摘要：针对单幅图像的三维漫画人脸重建存在地标检测准确性差和生成模型还原高频细节能力低的问题,提出了一种多尺度特征融合与高频信息映射的两阶段方法。在第一阶段中,多尺度通道融合地标检测器用于提高检测的准确性。其中多尺度特征由HRNet产生;由通道注意力和Swin Transformer构成的注意力层用于多尺度通道融合特征提取;为了提高生成地标的精度,损失函数由地标损失和热图损失两部分构成。在第二阶段中,傅里叶特征共享层变形网络使生成的三维漫画人脸具有更丰富的高频形状细节。其中傅里叶特征映射提取高维特征,使网络学习更多形状的高频信息;共享层超网络加快了网络的收敛和重建速度。该方法应用于CaricatureFace和3DCaricShop数据集。实验结果表明,该方法中的地标检测器的平均检测误差减少了4.4%;变形网络在形状重建上的均方误差减少了26%,并且平均重建时间减少了18%;最终重建出的三维漫画人脸具有夸张的形状和自然的细节。

摘要：[目的/意义]人工智能技术已成为数字经济时代的核心生产力并为知识服务产品持续赋能。本文通过对人工智能类教育知识服务产品用户持续使用意愿进行实证研究,为知识服务相关企业有效地提升用户持续使用意愿提供建议,在实践层面更好地帮助其开发产品,满足用户需求。[方法/过程]本文以整合型技术接受模型为基础,提出相关研究模型,并进行实证研究。[结果/结论]研究结果证实了感知有用性、用户满意度、主观规范和社会影响会正向影响用户持续使用意愿。相关企业在开发产品时,首先,在产品的发展路径方面,要坚持以用户为中心,针对用户的个性化知识需求提供优质的知识内容,为其提供定制化的知识服务,提高用户满意度;其次,应重视对产品功能的优化设计,降低产品的操作使用难度,使用户能更容易地获取和掌握知识,提高对产品的感知有用性;最后,在运营策略方面,在运用智能技术构建智能化的产品营销宣传模式扩大社会影响力的同时,应更重视产品与用户的实际交互与连接,贴合实际的学习需求,以此提高用户持续使用意愿。

摘要：多字典学习的图像超分辨率重建过程中常见的K均值聚类、高斯混合模型聚类等方法会导致图像的重建质量欠佳且不稳定,针对这一问题提出一种新的基于层次聚类的图像超分辨率重建算法;首先对样本图像块提取特征并进行层次聚类,经改进的主成分分析方法训练得到K个字典,然后将测试图像裁切成若干图像块,并分别自适应匹配最合适的字典进行图像块重建,最后对整幅图像进行优化,以实现全局重建。结果表明:所提算法具有较高的可行性,能有效改善图像的重建质量;与传统算法相比,所提算法重建图像的峰值信噪比和结构相似度均有所增大。

摘要：针对目前数字水印技术无法有效抵抗几何攻击的问题,本文提出了一种基于QR码的Contourlet域数字水印算法。将文字信息进行QR码编码作为水印信息。首先,将载体图像进行Contourlet变换;然后,将得到的低频逼近图像进行分块;最后,将每一位QR码水印信息以量化的方式对应嵌入到每一个子块中。实验结果表明,本算法可以抵抗任意角度旋转和任意等比例缩放攻击,同时对高斯噪声、Speckle噪声、均值滤波、高斯滤波和JPEG压缩攻击具有很强的鲁棒性,并且算法复杂度低;水印提取时不需要借助原始图像,属于盲水印。因此,本文提出的数字水印技术可以广泛应用在数字产品的版权保护中。

摘要：提出了一种新的加密计算全息技术,原始水印图像经过双随机相位编码,所得复数图像经过共轭对称延拓和傅里叶变换后得到全息图,所得全息图解密图像上没有视觉可见噪声污染。将快速识别矩阵(QR)码作为原始水印图像,进行加密得到全息图水印,并嵌入在原始图像的Haar小波对角线中频系数中,在较高的水印信息不可见性的情况下,含水印图像经过打印过程获得的印刷品再扫描后,提取出的全息图水印经解密后依然能够得到可解码的QR码,QR码的使用使得算法可以准确定位版权人。所提的数字水印技术有很好的实用价值。

摘要：针对目前频率域水印技术无法有效抵抗旋转攻击的问题,提出一种基于结构相似性指数（SSIM,structural similarity）的抗旋转攻击数字水印算法。首先将水印与参考光干涉生成离散余弦变换（DCT）全息图像后;然后利用DCT嵌入到宿主图像的B通道中频域中;最后,在提取水印时,利用SSIM检测校正图像旋转角度后逆DCT得到水印。实验表明,以嵌入强度a=0.1嵌入后,含水印图像的峰值信噪比（PSNR）达到43,能有效的抵抗1－360°的旋转攻击,旋转校正精度可达1°。嵌入水印有很强的不可见性,提取水印清晰,嵌入量较大,旋转校正时需要原始图像,属于明水印。因此,本文算法能准确地从受到旋转、滤波、噪声、裁切和几何形变等攻击的宿主图像中提取水印,可用于版权方的版权保护需求。

