摘要：提出了一种通过监控多主体系统中各主体之间的消息通信定位故障主体的故障诊断方法。对于在多主体平台上运行的应用软件系统,首先对其功能进行建模,进而对其行为进行建模,然后在软件实际运行过程中捕获其中多个主体之间的通信消息及各类事件,通过设计的诊断算法与软件行为模型进行匹配和比较,通过推理发现运行过程中出现故障的主体及其某个异常行为,从而实现对软件系统的故障进行定位和诊断。在此基础上,实现了一个原型系统eHealer。实验表明,该方法能够准确定位多主体软件系统中agent级别的故障,与已有方法相比,具有实时性强、定位准确、普适性好的优点,为进一步选择故障恢复策略提供了有效的信息。

摘要：哈希作为近似近邻搜索的一种主流方法,通过将样本索引为紧致的二值编码,在计算效率和存储上都非常高效.由于二值码的离散特性,以往的哈希方法往往需要将二值码松弛为实数值才能高效地进行优化,因此在优化完成后重新将实数值的结果量化为二值时难免会由于二值的汉明空间与实数值的欧氏空间之间的差异而遇到性能上的损失问题.为了更好地解决量化损失的问题,本文提出了一种深度离散优化哈希(Deep Discrete Optimization Hashing,DDOH)方法.首先,设计了一种新的离散优化算法,通过直接在二值的汉明空间中对二值码进行优化,得到具有强判别性的二值编码.然后,训练卷积神经网络模型拟合上述二值码,得到用于编码的哈希函数.在CIFAR-10和ImageNet-100两个常用的评测数据集上的实验显示,本文提出的方法在CIFAR-10数据库上与目前最好的方法达到了同样的性能,在ImageNet-100数据库上的平均准确率指标与已有方法相比提升了约2.2%,证明了该方法的有效性.

摘要：率失真优化技术在视频编码中占据着重要位置,传统的率失真优化技术从信号处理的角度来度量重建视频的失真,未充分考虑到人的视觉感知特性.为了得到更好的压缩性能,提出了一种利用视觉感知特性的动态率失真优化方法.该方法采用更符合人的视觉特性的基于结构相似性的失真度量方法代替常规的失真度量方法,构建了新的率失真优化模型;同时,引入了人的选择性关注度信息,对不同关注区域采取非均等的资源分配策略,用表征视频内容的特征量来动态调节拉格朗日率失真乘数,在保证视觉质量的前提下更合理地分配有限的码率资源.实验结果表明,在重建视频的视觉质量相当的条件下,文中的方法能够有效地节省视频编码的码率.

摘要：提出一种融合模糊语义概念和精细视觉特征的纹理图像检索方法.首先根据语言表达式和模糊语义概念对整个图像库进行快速有效的粗搜索,得到具有"软"边界的语义检索结果;然后根据视觉特征在语义检索结果中(而不是整个图像库)进行精细的检索.该方法很好地结合了基于内容的图像检索和基于语义的图像检索两者的优势,使得用户既可以根据语义概念对图像库进行快速浏览和检索,也能根据查询用例图像的视觉特征进行精细的匹配;另外,由粗到细的二阶段策略也明显地提高了其检索性能.在Brodatz纹理库中的实验结果表明,通过调整合适的语义检索边界,该方法的检索性能明显优于基于视觉特征的图像检索方法.

摘要：烟、雾、霾、浑浊海水等散射介质对穿过它们的光线有散射作用.在散射环境下,通过成像系统获得的图像都会有一定程度的退化,为提取场景内的有效信息带来困难.因此,研究穿透散射介质成像,提取有效的场景信息,对于科学研究和工业应用都有着重要的价值.关于穿透散射介质成像,学术界已经提出了多种模型和算法,大致可分为主动式方法和被动式方法两类.被动式方法主要以自然光为照明手段,对自然光的传播路径建模,求解相关参数以获得场景信息,其缺点是不能用于无光或暗光的场景.为此,研究者提出主动式方法,主要包括结构光扫描、主动偏振光以及时间门等.这些传统的成像方法存在光照不足、需要扫描或需要复杂的成像设备等问题.计算摄像学领域近年来提出的瞬态成像技术能为解决上述问题提供新的思路,因为瞬态成像技术在传统的成像技术的基础上增加时间维的信息,使得许多用传统成像技术无法观测的场景属性可以被理解和获取.文中提出一种基于瞬态成像技术的穿透散射介质成像的方法,将常用于计算机视觉和计算机图形学的单次散射模型扩展为瞬态单次散射模型,并设计出偏移拍摄法,以重构场景的深度及纹理.该方法能在散射环境中重构毫米级精度的深度图和较清晰的纹理图.

