检索结果-维普期刊中文期刊服务平台

基于分数阶微分的TV-L^1光流模型的图像配准方法研究被引量：9: 1; 作者张桂梅孙晓旭 +1 位作者刘建新储珺《自动化学报》 EI CSCD 北大核心 2017年第12期2213-2224,共12页; 图像的非刚性配准在计算机视觉和医学图像分析中有着重要的作用.TV-L^1(全变分L^1范数、Total variation-L^1)光流模型是解决非刚性配准问题的有效方法,但TV-L^1光流模型的正则项是一阶导数,会导致纹理特征等具有弱导数性质的信息模糊.... 展开更多; 关键词分数阶微分 Grünwald-Letnikov TV-L^1模型光流场弱纹理非刚性配准; 在线阅读下载PDF 职称材料

基于光照辐射模型的光流场估计: 2; 作者廖彬杜明辉胡金龙《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2011年第5期44-48,54,共6页; 为完成多种环境下针对不同物体的运动检测,提出了基于光照辐射的光流场模型.首先,经由通用动态图像模型在克利福德代数域上的分析,解释并修正了通用模型的参数;然后,利用克利福德代数域上的推导结果与后期实验数据,结合运动视觉产生原... 展开更多; 关键词光流场模型克利福德代数光照辐射总变分法; 在线阅读下载PDF 职称材料

用于微表情识别的改进双流浅层卷积神经网络: 3; 作者李昆仑陈栋 +1 位作者王珺王怡辉《小型微型计算机系统》 CSCD 北大核心 2021年第6期1219-1226,共8页; 在微表情自动识别任务中,浅层卷积神经网络和深层网络相比更好地改善了网络训练过拟合的情况,但是多数浅层卷积神经网络存在输入特征单一和提取高维有效特征能力不足的问题.针对上述问题本文同时使用图像的灰度特征和运动特征表征原图像... 展开更多; 关键词微表情识别双流卷积神经网络欧拉视频放大算法 TV-L1光流法空洞卷积注意力机制; 在线阅读下载PDF 职称材料

小位移光流计算的对偶方法被引量：2: 4; 作者于晶晶潘振宽魏伟波《计算机工程》 CAS CSCD 北大核心 2010年第7期260-261,264,共3页; 基于光流计算的通用变分模型,建立小位移光流场计算的对偶方法。变分能量泛函中的数据项使用稳健估计的L1范数,规则项采用边缘保持的总变差项。采用对偶变量表示总变差项,克服基于传统总变差计算须引入小规则参数的问题,并得到较好的实... 展开更多; 关键词光流计算对偶方法变分方法总变差; 在线阅读下载PDF 职称材料

