袁野
- 作品数：8 被引量：413H指数：2
- 供职机构：中国科学院软件研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术环境科学与工程文化科学更多>>
- 一种基于卷积神经网络的人手图像区域检测方法
- 本发明公开一种基于卷积神经网络的人手图像区域检测方法，包括以下步骤：利用卷积神经网络对图像进行特征提取并训练一个弱分类器；对于已经标好角度的图像，基于此分类器对图像分割得到多个候选区域；对每个候选区域利用卷积神经网络建模...
- 邓小明袁野杨硕王宏安
- 文献传递
- 加强边缘感知的盲去模糊算法
- 袁野侯飞邱枫王文成
- 加强边缘感知的盲去模糊算法被引量：6
- 2019年
- 目的拍摄过程中,如果摄像机进行了错误的聚焦,就会得到模糊的图像,如何将模糊图像变得清晰成为一个亟待解决的问题。目前关于图像的去模糊方法多采用基于模糊核约束的卷积模型。但是由于实际应用中很难准确获取模糊核的信息,同时计算机也存在精度限制,计算结果与实际物理模型有偏差,因而去模糊的主要挑战为:如何精确地估计模糊核,以及如何在复原过程中减弱由于精度限制造成的振铃效应。方法振铃效应是指图像的灰度剧烈变化处产生的震荡,类似于钟被敲击后产生的波状空气震荡。在图像复原过程中,此效应通常发生在梯度变化较大的边缘区域附近。本文对此进行研究,在去模糊过程中引入边缘信息作为约束条件,以改善模糊核的估计,并通过抑制边缘区域的反卷积,抑制图像复原过程中的振铃效应。算法主要分为如下3个部分:1)设计了适用于模糊图像的边缘提取算法;2)利用边缘信息设计了加强边缘感知的反卷积算法;3)提出并设计了安全检测子,以保证算法在边缘区域复原的完整性。结果实验结果表明,在没有先验知识的情况下,本文方法可以较好地恢复图像细节,并有效抑制振铃效应。较之传统的去模糊处理算法,本文方法在性能上有较大提高。比如,相比于Chan、Krishnan以及Hu的方法,本文方法在峰值信噪比指标上分别提高了25.73%、3.52%和4.43%,在结构相似性指标上分别提高了7.67%、1.63%和3.59%。同时,与基于深度学习的方法相比,本文方法不依赖于数据集,鲁棒性更强。结论本文方法可以较好地恢复图像细节,并抑制振铃效应,同时比深度学习方法适用范围更广。
- 邱枫侯飞袁野王文成
- 关键词：图像去模糊振铃效应
- 一种三维声呐点云环境中的移动物体检测与跟踪方法
- 本发明提供一种三维声呐点云环境中的移动物体检测与跟踪方法，其步骤包括：1)从三维声呐设备中获取原始声呐数据D<Sub>0</Sub>并对其进行过滤，得到过滤后的数据D<Sub>1</Sub>；2)将过滤后的数据D<Sub...
- 邓小明杨硕袁野郑文勇王宏安
- 文献传递
- 一种三维声呐点云环境中的移动物体检测与跟踪方法
- 本发明提供一种三维声呐点云环境中的移动物体检测与跟踪方法，其步骤包括：1)从三维声呐设备中获取原始声呐数据D<Sub>0</Sub>并对其进行过滤，得到过滤后的数据D<Sub>1</Sub>；2)将过滤后的数据D<Sub...
- 邓小明杨硕袁野郑文勇王宏安
- 一种基于卷积神经网络的人手图像区域检测方法
- 本发明公开一种基于卷积神经网络的人手图像区域检测方法，包括以下步骤：利用卷积神经网络对图像进行特征提取并训练一个弱分类器；对于已经标好角度的图像，基于此分类器对图像分割得到多个候选区域；对每个候选区域利用卷积神经网络建模...
- 邓小明袁野杨硕王宏安
- 图像理解中的卷积神经网络被引量：407
- 2016年
- 近年来,卷积神经网络(Convolutional neural networks,CNN)已在图像理解领域得到了广泛的应用,引起了研究者的关注.特别是随着大规模图像数据的产生以及计算机硬件(特别是GPU)的飞速发展,卷积神经网络以及其改进方法在图像理解中取得了突破性的成果,引发了研究的热潮.本文综述了卷积神经网络在图像理解中的研究进展与典型应用.首先,阐述卷积神经网络的基础理论;然后,阐述其在图像理解的具体方面,如图像分类与物体检测、人脸识别和场景的语义分割等的研究进展与应用.
- 常亮邓小明周明全武仲科袁野杨硕王宏安
- 关键词：卷积神经网络图像理解图像分类
- 基于边缘感知的盲去模糊算法
- 图像去模糊对计算机视觉、遥感和医学成像等领域具有重要意义。由于实际应用中没有模糊核的先验知识，因而去模糊的主要挑战是如何精确估计模糊核并减少振铃效应。振铃效应发生在被称为显著边缘的大梯度附近。对边缘的认识不仅可以改善模糊...
- 袁野侯飞邱枫王文成
