摘要：提高生成样本的质量和多样性一直是生成对抗网络(generative adversarial network, GAN)领域主要挑战任务之一.为此,提出了一种双向约束生成对抗网络(bidirectional constraint generative adversarial network, BCGAN).与传统GAN变体相比,该网络在架构设计上增加了一个生成器模块,两个生成器分别从两个不同方向逼近真实样本的数据分布.然后根据BCGAN的网络架构,设计了新的损失函数,并对其进行了理论分析及证明.在BCGAN的训练过程中,一方面通过增加两个生成样本数据分布之间的距离来丰富生成样本的多样性,另一方面通过减小鉴别器对两个生成样本数据分布之间的差异来稳定训练过程,提高生成样本的质量.最后,在1个合成数据集和3个不同公开挑战数据集上进行了实验.一系列实验证明,较其他生成方法相比,所提方法对真实数据分布具有更强的拟合能力,能够有效提升生成样本的质量和多样性.此外,所提方法的训练过程更加平滑稳定.

摘要：为了克服传统的动态规划立体匹配算法会产生明显条纹状瑕疵的缺陷,提出一种同时考虑行列双向约束的动态规划立体匹配算法。该算法首先利用扫描线信息中所包含的视差不连续性和遮挡现象构造出一种新的全局能量代价函数;然后进一步设计了基于此能量代价函数的全局优化策略,在保证扫描线行方向上视差平滑性的基础上,解决了扫描线列方向上的视差不连续性问题;最后通过动态规划寻找最优路径来获得匹配点和遮挡点的视差,从而得到稠密视差图。实验结果表明,所提出的算法不但能够有效消除视差图中的条纹状瑕疵,而且在匹配精度上能够取得较好的效果。

摘要：月面巡视探测器导航相机获取的立体影像用于恢复月面地形的空间构型,可以直接服务于巡视器的导航定位工作。影像匹配算法直接关系到地形恢复的精度和可靠性,改进动态规划影像匹配方法兼顾行列双向约束机制增强了视差空间的完备性,并通过动态设立种子点进行分段规划获得整体最优解。实验采用嫦娥二期工程地表试验影像进行论证,通过三角测量重构得到地面点云数据,与其他匹配方法的恢复结果和实地激光扫描地形数据进行了比对,证明了该匹配算法的匹配效率高于传统方法且恢复的点云数据精度可靠,满足于探月工程中巡视器定位导航的需求。

摘要：为实现角色表情动画的情感体现,并有效去除动画边缘产生的锯齿形状的毛刺,提出基于PCNN的角色表情动画去毛刺生成方法。该方法采用PCNN网络分割采集的视频帧图像,去除图像中背景部分。将保留的部分人脸表情输入改进的深度学习模型中,提取人脸表情特征。引入风格和内容的双向约束,确定模型损失函数。融合提取的全部表情特征,生成角色表情动画。采用区域重构算法去除生成动画的边缘锯齿毛刺,保证动画生成效果。测试结果表明:图像分割性能良好,区域内部均匀性准则指标结果均在0.924以上,可清晰地保留部分人脸表情图像,能够依据真实人脸表情生成不同角色的表情动画;形状测度准则和皮尔逊相关系数指标最大值分别为0.994和0.957,可有效去除动画边缘毛刺,保证动画质量。