数字图像计算:技术与应用

文摘:有许多应用，如立体匹配，运动跟踪和图像配准，需要所谓的“角落”检测图像序列在一个可靠的方式。哈里斯角探测器被广泛用于这一目的。然而，哈里斯算子和其他角算子的响应随着图像对比度的不同而有很大差异。这使得设置适合扩展图像序列的阈值变得困难，如果不是不可能的话。本文从特征检测的相位一致性模型出发，提出了一种新的角边检测器。该算子利用相位一致性信息的主矩来确定角信息和边信息。由此产生的角和边缘算子是高度局域化的，并具有对图像对比度不变的响应。这导致在固定阈值的变化照明条件下可靠的特征检测。该操作符的另一个特性是角映射是边映射的严格子集。这有利于角和边信息的协同使用。

文摘:在本文中，我们研究了在训练机器学习分类器时，使用合成创建的样本增强数据的好处。创建额外训练样本的两种方法是数据扭曲，它通过在数据空间中应用的转换生成额外的样本，以及合成过度采样，它在特征空间中创建额外的样本。我们通过实验评估了数据增强对卷积反向传播训练神经网络、卷积支持向量机和卷积极限学习机分类器的好处，使用标准MNIST手写数字数据集。我们发现，虽然可以在特征空间中执行一般的增强，但如果已知数据的合理转换，则数据空间中的增强在提高性能和减少过拟合方面提供了更大的好处。

文摘:在公共场所，人群规模是人群安全和稳定的关键指标。拥挤水平可以使用整体图像特征来检测，但这需要大量的训练数据来捕捉人群分布的广泛变化。如果要在大量摄像机上部署人群计数算法，那么如此庞大而繁重的训练要求远非理想。在本文中，我们提出了一种使用局部特征来计算每个前景blob段中的人数的方法，因此总人群估计是群体规模的和。这就产生了一种可扩展到训练数据中看不到的人群数量的方法，并且可以在非常小的数据集上进行训练。由于采用局部方法，所提出的算法可以很容易地用于估计场景中不同区域的人群密度，并可用于多摄像机环境。此外，还提出了一种用于地面真相注释的独特本地化方法，以减少所需的训练数据，因为用于人群计数的本地化方法与整体方法具有不同的训练要求。在大型行人数据库上进行测试，将所提出的技术与现有的整体技术进行比较，并证明了提高的准确性，以及在训练集中看不到测试条件或使用最小训练集时的优异性能。

文摘:基于步态的人体识别由于其在较远距离上识别不明显的优势，引起了计算机视觉界的广泛关注。本文提供了步态识别方法的最新发展的全面调查。本文重点研究了一般步态识别系统中涉及的三个主要问题，即步态图像表示、特征降维和步态分类。此外，对现有的公共步态数据集进行了综述。最后的讨论概述了一些研究挑战，并为该领域提供了有希望的未来方向。betway亚洲

文摘:移动云计算(Mobile Cloud Computing, MCC)结合了移动计算和云计算，自2009年以来，它已经成为IT界的热门词汇和主要讨论话题之一。由于MCC仍处于发展初期，有必要对该技术进行深入的了解，以便为未来的研究指明方向。betway亚洲本文从MCC研究的背景、原理、特点、研究现状和未来发展趋势等方面进行了综述。betway亚洲简要介绍了MCC的背景:从移动计算到云计算，然后讨论了MCC的特点和最近的研究工作。betway亚洲然后分析了移动云计算的特点和基础设施。本文的其余部分分析了移动云计算面临的挑战，总结了与该领域相关的一些研究项目，并指出了未来有希望的研究方向。betway亚洲