设备 的应用与发展,为了使图像在不同的设备上进行最佳显示,需要对图像的尺寸进行调整。因 此,本文提出一种基于深层特征学习的可压缩感知及接缝雕刻的图像重定向方法。首先从预 先训练的VGG-19网络中提取输入图像的深度特征图,从最深层开始 计算特征图像的可压缩率,根据计算的可压缩率运用接缝雕刻的方法在特征域(Feature fie lds Seam Carving,FSC)调整特征图的大小,然后依次向较浅的层传播,得到所有特征层的 重定向图像后,将输入图像对应于第一层特征图的去缝的位置处的像素去掉,得到原始图像 的重定向图像。若没有达到目标图像的大小,最后再进行均匀缩放(scaling,SCL)。在Retar getMe数据集上分别进行主观与客观评估,结果表明,与其他方法相比,本文的重定向方法 总体上实现了更好的性能。     

基于网格形变的立体图像内容重组

目的 近年来,随着数字摄影技术的飞速发展,图像增强技术越来越受到重视。图像构图作为图像增强中影响美学的重要因素,一直都是研究的热点。为此,从立体图像布局调整出发,提出一种基于Delaunay网格形变的立体图像内容重组方法。方法 首先将待重组的一对立体图像记为源图像,将用于重组规则确定的一幅图像记为参考图像;然后对源图像需要调整的目标、特征线和其他区域进行取点操作,建立Delaunay网格。将源图像的左图与参考图像进行模板匹配操作,得到源图像与参考图像在结构布局上的对应关系;最后利用网格形变的特性,移动和缩放目标对象,并对立体图像的深度进行自适应调整。结果 针对目标对象的移动、缩放和特征线调整几方面进行优化。当只涉及目标对象的移动或特征线调整时,立体图像视差保持不变;当目标对象缩放时,立体图像中目标对象的视差按照缩放比例变化而背景视差保持不变。实验结果表明,重组后的立体图像构图与参考图像一致且深度能自适应调整。与最新方法比较,本文方法在目标对象分割精度和图像语义保持方面具有优势。结论 根据网格形变相关理论,构建图像质量、布局匹配和视差适应3种能量项,实现了立体图像的内容重组。与现有需要提取和粘贴目标对象的重组方法不同,本文方法对目标对象的分割精度要求不高,不需要图像修复和混合技术,重组后的立体图像没有伪影和语义错误出现。用户可以通过参考图像来引导立体图像的布局调整,达到期望的图像增强效果。     

利用多核增强学习的立体图像舒适度评价模型

目的 传统的立体视觉舒适度评价模型,在学习阶段一般采用回归算法,且需要大量的包含主观测试数据的训练样本,针对这个问题,提出一种利用多核增强学习分类算法的立体图像舒适度评价模型。方法 首先,考虑人们在实际观测图像时,对于先后观测到的不同图像进行相互比较的情况,将评价模型看成是偏好分类器,构造包含偏好标签的偏好立体图像对（PSIP）,构成PSIP训练集;其次,提取多个视差统计特征和神经学模型响应特征;然后,利用基于AdaBoost的多核学习算法来建立偏好标签与特征之间的关系模型,并分析偏好分类概率（即相对舒适度概率）与最终的视觉舒适度之间的映射关系。结果 在独立立体图像库上,与现有代表性回归算法相比较,本文算法的Pearson线性相关系数（PLCC）在0.84以上,Spearman等级相关系数（SRCC）在0.80以上,均优于其他模型的各评价指标;而在跨库测试中,本文算法的PLCC、SRCC指标均优于传统的支持向量回归算法。结论 相比于传统的回归算法,本文算法具有更好的评价性能,能够更为准确地预测立体图像视觉舒适度。     

Ray-space数据片内和片间相关性压缩分析

Ray-space数据特征分析表明,其片内和片间均存在很大相关性,并且其数据有明显的方向性特征。通过最优宏块分割、不同精度的块匹配和多参考片预测结果分析,讨论了适合Ray-space数据特点的片内和片间预测技术。与传统的只利用片内相关性的压缩技术相比,利用上述两类相关性,并结合Ray-space数据方向性特征,能进一步提高编码压缩效率。在获得相同重建图像质量下,可使基于H.264的Ray-space压缩方法比基于H.263的方法在码率上节省50%,比JPEG的方法节省75%左右。     

轻载和非线性负荷对电能计量的影响

针对目前关口计量点存在的轻载运行和非线性负荷的现象,分析了问题存在的原因及对现有计量系统的影响,提出了解决上述问题的思路,为进一步深入研究此类问题提供了参考依据。     

电力光纤到户工程实施技术研究

结合辽宁省电力有限公司光纤到户工程建设实际情况,因地制宜,科学规划,深入调研,优化设计,对工程实施中的设计原则、关键技术、建设方案进行了研究,并对工程经济效益进行了分析,对其它电力光纤到户工程建设具有很好的借鉴意义.     

基于类高斯模型的显微图像固点噪声定位算法

针对显微图像固点噪声的特点和技术要求,本文提出类高斯模型和相应的固点噪声检测方法.首先,利用显微图像序列的时间相关性,计算类高斯模型中图像序列相同位置像素彩色分量的均值和方差;然后,根据彩色分量均值图像用最大类间方差法计算彩色分量的自适应阈值,用均分法计算彩色分量方差的自适应阈值;再者,根据阈值对图像序列中的每个像素进...