摘要：目的在雾霾环境下拍摄的图像通常具有结构对比度较低、细节信息模糊和颜色饱和度失真等特点。虽然目前的去雾算法已经能较好地处理均质雾霾图像,但是对于非均质雾霾图像的去雾能力仍较差。为此,提出了一种面向非均质雾霾图像去雾的解耦合三阶段增强网络。方法通过颜色空间变换将输入图像解耦为亮度、饱和度和色度3个通道之后,该算法首先通过对比度增强模块增强亮度图的对比度,使去雾结果具有更清晰的结构和细节信息;然后,通过饱和度增强模块增强图像的饱和度,使去雾结果具有更鲜艳的颜色;最后,使用颜色矫正增强模块对总体颜色进行微调,使去雾结果更符合人眼视觉感知。特别地,在饱和度增强模块中设计了一个雾霾密度编码矩阵,通过计算亮度图在对比度增强前后的梯度差异,估计出雾霾图像的雾霾密度信息,为饱和度增强模块提供指导,以保证饱和度恢复的准确性。结果在3个数据集上与14种方法进行了对比实验,本文方法在NHD(nonhomogeneous dataset)数据集上得到了最优结果,相比于性能第2的模型,平均峰值信噪比提升了8.5 dB,平均结构相似性提升了0.12;在Real-World数据集中,本文方法的感知雾密度预测值为0.47,雾密度估计值为0.21,均处于前列;在SOTS(synthetic object testing set)数据集中,本文方法的平均峰值信噪比为16.52 dB,平均结构相似性为0.80,在人眼感知效果方面不输于已有方法。结论本文所提方法对于非均质雾霾图像具有优秀的处理能力,可以有效地去除图像的雾霾并还原出雾霾图像的真实细节信息和颜色。

摘要：目的目前的去雾算法已能够较好地处理均质的薄雾图像,但针对雾霾浓度不同的非均质雾霾图像往往具有较低的去雾性能。为此,提出了结合浓度划分与图像融合的多分支非均质图像去雾算法。方法本文将单幅非均质雾霾图像视为由多个具有均质薄雾或者均质浓雾的局部区域组成,通过分别解决单幅非均质雾图中的不同均质雾霾区域来进行整幅非均质图像去雾。首先在不同均质雾霾浓度的去雾数据集上训练了多个图像增强网络,以得到针对不同均质雾霾浓度的图像增强模型,它们对于相应雾霾浓度的图像区域具有较好的增强性能。由于单个图像增强模型只能较好地增强一幅非均质雾霾图像中具有对应雾霾浓度的图像区域,但对其他不同雾霾浓度的图像区域可能存在去雾力度不足或者过度增强的现象,本文又设计了一个图像融合网络,将多个初始图像增强结果中的优势区域进行融合,得到最终的图像去雾结果。结果大量的实验结果显示,在合成雾霾数据集FiveK-Haze上,本文算法与排名第2的SCAN(self-paced semi-curricular attention network)方法相比在峰值信噪比(peak signal-tonoise ratio,PSNR)和结构相似性(structural similarity index,SSIM)有参考指标上分别提高了5.2866 dB和0.1138。在真实雾霾数据集Real-World上,本文算法与排名第2的DEAN(detail-enhanced convolution and content-guided attention network)方法相比,在FADE(fog aware density evaluator)和HazDes无参考指标上分别降低了0.0793和0.0512。在室内合成测试数据集SOTS-indoor(synthetic objective testing set)上,本文算法的PSNR和SSIM指标比排名第2的DeFormer方法分别提高了2.5182 dB和0.0123。在室外合成测试数据集SOTS-outdoor上,本文算法在PSNR指标上比排名第2的SGID-PFF(self-guided image dehazing using progressive feature fusion)方法提高了2.832 dB,在SSIM指标上比排名第2的DeFormer方法提高了0.0238。结论与已有的单幅图像去雾方法相比,本文算法能够有效增强非均质雾霾图像,具有更高的鲁棒性,展现出较好的性能指标。

摘要：传统的视觉同步定位与建图(SLAM)系统是基于静态环境这一假设的,然而在现实场景中往往存在动态物体,这可能导致SLAM位姿估计和地图构建的精度下降、鲁棒性变差,甚至出现跟踪丢失的情况。针对上述问题,基于ORB-SLAM2提出新的语义SLAM系统(YGL-SLAM)。该系统首先使用轻量级目标检测算法YOLOv8n追踪动态对象,获得动态对象的语义信息。然后在跟踪线程的同时提取点特征和线特征,根据获取的语义信息利用Z-score和对极几何算法剔除动态特征,以改进SLAM在动态场景中的表现。此外,鉴于轻量级目标检测算法在追踪动态对象时存在连续帧的漏检测问题,设计了基于相邻帧的检测补偿方法。在公开数据集TUM和Bonn上的测试结果表明,相比ORB-SLAM2,YGL-SLAM系统准确率提升超过90%,对比其他动态SLAM,YGL-SLAM也具有较高的准确度和鲁棒性。

