摘要：目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理信息不足的问题。使用的残差密集块有连续存储机制,最大程度地保留每层的特征信息,局部残差融合和全局残差融合的设计有利于学习图像中的结构纹理。此外,为了更好地保留可见光图像中的细节纹理,引入了生成对抗网络对数据集进行无监督学习。主客观实验表明,该算法不仅获得了良好的视觉融合效果,融合图像具有更多的边缘纹理信息,在客观评价指标上对比现有优秀的算法也较大的提升。

摘要：基于光滑l0范数最小的压缩感知重建算法——SL0算法,通过引入光滑函数序列去逼近l0范数,从而将l0范数最小的问题转化为光滑函数的最优化问题.针对光滑函数的选取以及求解该函数的最优化问题,提出一种基于光滑l0范数和修正牛顿法的重建算法——NSL0算法.首先采用双曲正切函数序列来逼近l0范数,得到一个新的最优化问题;为了提高该优化问题的计算效率,推导出针对双曲正切函数的修正牛顿方向,并采用修正牛顿法进行求解.实验结果表明,在相同的测试条件下,NSL0算法无论在重建效果还是在计算时间方面都明显优于其他同类算法.

摘要：经典小波分解对信号稀疏化效果不佳,为此设计了基于小波域经验维纳滤波器的稀疏表示算法.该算法可自适应地衰减每个小波系数,增大系数的稀疏度及可压缩性,从而提高压缩感知算法对信号的恢复质量.仿真结果表明,与传统的基于小波变换的信号稀疏表示及恢复算法相比,该算法较大地提升了对信号及图像的恢复质量.

摘要：针对数据中心网络利用率低、管控方式复杂和运维成本高等问题,提出一种基于向量交换的数据中心网络数据面模型(vector address data center,VADC),并对其结构和部署进行了详细说明。结合软件定义网络技术,引入一种新型源路由地址——向量地址(vector address,VA)作为数据交换标签,解决了数据中心扩展性、成本和能耗等问题。设计了通过自主研发的基于NetFPGA的低造价OpenFlow设备和商业级服务器来构建新型数据中心网络架构,新数据流建立时,无需下载流表,消耗的控制信令数量约减少72%。实验结果表明,该方案具有良好的实用性和可编程特性,为构建未来绿色数据中心网络体系架构提出了一个重要思路。

摘要：视频广告作为一种重要的媒体形式,正在潜移默化地影响着人们的生活。针对如何对视频广告进行识别,本文提出了一种基于商标匹配的视频广告识别算法。考虑到视频广告帧中存在着大量的背景干扰问题,本文算法首先对视频广告帧进行显著区域检测,将广告帧中较为显著的商标信息与周围背景分开,然后对已得到的显著区域图进行SURF特征提取,并与商标库中的商标显著区域图进行匹配。实验结果表明:本文算法对广告帧中商标存在的背景干扰、尺度缩放、旋转、颜色、光照等变化具有很好的鲁棒性,取得了令人满意的匹配准确率,很好地实现了视频广告识别。

摘要：三维形状分割是三维形状分析中的一个重要问题.为了使分割结果能适应非刚体丰富的姿态变化,提出一种基于扩散几何的三维网格分割方法.该方法采用波核特征的局部极值点作为非刚体网格模型表面的显著特征点;进而将显著特征点作为初始聚类中心,采用K-均值聚类算法来获得分割结果.实验结果表明,文中方法不仅对处于不同姿态的非刚体三维形状具有良好的分割一致性,而且对噪声、孔洞等具有较好的鲁棒性.

摘要：目前,基于形态学检测糖尿病性视网膜病变的算法复杂度较高,深度学习直接逐像素检测的方法虽然能够避免排除生理结构、手动设计特征的不足,但计算量大、分割速度较慢.为了解决上述问题,提出一种基于深度学习的级联检测框架.首先,分块检测眼底图像是否存在病变区域,然后对病变区域进行逐像素的分割,从而检测出微动脉瘤、出血点、硬渗出及软渗出4种病变.实验结果表明:在眼底图像公开数据库DIARETDB1中,4种病变的检测率分别为88.62%、94.91%、98.91%和92.91%.与形态学方法相比,微动脉瘤和出血点检测精度分别提高了17.39%和15.18%;与直接逐像素检测方法相比,平均检测时间仅为原来的1/4.

摘要：受采集装置的限制,采集的深度图像存在分辨率较低、易受噪声干扰等问题.本文构建了分级特征反馈融合网络(Hierarchical feature feedback network,HFFN),以实现深度图像的超分辨率重建.该网络利用金字塔结构挖掘深度-纹理特征在不同尺度下的分层特征,构建深度-纹理的分层特征表示.为了有效利用不同尺度下的结构信息,本文设计了一种分级特征的反馈式融合策略,综合深度-纹理的边缘特征,生成重建深度图像的边缘引导信息,完成深度图像的重建过程.与对比方法相比,实验结果表明HFNN网络提升了深度图像的主、客观重建质量.

摘要：随着信息技术在社会各领域的深入渗透,人类社会所拥有的数据总量达到了一个前所未有的高度.一方面,海量数据为基于数据驱动的机器学习方法获取有价值的信息提供了充分的空间;另一方面,高维度、过冗余以及高噪声也是上述繁多、复杂数据的固有特性.为消除数据冗余、发现数据结构、提高数据质量,原型学习是一种行之有效的方式.通过寻找一个原型集来表示目标集,以从样本空间进行数据约简,在增强数据可用性的同时,提升机器学习算法的执行效率.其可行性在众多应用领域中已得到证明.因此,原型学习相关理论与方法的研究是当前机器学习领域的一个研究热点与重点.主要介绍了原型学习的研究背景和应用价值,概括介绍了各类原型学习相关方法的基本特性、原型的质量评估以及典型应用;接着,从原型学习的监督方式及模型设计两个视角重点介绍了原型学习的研究进展,其中,前者主要涉及无监督、半监督和全监督方式,后者包括基于相似度、行列式点过程、数据重构和低秩逼近这四大类原型学习方法;最后,对原型学习的未来发展方向进行了展望.

摘要：针对视频处理系统的实时性要求及视频压缩编码算法的现状,本文给出了基于TI DM6467的嵌入式视频处理软件及关键算法的优化实现.TMS320DM6467 ARM+DSP的ARM核进行实时采集与传输视频数据,DSP内核进行视频处理;软件基于嵌入式Linux操作系统,采用达芬奇软件框架实现视频采集和编码服务器的设计.为了提高压缩效率,本文提出一种快速半像素运动估计算法,在最佳整像素点周围通过计算直接推导出最佳半像素点的位置,避免全搜索的大运算处理,快速半像素运动估计算法所用时间为标准全搜索算法所用时间的41%～57%.本文所设计的视频处理软件能达到实时进行高清视频的采集与压缩处理,并将处理的结果存入U盘,同时能通过扩展实现多路视频的处理.实现系统控制与存储等功能.