首页期刊导航|计算机应用研究
期刊信息/Journal information
计算机应用研究
四川省电子计算机应用研究中心
计算机应用研究

四川省电子计算机应用研究中心

刘营

月刊

1001-3695

arocmag@163.com

028-85249567

610041

成都市成科西路3号

计算机应用研究/Journal Application Research of ComputersCSCD北大核心CSTPCD
查看更多>>本刊创刊于1981年,以其新颖性、技术性、实用性、工具性、知识性于一身,设置众多栏目,信息量极大,反映并涵盖了当今国内外计算机应用研究的主流技术、热点技术及最新发展趋势,是一份极具收藏价值的技术刊物。本刊读者对象为从事计算机应用、开发、研究的科技人员,大中专院校师生,各企事业单位技术人员,计算机业余爱好者及相关管理、情报工作者订阅、收藏。本刊现为中国计算机学会会刊,中国科技论文统计源核心期刊,全国中文核心期刊,中国科学引文数据库来源期刊, 中国学术期刊综合评价数据库来源期刊,并为多个检索数据库收录,在国内科技期刊评比中多次荣获优秀科技期刊奖。
正式出版
收录年代

    激光雷达惯导耦合的里程计与建图方法

    庞帆危双丰师现杰陈凯...
    2188-2193,2199页
    查看更多>>摘要:针对现有的激光里程计方法在室外动态道路场景中存在里程计精度较低、鲁棒性不足的问题,提出一种3D激光雷达和MEMS惯导耦合的里程计与建图方案.在不同的线程上依次执行数据预处理、顾及动态障碍物的特征提取、激光里程计和激光建图模块.利用KITTI数据和实测数据,对改进方案与目前流行的LOAM、Lego-LOAM方案进行定性和定量的激光里程计精度评定.测试结果表明,改进方案在满足系统实时性的要求下,激光里程计精度优于LOAM方案,与Lego-LOAM方案性能相当.

    激光里程计动态障碍物特征提取误差状态卡尔曼滤波

    基于深度学习的遥感图像去雾算法

    李玉峰任静波黄煜峰
    2194-2199页
    查看更多>>摘要:针对遥感图像由于雾霾的存在导致图像清晰度下降的问题,提出了一种基于深度学习的图像去雾算法.首先将原有大气散射模型进行变形得到一个端到端的去雾模型,再将多个未知参数统一在一个参数中,运用多尺度卷积神经网络对未知参数进行估计,最后将参数估计值代入去雾模型中得到无雾图像.针对无参考图像数据集,先运用现有数据集对网络进行初步训练,再加入自建数据集对网络进行二次训练.实验结果表明,与相关去雾算法进行对比,该算法在视觉效果和客观指标上都有不同程度的提高,有效提升了遥感图像在雾霾天气状况下的清晰度.

    遥感图像去雾深度学习多尺度卷积神经网络残差学习

    基于空洞空间金字塔池化的雾天图像语义分割

    矫健张磊李晶
    2200-2202页
    查看更多>>摘要:针对雾天图像语义分割中分割精度不高的问题,基于空洞空间金字塔池化、Xception模块和残差网络,提出一种雾天图像语义分割算法.该算法一方面使用空洞空间金字塔池化和残差网络,以多个采样率的并行卷积以及卷积核大小为1×1的卷积对输入图像进行多尺度的上下文特征提取;另一方面,采用解码器结构使用预训练后的Xception模块对提取的特征进行分类,得到每一个像素的预测结果,用于增强分割边界的细化得到边界精细的分割结果.实验表明,所提算法在foggy cityscapes数据集上的平均交并比为73.03%、73.81%与74.50%,分割性能良好.

    雾天图像语义分割并行卷积上下文特征解码器

    一种抗粉尘遮挡的卸料孔检测方法

    张兴兰王媛媛欧阳奇
    2203-2208页
    查看更多>>摘要:为解决粉镀锌卸料时卸料孔被锌粉遮挡,单一模型目标检测网络或方法无法很好地识别问题,提出一种专门的、融合多种特征模型的检测方法来辅助卸料.首先,用深度可分离卷积代替Tiny-YOLOv3(you only look once version 3)中的传统卷积,并调整损失函数,适应新的训练;接着,用像素统计判断目标区域遮挡情况,运用轨迹特征和形态特征模型对当前帧进行预测;最后,遵循模型融合规则,用预测结果对目标检测网络结果进行优化.实验结果表明在卸料孔长时间遮挡严重情况下,改进后的融合模型表现最好,总体AP(average prediction)达到99.38%,AIOU(average intersection over union)达到88.74%,同时满足实时检测要求,有效解决了粉尘强遮挡条件下工装卸料孔动态检测问题.

    目标检测抗遮挡深度学习深度可分离卷积特征融合

    基于融合注意力机制的图像标题生成

    侯一雯田玉玲
    2209-2212页
    查看更多>>摘要:图像标题生成利用机器自动产生描述图像的句子,属于计算机视觉与自然语言处理的交叉领域.传统基于注意力机制的算法侧重特征图不同区域,忽略特征图通道,易造成注意偏差.该模型通过当前嵌入单词与隐藏层状态的耦合度来赋予特征图不同通道相应权重,并将其与传统方法结合为融合注意力机制,准确定位注意位置.实验结果均在指定的评估方法上有一定的提升,表明该模型可以生成更加流利准确的自然语句.

