您的位置: 专家智库 > >

国家自然科学基金(61379065)

作品数:25 被引量:56H指数:4
相关作者:张世辉孔令富何欢刘建新窦燕更多>>
相关机构:燕山大学北京计算机及应用研究所更多>>
发文基金:国家自然科学基金河北省自然科学基金国家重点实验室开放基金更多>>
相关领域:自动化与计算机技术一般工业技术机械工程更多>>

文献类型

  • 25篇中文期刊文章

领域

  • 17篇自动化与计算...
  • 8篇机械工程
  • 8篇一般工业技术

主题

  • 17篇图像
  • 11篇遮挡
  • 10篇深度图
  • 10篇深度图像
  • 7篇遮挡边界
  • 7篇计量学
  • 5篇单幅
  • 5篇网络
  • 4篇图像处理
  • 4篇机器视觉
  • 2篇单幅图
  • 2篇单幅图像
  • 2篇影子
  • 2篇遮挡检测
  • 2篇视频
  • 2篇视频序列
  • 2篇图割
  • 2篇线段
  • 2篇聚类
  • 2篇卷积

机构

  • 24篇燕山大学
  • 1篇北京计算机及...

作者

  • 22篇张世辉
  • 6篇孔令富
  • 5篇何欢
  • 2篇罗艳青
  • 2篇窦燕
  • 2篇张红桥
  • 2篇刘建新
  • 2篇韩德伟
  • 1篇高文静
  • 1篇陈琦
  • 1篇牛景春
  • 1篇靳连超
  • 1篇李鑫
  • 1篇王瑞宇

传媒

  • 8篇计量学报
  • 5篇光学学报
  • 2篇自动化学报
  • 2篇电子学报
  • 2篇高技术通讯
  • 2篇小型微型计算...
  • 1篇燕山大学学报
  • 1篇电子与信息学...
  • 1篇计算机学报
  • 1篇High T...

