1 浙江科技学院信息与电子工程学院, 浙江 杭州 310023
2 浙江大学信息与电子工程学院, 浙江 杭州 310027
提出了一种基于深度卷积神经网络的单目视觉深度估计方法,该方法采用端到端学习框架来构建模型。采用残差网络(ResNet)作为神经网络模型框架的编码部分来提取深度信息特征。采用密集连接卷积网络(DenseNet)对编码后的信息进行译码。通过Skip-Connections实现编码和解码的信息流的集成,避免了层间信息传输的丢失。实验结果表明,与其他单目视觉深度估计方法相比,使用深度卷积神经网络可以更有效准确地估计视觉深度。
机器视觉 深度卷积神经网路 深度估计 单目图像 深度学习 激光与光电子学进展
2019, 56(8): 081501
1 宁波大学信息科学与工程学院，浙江 宁波 315211
2 宁波大学科学技术学院，浙江 宁波 315212
3 浙江科技学院信息与电子工程学院，浙江 杭州 310023
针对立体图像版权保护问题，提出了一种基于左右视点相关性的立体图像鲁棒水印方法。由于张量分解能够较好保存图像的主要能量，因此，首先利用彩色视点中RGB 三通道之间的相关性，对左右视点分别进行张量分解。每一个视点分解出三个特征图，其中每个视点的第一特征图保留了每个视点中较强的三通道关系。其次，结合左右视点之间的相关性，联合左右视点的第一特征图进行张量分解，得到立体图像的主要能量特征图。最后，将主要能量特征图进行奇异值分解，并嵌入水印从而提高鲁棒性。实验结果表明，该方法具有较高的鲁棒性和不可见性，并且实现了水印的盲提取。
立体图像 鲁棒水印 张量分解 相关性 盲提取 stereo image robust watermarking tucker decomposition correlation blind extraction
1 宁波大学信息科学与工程学院，浙江宁波 315211
2 浙江科技学院信息与电子工程学院，杭州 310023
3 南京大学软件新技术国家重点实验室，南京 210093
通过研究非对称失真立体图像人眼视觉感知特性，提出了一种基于小波图像融合的非对称失真立体图像质量客观评价方法。首先，采用固定尺寸块匹配方法得到原始立体图像块视差值，接着，根据该视差值的大小，同时结合非对称失真立体图像视觉感知特性，对匹配块进行小波融合得到原始融合图像和失真融合图像。最后，通过计算原始融合图像和失真融合图像之间的方向投影变化距离来度量立体图像的失真程度。实验结果表明该模型与各类非对称失真立体图像的主观评价值具有较好的一致性，尤其在评价交叉失真立体图像时取得了较好的评价效果。
立体图像质量评价 小波图像融合 非对称失真 方向投影 stereoscopic image quality assessment wavelet image fusion asymmetric distortion directional projection
1 广东工业大学自动化学院, 广东 广州 510006
2 浙江科技学院信息与电子工程学院, 浙江 杭州 310023
提出了产生 n×m 涡卷混沌吸引子的一种新方法,用三角波函数序列和阶跃函数序列构造 网格多涡卷混沌系统,找出函数中平衡点和 转折点的值,并对系统的基本动力学特性进行了研究,包括理论分析和计算机模拟仿真。用模块化的方法设计了现场可编程门 阵列(FPGA)硬件实验电路,给出了相关的实验结果。计算机仿真和 FPGA 硬件实验结果相吻合,由此证明了该系统的混沌特性。
混沌 n×m 涡卷混沌吸引子 三角波函数序列 阶跃函数序列 FPGA硬件实现 chaos n×m-scroll chaotic attractors triangular wave series step function sequence FPGA hardware implementation