摘要：针对旋转攻击与尺度变化攻击,提出一种基于尺度不变特征变换(SIFT)的可自适应还原尺度变化的抗旋转水印。首先,将水印图像进行离散余弦变换(DCT),与参考光生成全息水印图像;然后通过DCT嵌入载体图像Y通道;最后在提取水印时,通过SIFT自适应还原尺度变化,结构相似性指数(SSIM)校正旋转角度后提取水印信息。实验表明,本算法在有效抵抗常见攻击的同时,有较强的水印数据信息保真能力,且在同样的旋转校正精度时,有高效的运算效率,解决了现阶段抗旋转攻击水印技术只适用于相同尺度下的角度矫正问题。水印提取时需要原图参与,属于明水印的一种,因此可以有效用于版权方的版权保护。

摘要：为了提高CMOS图像传感器校准光源色温、亮度和色品坐标的准确度和调节精度,同时能够使色品坐标独立可调,提出了一种采用低色温白光LED灯珠、高色温白光LED灯珠加红绿蓝光LED灯珠组合式调光方法的校准光源,并研制了光源控制系统及调光软件。用户通过调光软件输入目标色温值和照度值,光源控制板会根据设定值选择相应的LED灯珠组合并输出对应色温值和照度值的光源。实验结果表明,LED光源实际输出色温和照度值相对于设定值的偏差范围在1%以内。在色温输入值不变的情况下,调节照度值时色温的变化在0.2%以内,色温和照度独立可调。脉冲宽度调制输出频率为21kHz,LED光源在CMOS图像传感器检测下无频闪。色品坐标独立可调,调整精度达到10^(-4)。色温和照度在长时间工作条件下变动范围分别在0.05%以内和0.1%以内,LED光源稳定性良好。

摘要：为了研制一种兼具阻燃性及疏水性并有优良力学性能的可再生复合纸板,本研究以聚磷酸铵(APP)-卡拉胶(KC)构建了膨胀型阻燃体系(IFR),以正硅酸乙酯(TEOS)-甲基三甲氧基硅烷(MTMS)@氢氧化镁铝(MAH)作为协同阻燃剂、以硅烷偶联剂KH550(AEMO)@SiO_(2)作为疏水性填料、以可再生纸浆为基材,制备了APP-KC-[(TEOS-MTMS)@MAH]-(AEMO@SiO_(2))复合纸板,并测得其力学性能;采用垂直燃烧实验和极限氧指数(LOI)表征纸板的阻燃效果;采用FE-SEM表征微观形貌;通过FTIR分析燃烧前后功能团变化;利用TG分析其热稳定性;采用接触角(CA)测试、滚动角(SA)测试等来测定其疏水性能。测试结果发现,复合纸板吸水率为1.78 g·m^(−2)、戳穿强度为6.4 J;边压强度为8.3 kN·m^(−1)、平压强度为360 kPa。采用优选配方(APP、KC、MTH、ATH的质量比为3∶2∶1∶1)时LOI达到32%;燃烧实验后得炭化长度为19 mm,续焰时间为0.5 s,灼焰时间为3 s。TG结果表明其残炭量为37.5%。SEM结果表明燃烧后的复合纸板表面具有发泡炭层且纤维完整。CA达110.2°,SA为12°,含水率较原纸版降低232%。APP-KC-[(TEOS-MTMS)@MAH]-(AEMO@SiO_(2))复合纸板具有良好阻燃性、疏水性及力学性能。

摘要：传统高通量dPCR荧光图像分析结果易因假阳性点与非特异性扩增而导致阳性点识别率较低,因而本文提出一种多特征融合高通量dPCR荧光图像识别方法(HDFINet),以提高阳性点识别准确性。首先,在特征融合部分引入自上而下结构,使得下层特征在顶层被更有效地利用。在自上而下结构中,使用通道注意力来分配荧光图像通道权重,并使用空间注意力来分配特征图中荧光图像像素相应权重,使得特征映射能够更好地响应荧光图像特征。然后,在RPN中使用自适应交并比IOU计算阳性点包围框置信度,减少阳性点信息丢失可能性。最后,ROI Align将荧光图像候选区域中阳性点特征重新固定尺寸后,输入至全连接层和全卷积层,进行类别与回归框回归,输出阳性点识别结果。本文提出的HDFINet网络具有较高识别率,可以有效地实现荧光图像阳性点识别,与YOLOv4、VF-Net、GROIE相比,本文方法综合指标F1最高,相比于经典的深度学习网络Mask R-CNN网络,本方法对阳性点识别真阳性率提高了1.13%,阳性预测值提高了0.36%,综合指标F1的值提高了0.75%。本文提出的HDFINet网络具有良好的识别性能,能够有效识别荧光图像阳性点,对其他荧光图像分析研究具有参考价值。