年份

  • 2篇2023
  • 2篇2021
  • 2篇2020
  • 4篇2019
  • 1篇2018
  • 1篇2017
  • 4篇2016
  • 4篇2015
  • 4篇2014
  • 1篇2013
25 条 记 录,以下是 1-10
排序方式:
基于逆扰动融合生成对抗网络的对抗样本防御方法被引量:1
2023年
为了有效抵御对抗样本误导深度神经网络模型,提出一种基于逆扰动融合生成对抗网络的对抗样本防御方法(Inverse Perturbation Fusing Generative Adversarial Network,IP-GAN).充分利用对抗样本中的对抗扰动信息,确定以逆扰动作为对抗样本防御方法的研究出发点,并从高维特征空间进行有效性分析.IP-GAN方法借鉴生成对抗网络思想,以生成器架构作为逆扰动构造模型,依据对抗样本构造相应的逆扰动用于获取重构样本,并引入深度神经网络模型指导逆扰动优化方向,最终将重构样本输入至深度神经网络模型获取正确分类结果.实验结果表明,所构造的逆扰动可有效消除对抗扰动,辅助DNN模型正确识别并分类对抗样本,与现有最新防御方法相比,IP-GAN方法在MNIST和ImageNet数据集上防御成功率分别平均提高了0.86%和2.96%.
张世辉张晓微宋丹丹杨永亮左东旭
关键词:防御方法
结合表观、运动和边缘结构信息的遮挡边界检测方法被引量:3
2016年
为了准确检测视频序列中的遮挡边界,提出了一种利用随机森林分类器检测遮挡边界的方法。该方法首先分割视频序列某一帧的边缘检测结果得到超像素和超像素边缘,并将超像素边缘分解为多个短的直线段。然后结合表观、运动和边缘结构信息提取每个直线段的遮挡相关特征并组合成特征向量,将此特征向量输入遮挡边界分类器检测每个直线段是否为遮挡边界。最后可视化所有确定为遮挡边界的直线段得到该帧图像的遮挡边界检测结果。实验结果表明所提方法具有较高的准确性。
张世辉张红桥韩德伟
关键词:遮挡边界视频序列直线段
基于深度图像利用遮挡信息确定下一最佳观测方位被引量:3
2015年
文中提出一种新颖的利用深度图像中的遮挡信息确定下一最佳观测方位的方法.该方法首先从某一观测方位获取视觉目标的一幅深度图像,然后根据已获得的深度图像中的遮挡信息确定出下一最佳观测方位.主要贡献在于:(1)提出深度图像中最大深度差相邻点的概念,利用其与深度图像中的遮挡边界点可获取遮挡区域外接表面信息;(2)一种基于投影降维思想的遮挡区域外接表面最佳小平面集合的确定方法,用于确定下一最佳观测方位;(3)一种基于最佳小平面集合的下一最佳观测方位确定算法.所提方法无需预先获取视觉目标的先验知识及将摄像机的观测位置限定在固定表面上,适用于具有不同型面的视觉目标.实验结果验证了所提方法的可行性和有效性.
张世辉刘建新孔令富
关键词:深度图像
融合多特征基于图割实现视频遮挡区域检测被引量:7
2015年
为了准确检测视频中的遮挡区域,提出一种融合多特征基于图割的视频遮挡区域检测方法。基于光流和亮度信息提出三种新的遮挡相关特征—亮度块匹配特征、最大光流差特征和光流残差特征,并定义了所提特征的计算方法。以像素点为单位将所提特征组成特征向量输入随机森林分类器,获取像素点及邻接像素点对的遮挡相关信息。综合利用所获取的遮挡相关信息,通过构造遮挡检测能量函数将遮挡检测问题转化为优化问题。根据该能量函数构造无向图,并基于图割理论对能量函数进行求解,从而得到最终的遮挡区域检测结果。实验结果表明,同现有表现较好的遮挡检测方法相比,所提方法具有较高的准确性和较好的实时性。
张世辉何欢孔令富
关键词:机器视觉视频序列光流能量函数图割
利用谱聚类实现深度图像遮挡边界检测被引量:2
2018年
针对视觉目标中存在的遮挡现象,提出一种基于谱聚类实现深度图像遮挡边界检测的方法。首先定义一种新的遮挡相关特征——有效标准差特征,基于相关特征利用均卡方集距抽取部分像素点,构建相似矩阵;然后基于相似矩阵利用Nystrom逼近方法近似估算全部像素点的拉普拉斯矩阵与逼近特征向量,对得到的逼近特征向量进行聚类分析,把深度图像中的全部像素点划分为遮挡边界点和非遮挡边界点两大类;最后可视化遮挡边界点得到深度图像中的遮挡边界。实验结果表明,本文方法无需标记样本,且在深度图像中目标物体的遮挡边界检测方面具有较好的有效性和普适性。
张世辉杨萌董利健
关键词:机器视觉遮挡边界谱聚类深度图像
利用无监督聚类实现深度图像的遮挡边界检测被引量:1
2017年
提出一种利用无监督聚类思想检测深度图像中遮挡边界的方法.首先根据遮挡边界点与其邻域点的空间及深度信息提出了加权最长线段特征并定义了其计算方法.其次,结合遮挡边界点与其邻域点的特征值分布情况提出了一种非线性归一化方法归一化遮挡相关特征.然后,以像素点为单位将各遮挡相关特征组成联合特征向量输入到无监督聚类分类器中,判断待测像素点是否为遮挡边界点.最后,将遮挡边界点可视化得到深度图像的遮挡边界.实验结果表明,无需标记样本的所提方法对深度图像中目标物体的遮挡检测效果同已有的基于监督学习方法的检测效果相当.
张世辉杨青青何欢
关键词:深度图像遮挡边界无监督聚类
利用视觉目标遮挡和轮廓信息确定下一最佳观测方位被引量:1
2015年
下一最佳观测方位的确定是视觉领域一个比较困难的问题。该文提出一种基于视觉目标深度图像利用遮挡和轮廓信息确定下一最佳观测方位的方法。该方法首先对当前观测方位下获取的视觉目标深度图像进行遮挡检测。其次根据深度图像遮挡检测结果和视觉目标轮廓构建未知区域,并采用类三角剖分方式对各未知区域进行建模。然后根据建模所得的各小三角形的中点、法向量、面积等信息构造目标函数。最后通过对目标函数的优化求解得到下一最佳观测方位。实验结果表明所提方法可行且有效。
张世辉韩德伟何欢
关键词:深度图像遮挡
基于图的半监督学习的遮挡边界检测方法被引量:2
2016年
提出了一种基于图的半监督学习检测深度图像中遮挡边界的方法。该方法首先获取已标记的像素点和待检测深度图像中的像素点作为顶点构建连通无向图,其次提取无向图中各像素点的最大深度差特征和八邻域有效深度差之和特征组成特征向量,根据像素点的特征向量计算无向图中顶点之间的相似性并将该相似性作为无向图中对应边的权值,然后根据图的半监督学习思想判断无向图中待检测像素点是否为遮挡边界点,最后可视化遮挡边界点得到深度图像中的遮挡边界。实验结果表明,所提方法尽管只需少量的标记样本,但在准确性上却同已有基于监督学习的方法相当。
张世辉张钰程张红桥李鑫
关键词:计量学遮挡边界深度图像无向连通图
基于内容理解的单幅户外图像影子检测
2014年
为了准确检测户外图像中的影子,提出一种基于图像内容理解的影子检测方法.首先,分割原始图像得到强边界,在此基础上,利用支持向量机对强边界进行分类以便检测出所有的候选影子边界.基于图像内容理解方法将图像中目标物体按照几何类别进行分类,根据分类结果确定属于地面和直立面中的候选影子边界,并将地面中候选影子作为地面中最终检测到的影子.最后,分析直立面中影子的位置关系,建立直立面中影子的检测模型,并通过求解该模型最终确定出直立面中的影子.实验结果表明,所提方法解决了已有影子检测方法对直立面中影子检测效果差的问题,不但能够较为准确地检测出地面和直立面中的影子边界,而且检测到的影子边界更加连续.
张世辉罗艳青靳连超孔令富
关键词:图像分割
基于特征联合和直方图交叉核函数的动作识别方法被引量:1
2013年
为提高动作识别的识别率和实时性,提出了一种新颖的基于特征联合和直方图交叉核函数的动作识别方法。该方法首先跟踪视频中运动物体上的局部时空特征点形成运动轨迹,并计算出轨迹的梯度方向直方图(HOG)、光流直方图(HOF)、运动边界直方图(MBH)特征和轨迹上各点所在视频帧局部区域的局部二值模式(LBP)特征组成联合特征矩阵;然后等量地对每种动作的各训练样本的联合特征矩阵进行平均采样,将采样结果合并后运用bag-of-features方法进行K-means聚类形成码书,在此基础上利用码书量化各样本的联合特征矩阵得到表示视频样本中运动信息及结构信息的特征向量;最后将形成的特征向量作为支持向量机(SVM)的输入,同时选择直方图交叉核函数作为SVM的核函数,训练动作识别的分类器并进行测试。实验结果表明,该方法不仅提高了动作识别的识别率,而且通过利用直方图交叉核函数可缩短分类器的训练与测试时间。
张世辉高文静孔令富
共3页<123>
聚类工具0