摘要：针对传统的不变量提取方法耗时巨大、对图像背景和前景目标不加取舍、特征冗余多而且区分性差的问题,提出一种目标级签名提取方法——BLIP.首先提出一种快速的仿射不变局部特征检测与描述方法,将提取速度由秒级提升到毫秒级;然后采用改进的二进制化赋范梯度算法检测图像中的前景目标,并将目标区域内BLIP的空间上下文编码为二进制图像签名.实验结果表明,BLIP方法对网络中常见的拷贝攻击具有良好的鲁棒性,提取时间仅需8.9 ms,消耗的内存分别为尺度不变特征变换算法的0.17%,二进制鲁棒尺度不变关键点算法的2%.

摘要：目前绝大多数的图像去噪算法只通过单纯处理原始噪声图本身来实现,并没有考虑将原始噪声图和去噪图相结合来进一步提升去噪性能。针对该问题,我们提出一种渐进式图像去噪算法框架。该框架基于目前去噪效果最为显著的三维块匹配算法,采用三层两次融合的设计结构,每层均采用三维块匹配算法,且每层在之前去噪基础上通过进一步融合再次去噪。充分的统计实验结果表明,在同样噪声条件下,我们的方法和另外一个最新改进算法在峰值信噪比方面相对于原始三维块匹配算法都有不同程度地提升,并且新提出的算法较传统三维块匹配算法有更好的去噪性能;随噪声程度的加大,算法性能提高的幅度愈加明显,在改善CT成像质量方面获得较好的成像效果。

摘要：综合考虑信息量度量的速度、性能要求,提出了相适应的显著图、多特征融合模型;基于区域划分融入空间关系,提出了分块信息熵的图像信息量度量方法(SEII);构建了信息量度量的标注数据集,并设计了性能验证方法。实验结果表明该度量方法符合人眼视觉的评价结果。度量方法在实际视频检索系统中进行对比应用测试,测试表明m AP提高4.4%,检索速度提高1.5倍。

摘要：计算机动画制作是一件十分耗费时间的工作,提高计算机动画的效率是一项重要的研究课题.近几年我们研制的计算机动画生成系统中的3个底层子系统以及其中涉及的方法,为计算机动画生成提供了有效的支持.在场景设计方面,我们提出了基于场景实例和场景设计知识的场景设计方法;在自动摄影中,我们提出了一种基于摄影脚本的摄影方法;在脸部动画方面,我们采用了RBF方法以及利用了一些预先编成的MEL脚本.

摘要：目的人体骨架的动态变化对于动作识别具有重要意义。从关节轨迹的角度出发,部分对动作类别判定具有价值的关节轨迹传达了最重要的信息。在同一动作的每次尝试中,相应关节的轨迹一般具有相似的基本形状,但其具体形式会受到一定的畸变影响。基于对畸变因素的分析,将人体运动中关节轨迹的常见变换建模为时空双仿射变换。方法首先用一个统一的表达式以内外变换的形式将时空双仿射变换进行描述。基于变换前后轨迹曲线的微分关系推导设计了双仿射微分不变量,用于描述关节轨迹的局部属性。基于微分不变量和关节坐标在数据结构上的同构特点,提出了一种通道增强方法,使用微分不变量将输入数据沿通道维度扩展后,输入神经网络进行训练与评估,用于提高神经网络的泛化能力。结果实验在两个大型动作识别数据集NTU(Nanyang Technological University)RGB+D(NTU 60)和NTU RGB+D 120(NTU 120)上与若干最新方法及两种基线方法进行比较,在两种实验设置(跨参与者识别与跨视角识别)中均取得了明显的改进结果。相比于使用原始数据的时空图神经卷积网络(spatio-temporal graph convolutional networks,ST-GCN),在NTU 60数据集中,跨参与者与跨视角的识别准确率分别提高了1.9%和3.0%;在NTU 120数据集中,跨参与者与跨环境的识别准确率分别提高了5.6%和4.5%。同时对比于数据增强,基于不变特征的通道增强方法在两种实验设置下都能有明显改善,更为有效地提升了网络的泛化能力。结论本文提出的不变特征与通道增强,直观有效地综合了传统特征和深度学习的优点,有效提高了骨架动作识别的准确性,改善了神经网络的泛化能力。