基于太赫兹的危险品智能识别系统

基于太赫兹线性扫描成像和深度学习技术,实现包裹危险品实时智能识别。采用太赫兹线性扫描成像技术,穿透包裹、衣物、信封等物品,探测隐匿的塑胶凶器、塑胶炸弹、流体炸药和易燃易爆液体等危险品,形成太赫兹图像。对太赫兹图像采用基于深度学习的目标检测方法,实现危险品检测识别。实验结果表明,该系统对危险品成像,能显现X射线扫描仪不易探测的危险品,能自动识别,精度高、实时性好。该系统是一种成像质量好、识别精度高、实时性好的包裹危险品智能识别系统。     

一种新型的嵌入式智能图像传感器设计

提出并设计一种新型的嵌入式智能图像传感器,该传感器具备一定的室外场景(主要为道路和公共场所)状态感知能力,适用于分布式智能视频监控系统.本文采用基于统计学习的方法实现了运动前景图像检测和阴影消除,并在此基础上完成运动目标行为分析,实现了关键区域保护、监控目标移动检测以及镜头遮挡保护等智能视频监控功能.本文所设计的视觉分析算法适用于复杂的室外环境,适合于实时计算.在算法的实现中充分利用了该嵌入式智能图像传感器硬件设计的优点,在实验中取得了良好的效果.     

扫描图像中时序曲线的识别及数据提取

研究扫描图像中时序曲线的识别与数据提取.数据源为扫描后栅格背景下的多条笔绘曲线图像,目的是提取每条笔绘曲线的时序数据.提出了该类扫描图的处理框架,并改进了多种算法.采用逐行自适应阈值及分块自适应阈值算法进行背景噪声的粗滤除;采用选择性腐蚀算法进行垂直和水平栅格噪声的进一步滤除;采用模板匹配技术完成孤立区域噪声的消除;对去噪后的笔绘曲线进行单像素细化,并采用8邻域技术进行曲线跟踪;对曲线波峰区域采用轮廓提取法进行识别;采用虚线聚类的方式识别虚曲线.实验结果表明,该方法较好地完成了对时序曲线的识别及数据提取,可应用于各类具有栅格背景的时序曲线图纸的数字化.     

溜井扫描探头升降速度控制研究

针对溜井全景扫描仪因扫描探头升降速度不稳定导致的图像模糊、变形和不连续等问题,在分析全景扫描仪升降装置结构的基础上,建立了扫描探头升降速度与转筒角速度之间的关系模型,以此作为设定转筒角速度曲线的理论依据,并采用防积分饱和的闭环PI控制方法实现扫描探头升降速度的恒定控制。实验及应用结果表明,该扫描探头升降速度控制方案实现了扫描探头恒速升降,所得图像清晰,无变形。     

一种新颖的智能网络图像内容监测系统模型

针对目前网络安全系统对于图像信息监测能力不足的问题,提出了一种基于图像内容的智能网络安全监测系统模型.该模型采用了信息反馈与知识辅助机制,以基于轮廓特征抽取与多智能体技术的图像检索算法作为图像内容监测与分析模型的核心,采用基于遗传算法的安全性审计机制实现对于历史监测数据及规则的智能挖掘与审计,从而能够准确、实时地监测网络中的图像信息,提高了网络系统的运行可靠性和安全性.此外,还给出了该模型的原型描述及实现.     

支持多风格的图像艺术化快速处理算法

为了使目标图像在用户的控制和编辑下快速学习参考图的颜色和笔刷特征,得到多个参考样图的艺术风格,提出一种支持多风格的图像艺术化快速处理算法.首先以目标图像流场为引导对非等轴纹理合成算法进行改进,学习得到样图的纹理和笔刷特征;然后通过设计和实现基于CUDA加速的并行合成算法,加快样图风格的学习速度;此外,为增强学习结果的可控性,设计完成了用户交互式的风格编辑接口,可根据用户指定的不同样图风格块对目标图像实现区域相关的多风格图像艺术化,提供所见即所得的交互设计体验.风格学习实例的结果表明,与已有的基于学习的风格化算法相比,该算法具有更快的合成速度和更强的灵活性.     

融合极端学习机的判别性分析字典学习算法

研究表明,端学习机和判别性字典学习算法在图像分类领域极具有高效和准确的优势。然而,这两种方法也具有各自的缺点,极端学习机对噪声的鲁棒性较差,判别性字典学习算法在分类过程中耗时较长。为统一这种互补性以提高分类性能,文中提出了一种融合极端学习机的判别性分析字典学习模型。该模型利用迭代优化算法学习最优的判别性分析字典和极端学习机分类器。为验证所提算法的有效性,利用人脸数据集进行分类。实验结果表明,与目前较为流行的字典学习算法和极端学习机相比,所提算法在分类过程中具有更好的效果。     

基于深度学习的文本到图像生成方法综述

文本到图像生成方法采用自然语言与图像集特征的映射方式,根据自然语言描述生成相应图像,利用语言属性智能地实现视觉图像的通用性表达.基于卷积神经网络的深度学习技术是当前文本到图像生成的主流方法,为系统地了解该领域的研究现状和发展趋势,按照模型构建及技术实现形式的不同,将已有的技术方法分为直接图像法、分层体系结构法、注意力机...     

拉普拉斯多层极速学习机

极速学习机不仅仅是有效的分类器,还能应用到半监督学习中.但是,半监督极速学习机和拉普拉斯光滑孪生支持向量机一样是一种浅层学习算法.深度学习实现了复杂函数的逼近并缓解了以前多层神经网络算法的局部最小性问题,目前在机器学习领域中引起了广泛的关注.多层极速学习机（ML-ELM）是根据深度学习和极速学习机的思想提出的算法,通过堆叠极速学习机-自动编码器算法（ELM-AE）构建多层神经网络模型,不仅实现复杂函数的逼近,并且训练过程中无需迭代,学习效率高.我们把流形正则化框架引入ML-ELM中提出拉普拉斯多层极速学习机算法（Lap-ML-ELM）.然而,ELM-AE不能很好的解决过拟合问题,针对这一问题我们把权值不确定引入ELM-AE中提出权值不确定极速学习机-自动编码器算法（WU-ELM-AE）,它学习到更为鲁棒的特征.最后,我们在前面两种算法的基础上提出权值不确定拉普拉斯多层极速学习机算法（WUL-ML-ELM）,它堆叠WU-ELM-AE构建深度模型,并且用流形正则化框架求取输出权值,该算法在分类精度上有明显提高并且不需花费太多的时间.实验结果表明,Lap-ML-ELM与WUL-ML-ELM都是有效的半监督学习算法.     

新品介绍

惠普公司于8月宣布推出HP ScanJet 610012专业系列扫描仪。这种平板式扫描仪具有领先的色彩与灰度级处理能力,该产品将于9月以后在中国上市。 ScanJet 6100C专业系列扫描仪采用惠普领先的智能扫描技术,图像扫描质量相当优秀。由于采用了35mmHP ScanJet幻灯片适配器以及业界领先的软件,HP ScanJet 6100C专业系列扫描仪使图像扫描又达到了一个新高度。 通过智能扫描技术,ScanJet 610012专业系列扫描仪能够更好地对光进行处理,能在不产生任何变形的情况下捕获高水平信息。这种智能扫描技术的另一大功能是使用扫描仪