摘要：随着深度学习技术的不断成熟,基于深度学习的多目标跟踪研究取得了巨大进展。在良好光照条件下,现有基于深度学习的多目标跟踪算法能实现实时、稳定跟踪。然而,在极限光照与遮挡严重的舞台演出环境中,对舞台演员的稳定跟踪仍然面临巨大挑战。舞台演出存在演员表观相似、光照变化剧烈、遮挡频繁等问题,直接使用现有跟踪算法因演员身份切换频繁,导致基于演员跟踪的下游工作,如演员动作识别、虚实投影等无法有效开展。为此,提出了一种基于近红外油墨的舞台演员跟踪算法。由于舞台光源能量谱集中在可见光波段,红外光环境较干净,因此,在红外波段设计了一种抗遮挡、隐形的(可见光下不可见)油墨标记,以增强演员表观辨识度,即将红外油墨以二值环形码方式添加在演员服饰上,将环形码对应的类别标签作为关联演员ID,实现对舞台演员的稳定跟踪。在仿真与真实的标记数据集上的实验结果表明,基于红外油墨的二值环形码在60%的遮挡率下仍能达到90%以上的识别准确率,具有很好的抗遮挡性能。演员跟踪实验结果表明,基于交集比指标的帧内数据关联算法能提升ID跟踪轨迹的稳定性,将其应用于现有跟踪模型,ID的召回率和准确率均得到了较大提升。在不影响舞台演出与观演体验的前提下,解决了舞台暗光、演员表观相似导致的跟踪不稳定问题,且算法成本低、可行性高,在舞台演艺行业具有广泛的应用前景。

摘要：本文针对具有避碰和避障功能的四旋翼无人机系统的轨迹跟踪和编队问题,提出了一种基于收缩约束的变时域分布式模型预测控制(VDMPC)算法.首先,以实际四旋翼为控制对象,建立单机解耦线性时变模型及编队控制框架.在考虑多约束条件下,以编队轨迹跟踪与队形保持为控制目标,并对该两项目标权重自适应调整,以实现队形反馈控制.此外,将多步控制李雅普诺夫函数纳入DMPC方案中,其优化问题采用具有代价函数最小的可变长度的block优化策略,进而应用收缩约束保证了整个闭环系统的稳定性.该方法对优化问题求解计算量和控制性能方面作了最优权衡,提高了滚动优化效率,也避免了传统MPC稳定性中终端成分的设计.最后,通过多无人机仿真验证了所提算法的有效性.

摘要：针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进行评估和缩放,实现可变速率控制.通过综合考虑运动向量损失和率失真损失,设计新的联合训练损失函数,用来端到端地训练整个网络框架.为了解决动态点云数据集缺少真实运动信息标签的问题,基于AMASS数据集制作带有运动向量标签的人体数据集,用于网络的训练.实验结果显示,与现有的基于深度学习动态点云压缩方法相比,该方法的压缩比特率下降了几个数量级,与静态压缩网络单独处理每帧的重构效果相比,该方法有5%~10%的提升.

摘要：目的 现有屏摄水印方法无法有效平衡计算复杂度、嵌入水印后的图像质量以及水印鲁棒性3项指标,同时广泛使用透视畸变矫正预处理,大大限制了屏摄水印的实际商业使用。本文在重新设计噪声层的基础上,提出了一种最小依赖载体图像隐藏水印信息的屏摄鲁棒水印,将屏摄水印对于载体图像的依赖控制在最小。方法 为了保证水印的嵌入效率,极大简化依赖深度隐藏网络框架中的编码网络,达成对载体图像的最小依赖,大大减小计算复杂度;为了平衡网络深度减小所导致的网络提取能力损失,加入Sobel算子,引入载体图像的边缘信息;在噪声层中加入缩放攻击操作,并由此去除了限制屏摄水印应用范围的透视畸变矫正预处理,进一步拓宽了应用范围;为了训练网络的屏摄鲁棒性,重新定义了噪声层,改进原有噪声层的设计结构,对噪声层图像扰动类型和参数进行随机选择,使得解码网络的输入数据具有更高的样本均衡性和多样性。结果 在DIV2K(DIVerse 2K)数据集上与其他的3种方法进行了对比实验,本文方法获得了最高的PSNR(peak signal-to-noise ratio)和SSIM(structural similarity index measure)指标,并比排名第2的通用深度隐藏方法提高了12 dB的PSNR值和0.006的SSIM值;在有无攻击两种环境下,本文方法均能保持很高的ACC(accuracy)和F1指标,在攻击环境下比排名第2位的StegaStamp(steganography stamp)方法提高了0.262的F1分数。与同网络框架下的已有噪声层相比,在无攻击环境下,本文算法提高了0.124的ACC和0.284的F1分数;在有攻击环境下,本文算法提高了0.316的ACC和0.524的F1分数,水印提取的准确性更高。结论 本文算法在图像质量和水印鲁棒性方面获得了更优的效果,摆脱了透视畸变矫正的限制,拓宽了屏摄水印的应用范围。