    图像标题生成注意偏差通道耦合度融合注意力

    TP-FER:基于优化卷积神经网络的三通道人脸表情识别方法

    高静文蔡永香何宗宜
    2213-2219页
    查看更多>>摘要:针对人脸五官在表达不同情绪时所起的作用不同,利用单一的卷积神经网络对人脸面部特征进行特征提取和表情识别可能会导致提取表情关键特征信息时聚焦性不够,而仅对眼部或者嘴部等重点部位进行特征提取,又有可能造成特征提取不够充分的问题,提出了一种基于优化卷积神经网络的三通道人脸表情识别方法TP-FER(tri-path networks for facial expression recognition).该方法基于构建的卷积神经网络训练,采用三个输入渠道,分别聚焦面部、眼部和嘴部区域进行特征提取和表情判别,最后采用基于决策层的融合技术将三个渠道的识别结果进行相对多数投票决策,获取整体最优识别率.将此方法应用于JCK+数据集和自建数据集上进行了实验判别分析,结果表明该方法在两个数据集上均提高了整体表情识别率.该方法既考虑了脸部整体特征的提取,又兼顾了某些表情主要聚焦在眼部、嘴部表达的特性,相互辅助,整体提高了表情的识别率;该方法也能对神经心理学研究提供数据支持.

    人脸表情识别卷积神经网络聚焦驾驶情绪

    基于窗口优化技术的肝和肿瘤CT图像的自动分割

    荣梦玲王朝立孙占全
    2220-2224,2230页
    查看更多>>摘要:针对窗口技术将高位计算机断层扫描(CT)图像像素强度范围重新映射到一个可观测的范围时会损失图像信息,并且做一次预处理后就进行自动分割的方法不能很好地适应肿瘤分割的问题,提出了一种分步优化分割CT值的强度窗口预处理方法.利用肝脏及其肿瘤的CT值直方图和窗口技术对原始图像和肝部图像进行分步预处理,提高感兴趣区域的对比度;在级联的卷积神经网络中分别对比不同强度窗口的肝和肿瘤的自动分割精度,并得到了肝脏及其肿瘤的最佳分割CT值范围,分别是[-40,190]HU,[-25,145]HU.该方法在3DIRCADb数据集上用三类主流分割网络UNet、ResNet和FCN进行了实验,验证了不同CT值范围对肝分割精度的影响能达到6.75%,并能将不同网络的分割精度提高2%左右.

    分割CT值窗口技术医学图像分析卷积神经网络肝分割

    综合引导滤波和字典学习超像素聚类图像融合

    郭利强
    2225-2230页
    查看更多>>摘要:针对多聚焦图像融合易出现块效应和边界伪影等问题,提出了一种综合迭代引导滤波和字典学习超像素聚类的融合算法.首先对源图像进行超像素分割,利用密度峰值实现超像素的聚类,以超像素聚类块为处理单元提取特性形成特征矩阵;建立低秩表示模型,引入拉普拉斯正则项增加同类相邻区域空间一致性约束;构造低秩表示字典,借助自带二次惩罚项的线性交替迭代求解模型系数;通过联合低秩表示系数矩阵和误差矩阵构建初步聚焦特征图,利用迭代引导滤波优化聚焦特征图扩大多焦差异化,最后基于优化聚焦特征图和源图像获得最终融合结果.经仿真对比可知,提出算法的融合结果无论在主观视觉还是客观指标上都优于其他同类算法.

    多聚焦融合超像素分割密度峰值聚类低秩表示字典学习迭代引导滤波

    刺绣针法图样特征点提取及匹配方法研究

    杨蕾胡慧周军
    2231-2234,2240页
    查看更多>>摘要:目前,在刺绣工艺的非遗数字化保护研究中,成品绣品图样的保护占据着重要的地位,但实际上刺绣文化的精髓不仅是在图案上,将针法与图样进行有机结合才能更好地传承少数民族文化特色,因此,寻找一种能够将绣品针法纹样特征进行提取和匹配的方法是刺绣数字化保护亟待解决的问题.针对这一问题,通过对目前常用刺绣针法和特征提取算法进行研究,提出了一种以导向滤波作为尺度变换函数的特征提取模型.此方法以传统尺度不变特征变换(SIFT)作为基础模型,将其中的高斯尺度变换函数以导向滤波尺度变换函数代替,加强边缘像素之间的算法响应程度,从而精确提取出针法纹样的关键特征点.实验表明,算法得到的图案关键特征点能够在图样的边缘部分得到很好的提取效果,同时匹配准确率平均能够达到88%以上,与SIFT算法相比提高了7%~25%.

    非遗数字化保护针法特征尺度不变特征变换导向滤波

    基于对偶学习策略的单图像超分辨率重建网络

    陈金玲彭艳兵李念
    2235-2240页
    查看更多>>摘要:针对单图像低分辨率到高分辨率映射具有不适定性、特征图空间信息利用率低下以及网络参数量过大的问题,提出了一种基于渐进上采样的对偶学习算法用于图像的超分辨率重建.首先采用深度可分离卷积使得模型参数量显著减少;再基于亚像素卷积构建渐进上采样网络来高效利用特征图上下文信息;最后利用对偶学习策略构建闭环反馈网络,通过对偶关系相互约束映射空间以获取最佳重建函数.在Set5、Set14、BSDS100、Urban100、Manga109基准数据集上与其他主流的超分辨率方法相比,该算法表现出更优越的性能:有效减少了网络9%的参数量,在×4、×8放大因子下能重建出更清晰的图像,同时能有效缓解图像边缘失真和伪影现象,并且×8放大时的平均峰值信噪比和结构相似度(PSNR/SSIM)分别为26.90/0.751、24.84/0.645、24.74/0.619、22.30/0.560、24.38/0.706.

    超分辨率重建深度可分离卷积渐进上采样亚像素卷积对偶学习