基于生成对抗网络的异质人脸图像合成:进展与挑战

异质人脸图像合成旨在生成逼真、可识别的多种视觉形态的人脸肖像,包括画像、漫画等多种模态.异质人脸图像合成在公共安全和数字娱乐领域具有广泛的应用前景和重要的研究价值,已成为当前研究热点之一.近年来,随着生成对抗网络的发展以及其在多种图像风格转换任务中的成功,研究人员利用生成对抗网络构建了多种异质人脸图像合成的新方法.本文简要回顾了异质人脸图像合成的发展历史,并从异质人脸图像合成的应用进展、模型结构、性能评估、数据集和定性分析等方面综述了该领域最新的关键技术的发展情况,展望了异质人脸图像合成面临的挑战以及其关键技术的发展趋势.     

基于相关点均值处理的Kinect人手位置检测方法研究

在人机交互领域中,人手的位置信息往往直接用于交互指令的解读与交互结果的计算,因此高精度的实时人手位置检测是实现非接触式的、自然的人机交互的重要基础.针对Kinect 2.0追踪人体骨骼点获取的三维坐标数据的波动和误差较大的问题,本文提出了基于相关点均值处理的人手位置检测算法.该算法基于深度信息,以手腕为分割阈值点,进行人手图像分割,并对人手位置信息相关点进行空间平均处理与时间平均处理,提高位置检测精度.实验结果表明：基于相关点均值处理的人手位置检测算法是有效的,检测误差在5 mm以内,能够满足在人机交互等应用系统中的基本要求.     

基于深度图像目标检测的智能台风涡旋识别技术

基于2005—2020年的中国气象局台风最佳路径数据集以及葵花(Himawari)8和风云(FY)卫星云图数据,首先将卫星原始数据转换为FULLDISK灰度图像作为台风涡旋识别技术的图像来源,并制定新的VOC(Visual Object Classes)标注规范,构建了样本标注数据集。利用运行速度快、识别准确率高的人工智能领域经典目标检测SSD(Single Shot MultiBox Detector)模型作为台风涡旋识别的基础模型,并针对台风涡旋识别的独特性,特别是弱涡旋识别困难,提出一种迭代的SSD目标检测模型,明显提高了台风涡旋的识别精度。通过目标检测技术对卫星云图进行智能特征分析、抽取、识别和定位,实现了自动涡旋正确识别和定位,最终建立了智能台风涡旋识别技术。测试结果显示：该技术对强热带风暴级以下强度台风涡旋正确识别率为40%～80%,对强热带风暴级及以上强度台风涡旋正确识别率达90%以上,能够精准识别强台风级及以上强度涡旋,该技术为今后业务利用高时空分辨率卫星图像对台风进行实时精密监测提供了技术支撑。     

一种基于稀疏优化的数独求解新方法

为了更好地求解数独问题,提出一种新的求解方法:采用实数编码去除整数约束,同时采用0范数作为目标函数来保证解的稀疏性．在此基础上,根据RIP（Restricted Isometry Property）与KGG(Kashin Garnaev Gluskin)条件,用1范数近似0范数．最后引入松弛矢量,使1范数转换为一个凸线性规划问题．采用主对偶内点法求解该线性规划问题．实验表明：该方法对简单、中等、困难、恶魔级别的数独,可达到100％成功率;对最小提示数目的17数独,达到864％的成功率．另外,该算法耗时短,且与数独的难度无关．因此,该算法在成功率与运行时间上均优于约束规划与Sinkhorn算法     

一种基于无约束总变分模型的阴影检测方法

阴影检测是进行阴影处理前的重要步骤,总变分模型可以用于影像阴影检测.通过对总变分模型进行改进,提出了一种基于无约束总变分模型的阴影检测方法.经实验及统计分析证明,在合适的迭代条件下,该方法对于单一阴影影像的处理效果理想.     

基于多种底图的云检测

利用静止卫星红外和短波红外通道资料的特点,生成了红外亮温底图与红外减短波红外差异底图,并充分利用这几种底图的特性,结合时空相似性检测来进行云检测的校正,实现了用动态阈值技术进行云检测.分析表明,红外亮温底图对于中高云系的检测效果较好,差异底图对于中低云系的检测效果较好,通过时空不同性测试可以将误检为云的晴空重新识别出来.算法取得了较好的检测效果.     

基于小波包分解和形态学融合的地基云图边缘检测

采用一种基于小波包分解和数学形态学融合的边缘提取方法用于地基云图的边缘检测．首先对图像进行基于小波包分解的边缘提取,然后对图像进行数学形态学的边缘检测,最后利用图像融合技术对两幅图像进行融合得出最优边缘图像．通过Matlab软件验证和比较,表明该方法实际使用效果较好     

基于深度学习的FY3D/MERSI和EOS/MODIS云检测模型研究

针对FY3D/MERSI和EOS/MODIS的云检测问题,提出了一种基于深度学习技术的全自动云检测算法,首次将深度学习引入到卫星影像云检测领域。本算法使用深度全卷积神经网络(Deep Convolutional Neural Networks)作为核心结构,基于EOS/MODIS基本云检测原理选择合适的通道作为特性向量参数,针对不同的场景进行分类和网络模型的训练,最终得到基于深度学习的云检测模型。经过EOS/MODIS数据和FY3D/MERSI数据的测试,云检测的精度达到98%以上,可以看出基于深度学习的云检测算法能够用于云检测,该算法具有效率高、精度高等特点,云检测效果理想。     

WWLLN与江苏省ADTD闪电定位系统数据的对比分析

利用WWLLN(World-Wide Lightning Location Network,全球闪电定位网)与江苏省ADTD(Active Divectory Topology Diagrammer,活动目录拓扑图)闪电定位系统数据,对2006—2009年江苏省闪电活动年际变化、月际变化、日变化和空间分布、以及探测效率和探测精度等展开研究讨论。结果表明,WWLLN探测的闪电时空分布趋势与ADTD保持较好的一致性:江苏省白天发生的闪电次数略高于晚上;闪电主要集中发生在6—8月,仲夏闪电最为活跃;一天中闪电频次峰值时间段出现在16时(北京时间)左右;江苏省闪电分布呈现明显的地域性,闪电密度高值区位于省内偏西和偏南地区,大致与江苏省经济发达地区的地域分布相吻合。总体上,WWLLN探测到的闪电频次和闪电密度值比ADTD小一个数量级。随着WWLLN全球测站数目的逐年增加以及WWLLN定位技术的升级完善,WWLLN探测效率和探测精度逐步提高。WWLLN探测效率与回击电流极性和强度大小有关联。