1 宁波大学信息科学与工程学院，浙江 宁波 315211
2 宁波大学医学院，浙江 宁波 315211
3 宁波市海曙区第二医院，浙江 宁波 315099
4 宁波大学附属第一医院，浙江 宁波 315000
在检测侧面脊柱关键点时，由于受到器官遮挡的影响，以往的热图回归方法难以区分不同椎骨上的关键点，容易出现关键点与对应椎骨的匹配错误。为了解决这个问题，提出了一个新的单阶段侧面脊柱关键点检测方法，该方法同时预测关键点热图和关键点匹配线索（椎骨中心热图和关键点offset），利用匹配线索建立关键点与对应椎骨的匹配关系。为了提升匹配效果，提出几何感知特征增强模块，通过提取关键点特征增强椎骨中心的特征表达。此外，利用加权损失函数缓解关键点热图和椎骨中心热图中正负样本比例失衡问题。实验结果表明，所提方法的平均检测误差为8.84，相较于性能第二的方法精度提升36%。
医用光学 关键点检测 卷积网络 可变形卷积 脊柱侧弯 激光与光电子学进展
2024, 61(4): 0417001
宁波大学 信息科学与工程学院, 浙江 宁波 315211
针对传感器模式噪声易受CFA插值噪声和JPEG压缩噪声污染，提出一种基于空域平滑滤波的传感器模式噪声预处理方法，去除干扰噪声，从而提高数字照片图像来源检测准确率.假设传感器模式噪声是一种类似高斯白噪声的随机信号，其在频域具有与高斯白噪声相似的平坦频谱; 基于此，在空域采用高斯白噪声对传感器模式噪声进行引导滤波，其空域平滑效果使传感器模式噪声在保持自身性质的同时，拥有与高斯白噪声相似的特性.手机相机照片图像库的评估实验结果表明，与现有预处理方法相比，所提算法在图像来源检测准确度上Kappa统计系数提高了0.026以上，同时算法对JPEG压缩的鲁棒性也明显优于其他算法.
数字图像取证 来源检测 平滑滤波 传感器模式噪声 高斯白噪声 Digital image forensics Source detection Smoothing filter Sensor pattern noise White Gaussian noise
宁波大学信息科学与工程学院, 浙江 宁波 315211
在异常行为检测中, 群体行为难以描述。针对该情况, 提出了一种基于个体与群体中其他个体的行为相似性(集群性特征)的异常行为检测方法。该方法首先采用混合高斯模型提取出视频的背景; 然后, 使用 KLT (Kanade–Lucas– Tomasi)算法追踪运动人群; 接着, 从群体的运动方向和速度两个角度提取出集群性特征; 最后, 利用集群性特征直方图描述行为, 计算直方图的熵值来判断行为的异常。基于不同场景下的视频序列所进行的测试结果验证了所提方法的有效性。
异常行为检测 集群性特征 直方图 abnormal behavior detection collectiveness features histogram