题名基于分数阶微分的TV-L^1光流模型的图像配准方法研究被引量：9: 1; 作者张桂梅孙晓旭刘建新储珺; 机构南昌航空大学江西省图像处理与模式识别重点实验室西华大学机械工程学院; 出处《自动化学报》 EI CSCD 北大核心 2017年第12期2213-2224,共12页; 基金国家自然科学基金(61462065 61661036) +1 种基金江西省科技支撑计划重点项目(20161BBF60091)资助~~; 文摘图像的非刚性配准在计算机视觉和医学图像分析中有着重要的作用.TV-L^1(全变分L^1范数、Total variation-L^1)光流模型是解决非刚性配准问题的有效方法,但TV-L^1光流模型的正则项是一阶导数,会导致纹理特征等具有弱导数性质的信息模糊.针对该问题,将G-L(Grünwald-Letnikov)分数阶引入TV-L^1光流模型,提出基于G-L分数阶微分的TV-L^1光流模型,并应用原始–对偶算法求解该模型.新的模型用G-L分数阶微分代替正则项中的一阶导数,由于分数阶微分比整数阶微分具有更好的细节描述能力,并能有效地、非线性地保留具有弱导数性质的纹理特征,从而提高图像的配准精度.另外,通过实验给出了配准精度与G-L分数阶模板参数之间的关系,从而为模板最佳参数的选取提供了依据.尽管不同类型的图像其最佳参数是不同的,但是其最佳配准阶次一般在1～2之间.理论分析和实验结果均表明,提出的新模型能够有效地提高图像配准的精度,适合于包含较多弱纹理和弱边缘信息的医学图像配准,该模型是TV-L^1光流模型的重要延伸和推广.; 关键词分数阶微分 Grünwald-Letnikov TV-L^1模型光流场弱纹理非刚性配准; Keywords Fractional differential, Grunwald-Letnikov, TV-L^1 （total variation-l^1） model, optical flow, weak texture,non-rigid registration; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于光照辐射模型的光流场估计: 2; 作者廖彬杜明辉胡金龙; 机构华南理工大学电子与信息学院华南农业大学理学院华南理工大学信息网络工程研究中心; 出处《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2011年第5期44-48,54,共6页; 基金国家自然科学基金重点项目(U0735004) 国家科技支撑计划项目(2008BAH37B08); 文摘为完成多种环境下针对不同物体的运动检测,提出了基于光照辐射的光流场模型.首先,经由通用动态图像模型在克利福德代数域上的分析,解释并修正了通用模型的参数;然后,利用克利福德代数域上的推导结果与后期实验数据,结合运动视觉产生原理与光照辐射理论,提出了基于光照辐射的光流场模型,并利用梯度场提高其准确性;最后,对此模型给出总变分法.对比实验结果显示,文中提出的模型具通用性,并能在不同光照条件下获得准确且连续一致的光流场.; 关键词光流场模型克利福德代数光照辐射总变分法; Keywords optical flow field model Clifford algebra illumination radiation total variation method; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名用于微表情识别的改进双流浅层卷积神经网络: 3; 作者李昆仑陈栋王珺王怡辉; 机构河北大学电子信息工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2021年第6期1219-1226,共8页; 基金国家自然科学基金项目(61672205)资助.; 文摘在微表情自动识别任务中,浅层卷积神经网络和深层网络相比更好地改善了网络训练过拟合的情况,但是多数浅层卷积神经网络存在输入特征单一和提取高维有效特征能力不足的问题.针对上述问题本文同时使用图像的灰度特征和运动特征表征原图像,并且提出了一种改进双流浅层卷积神经网络(Enhanced Dual-stream Shallow Convolutional Neural Network,EDSSNet)用于微表情的识别.本文首先使用欧拉视频放大算法和TV-L1光流法对视频关键帧处理,提取图像的灰度特征和运动特征,然后用空洞卷积和注意力模块改进双流浅层卷积网络模型,提高网络提取有效特征的能力,最后将两种特征输入网络训练后进行分类.理论分析及在CASMEⅡ、SMIC-HS和SAMM微表情数据库上的实验结果均表明了改进模型的有效性.; 关键词微表情识别双流卷积神经网络欧拉视频放大算法 TV-L1光流法空洞卷积注意力机制; Keywords micro-expression recognition dual-stream convolutional neural network euler video magnification algorithm total variation-l1 optical flow method atrous convolution attention module; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名小位移光流计算的对偶方法被引量：2: 4; 作者于晶晶潘振宽魏伟波; 机构青岛大学信息工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2010年第7期260-261,264,共3页; 基金教育部新世纪优秀人才支持计划基金资助项目(NCET-05-0601); 文摘基于光流计算的通用变分模型,建立小位移光流场计算的对偶方法。变分能量泛函中的数据项使用稳健估计的L1范数,规则项采用边缘保持的总变差项。采用对偶变量表示总变差项,克服基于传统总变差计算须引入小规则参数的问题,并得到较好的实验结果。该方法可应用到大位移光流计算和光流计算的高阶模型中。; 关键词光流计算对偶方法变分方法总变差; Keywords optic flow computation dual method variational method total variation; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于分数阶微分的TV-L^1光流模型的图像配准方法研究	张桂梅孙晓旭刘建新储珺	《自动化学报》 EI CSCD 北大核心	2017	9	在线阅读下载PDF 职称材料
2	基于光照辐射模型的光流场估计	廖彬杜明辉胡金龙	《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心	2011	0	在线阅读下载PDF 职称材料
3	用于微表情识别的改进双流浅层卷积神经网络	李昆仑陈栋王珺王怡辉	《小型微型计算机系统》 CSCD 北大核心	2021	0	在线阅读下载PDF 职称材料
4	小位移光流计算的对偶方法	于晶晶潘振宽魏伟波	《计算机工程》 CAS CSCD 北大核心	2010	2	在线阅读下载PDF 职称材料