摘要：非接触式的多人三维动作捕捉技术在影视动画、游戏、虚实互动、体育运动和生物医学分析等领域有着广泛的应用.现有的国内外相关论文多数聚焦在算法创新,而缺少整体视角下的系统分析与构建.为此,本文提出了一种非约束环境下的轻量级多人三维动作捕捉系统,该系统便于组装,仅需少量的(4~6个)普通相机或摄像头,并且适用于一般的室内外环境,对场景中的背景和人物对象的着装没有特殊要求.首先,为了提升三维人体动作捕捉的精度,设计并实现了一个鲁棒的基于多视图的多人三维姿态估计算法,它充分利用了多视角的信息互补,并引入了一个跨帧连贯性约束来过滤异常的二维人体关节点检测结果以抑制其对三维人体姿态估计的影响.其次,围绕多视图数据的实时采集与传输及其有效处理,构建了一套轻量级的硬件系统,同时提出了一种数据流向可控的模块化并行处理机制,最终实现了一个灵活、易维护扩充且高效的软硬件系统框架.最后,基于多个公开数据集与自采数据集,通过大量实验,充分验证了本文所提出算法与系统的准确性、高效性和鲁棒性.

摘要：本文针对具有挑战性的多语言文本-视频跨模态检索问题进行研究.传统文本-视频跨模态检索模型通常针对单一语言进行设计,比如英语,模型仅支持某一特定语言的文本查询.如果有不同语言检索需求,则需另收集目标语言的训练数据并重新训练构建新的检索模型,这使得模型很难快速有效地适用于其他语言的检索任务.近年来,针对多语言问题的研究逐渐深入,这为多语言跨模态检索的实现打下了良好的基石.为了解决多语言跨模态检索问题,本文提出了一种简单有效的基于多语言-视觉公共空间学习的多语言文本-视频跨模态检索模型,将不同语言与视觉信息映射到同一公共空间.该空间以视频向量为锚点,分别与不同的语言向量进行对齐,以此实现多语言跨模态的学习,由此建立了统一的多语言学习框架,使用一个模型满足了多语言的检索需求并探究了不平行语料库、平行语料库、伪平行语料库三种训练场景下的模型性能.同时,在多语言建模中有效地利用了不同语言之间的互通性和互补性,弥补了单语言文本特征表达的不足;并在文本端与视频端引入了基于对比学习的抗噪音鲁棒性学习方法,进一步提升了不同模态特征的表示能力.在VATEX、MSR-VTT多语言数据集上实验的数据证明,本文模型不仅能够简单快速地适用于多种语言检索任务,模型性能也较为突出,在较为常见的伪平行场景下和最先进的方法相比,中文VATEX和MSR-VTT在总召回率上分别提升了约5.97%和1.37%.

摘要：针对现有基于深度学习的点云压缩方法需要训练多个网络,耗费大量的时间和空间资源的缺陷,提出一种基于通道增益的可变比特率点云压缩方法.首先在网络的编码端利用层次化结构,通过每个层级提取点云特征和应用偏移注意力机制,有效地捕捉输入点云的关键特征信息;然后引入增益单元评估和缩放各个隐向量通道的重要度,消除向量通道间的信息冗余,仅需训练单个网络即可实现可变比特率压缩;为了预测特征向量的概率分布,对特征向量进行超先验编码,构造高斯熵模型,通过熵编码进一步降低编码量;最后在解码端采用子点卷积进行上采样重构原始点云,避免顶点的局部聚集,提高点云的重构质量.实验结果表明,在ShapeNet数据集上,以率失真曲线的BD-rate作为性能评价指标,与VRR和Draco方法相比,平均比特率分别降低48.66%和63.56%;压缩性能得到了显著的提升.