色彩管理的若干进展

一、色彩管理 众多的与色彩相关的设备都会对色彩进行处理,例如计算机显示屏显示色彩、扫描仪对色彩进行识别和转换、印刷机在纸张等介质上输出色彩等,如果在色彩处理的过程中涉及到多个厂家生产的多种类型的设备,大家都会希望色彩在转换的过程中自始自终保持一致,     

川东北元坝东部须四段裂缝型致密砂岩储层预测

裂缝型致密砂岩储层是四川盆地三叠系须家河组重要的储层类型,由于该类储层具有低孔、低渗、强非均质性特征,其储层的预测是川东北油气勘探开发的重点和难点。为准确预测该类储层的分布,提出了“相控找砂,砂中找缝”的“两步法”技术思路,针对目标靶区,综合地质地震资料开展砂体展布及裂缝预测。该方法利用地震多属性综合与相控地震反演技术,定性和定量预测有利砂体分布区;结合叠前叠后裂缝检测技术、基于断-缝联系法和储-盖差异法的断裂-裂缝有效性评价技术,评价断裂-裂缝发育带;最终综合有利砂体和裂缝分布区圈定优质储层发育带。预测结果经后期钻井证实可靠性较高,表明该技术思路对裂缝型致密储层预测具有借鉴意义。     

图形图像制作软件中的色彩模式分析

色彩是图像制作的关键,通过分析几种常用色彩模式的呈色原理、表达方式、参数涵义及取值范围,深入的了解图形图像软件中的色彩模式,旨在掌握它们不同的适用范围,更精确地表达颜色.     

融合头部姿态和面部表情的互动式活体检测

为了阻挡人脸识别系统中的照片及视频攻击,提出了一种将头部姿态和面部表情融合的互动式活体检测算法。首先,对VGGNet的卷积核数目、网络层数、正则化等进行了调整优化,构建了一个多层卷积的头部姿态估计网络;其次,引入全局平均池化、局部响应归一化和卷积替代池化等方法对VGGNet进行改进,构建了一个表情识别网络;最后,融合上述两个网络实现了互动式活体检测系统,对用户发出随机指令实时完成活体检测。实验结果表明,所提出的头部姿态估计网络和表情识别网络分别在CAS-PEAL-R1数据集和CK+数据集上取得了99.87%和99.60%的准确率,而活体检测系统的综合准确率达到了96.70%,运行速度达到了每秒20~28帧,在实际应用中泛化能力突出。     

优化LeNet-5网络的多角度头部姿态估计方法

针对在受到部分遮挡或角度过大无法定位面部关键特征点的情况下,传统的头部姿态估计方法的准确率低或无法进行头部姿态估计的问题,提出了优化LeNet-5网络的多角度头部姿态估计方法。首先,通过对卷积神经网络（CNN）的深度、卷积核大小等进行优化来更好地捕捉图像的全局特征;然后,改进池化层,用卷积操作代替池化操作来增强网络的非线性能力;最后,引入AdaBound优化器,并利用Softmax回归模型做姿态分类训练。训练中在自建数据集中增加遮挡头发、做出夸张表情和佩戴眼镜等动作来增强网络的泛化能力。实验结果表明,所提方法不需要定位面部关键特征点,在光照阴影、头发等遮挡情况下也可以实现抬头、低头、偏头等多角度转动下的头部姿态估计,在Pointing04公共数据集和CAS-PEAL-R1公共数据集上准确率达到了98.7%,运行速度平均在每秒22~29帧。     

南堡凹陷边界断层分段特征及其对沉积体系的控制作用

基于地震资料,应用垂直位移分析法,定量反演南堡凹陷西南庄断层的生长过程,认为该断层在南堡凹陷演化过程中表现为早期分段、晚期连接的特征。在沙河街组沉积初期,断层分段特征明显,各分段断层具有独立的正断层位移特征;至沙一段沉积时期—东营组沉积时期,各分段断层有连接的趋势,并最终连接为一条大型正断层。西南庄断层分段特征的差异性对研究区沉积体系的类型、展布具有重要的控制作用。断层演化过程中形成的最大断距处位于分段断层中央位置附近,控制半地堑的形成,易形成深湖—半深湖背景下的近岸水下扇沉积体系;断层分段点为各分段断层的连接部位,发育走向斜坡型和横向背斜型构造调节带,是砂体进入凹陷的主要物源通道,易形成扇三角洲沉积体系。     

渤海湾盆地南堡凹陷西南庄断层分段特征及演化

以渤海湾盆地南堡凹陷西南庄边界断层为例,应用地震资料,结合构造图和地层厚度图,分析不同地质时期边界断层垂直位移沿走向变化,对边界断层分段生长与演化过程进行了研究,分析了这种过程对沉积的控制作用。西南庄断层在沙三段沉积期可分为东、中、西3个相对独立的断层,它们间呈侧列式分布,在断层段叠覆处发育转换斜坡;沙一段沉积时期,3个断层段连接并出现了统一趋势,同时高柳断层以北的断层段开始废弃。在东营组沉积末期各断层段连接形成统一断层,但仍表现出分段特征,在断层分段处形成横向褶皱,同时高柳断层以北的断层段废弃。横向褶皱和转换斜坡是下盘碎屑物质进入盆地的通道,是有利储层发育区。      

基于优化LeNet-5的近红外图像中的静默活体人脸检测

针对当前交互式活体检测过程繁琐、用户体验性差的问题,提出了一种优化LeNet-5和近红外图像的静默活体检测方法。首先,采用近红外光摄像头构建了一个非活体数据集;其次,通过增大卷积核、增加卷积核数目、引入全局平均池化等方法对LeNet-5进行了优化,构建了一个深层卷积神经网络;最后,将近红外人脸图片输入到模型中实现活体静默活体检测。实验结果表明,所设计的模型在活体检测数据集上有较高的识别率,为99.95%,整个静默活体检测系统的运行速度约为18~22帧/s,在实际应用中鲁棒性较高。