欢迎来到天天文库
浏览记录
ID:14686002
大小:120.00 KB
页数:9页
时间:2018-07-29
《中国地质大学(武汉)公示项目信息表》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、中国地质大学(武汉)公示项目信息表项目名称高效高精准图像匹配的若干基础问题研究申报奖种高等学校科学研究自然科学奖申报等级一等奖项目简介视觉感知计算是人工智能核心技术之一,也是支撑“互联网+”、“智能制造”的重要基础,业界公认制约其实际应用的关键是图像匹配精度与效率,需要从图像预处理、特征点提取与描述、特征点原始匹配、特征点精准匹配等方面进行突破,其中特征点精准匹配因涉及图像形变、数据来源、数据退化等多个多样性因素,导致匹配算法复杂、真实匹配易丢失等问题产生,且长期未得到有效解决。为突破图像匹配精准与效率的瓶颈,在国自科基金、863等支持下
2、,从模型构建、条件约束、快速求解、应用方法等开展研究,成果如下:1、建立非参数、自适应的多场景图像特征点匹配统一理论模型。传统方法需根据不同场景设定对应模型,难适应图像形变大,且容错率低、易丢失真实匹配,无法保证特征点精准匹配。提出图像特征点匹配的鲁棒向量场学习模型,首次将容错率从传统约50%提高到90%以上;构建基于L2E估计子的匹配模型,克服数据退化多样的缺陷,可自适应多场景的特征点匹配;提出特征点相似性渐增的层次匹配模型,减少真实匹配的错误丢失率。2、构建基于局部特性与整体融合的图像特征点匹配约束条件。通常图像特征点匹配只关注整体约
3、束,易产生理论模型在匹配中的非适定性,仅能求得局部最优解,导致匹配精度下降。利用构建正则化高斯场空间约束,即使数据多源和局部形变的严苛条件,仍可避免匹配结果过拟合,求得全局最优解,实现匹配适定性;提出以流形学习框架为特点的局部线性迁移约束,有效表达刚性、仿射、非刚性等变换模型,首次实现局部特性与整体融合。3、发展出高维非参数模型的快速求解SparseVFC方法。复杂环境的传统图像匹配通常采用参数模型近似求解,精度差、效率低,即使采用基于核稀疏表达的非参数模型也只能处理一维标量,无法实现高维条件下非参数模型的快速求解。项目提出向量形式的再生
4、核Hilbert空间映射方法,创新性实现算法的时间、空间复杂度分别从三次方、二次方降为线性,使得图像匹配高效高精准,且满足海量数据实时处理。4、研发出系列图像高精准匹配的前处理及应用方法。传统图像增强受限于背景和细节的多样性,适用场景少,开创性提出一种基于双阈值的自适应优化算法,使多场景下图像背景抑制且细节突出。多源图像特征提取、表达与匹配的方法是图像融合的基础,方法不当会导致特征提取困难、描述能力脆弱,首创多尺度的支持度变换图像融合方法,使体现图像融合质量的信息熵、清晰度等重要指标有效提升。项目共发表SCI论文31篇,高水平会议论文6篇
5、,含学科引用排名前0.1%的ESI热点论文7篇(代表作4篇);代表作发表在CVPR、IEEETrans.SP、IEEETrans.IP等国际权威刊物,代表作SCI他引235次;申请发明专利7项、授权1项,获软件著作权2项。IEEE/IAPR/SPIE/IET/ANA/BCS/LSW/IMA多个组织Fellow、ACMSIGGRAPH主席等在TPAMI、TIP、IJCV上正面引用,如顶级学术会议(ECCV’2016)Vincze教授用超半页篇幅介绍项目4篇成果,“能产生高效高精度的匹配结果...能适应各种图像变换模型...作为衡量匹配精度的
6、标准”;郑南宁院士在CVIU’2014评价“具有很强鲁棒性...优于近期其他匹配方法”。主要完成人情况姓名马佳义性别男排名1技术职称副教授工作单位武汉大学二级单位电子信息学院完成单位华中科技大学对本项目主要学术贡献:2008年9月进入华中科技大学攻读博士学位,师从第三完成人田金文教授,毕业后留武汉大学任教至今。承担了科研创新和技术发明的具体工作,投入本项目的工作量占本人工作量的90%以上。是主要科学发现点1、2、3的提出者,是本项目高精准图像匹配从模型构建、条件约束到快速求解的整个理论研究部分的主要贡献者。旁证:代表作1、2、3、4、5的
7、第一作者,代表作5的通讯作者,代表作6的第二作者。曾获奖励情况:获奖项目名称获奖时间获奖名称奖励等级授奖部门(单位)视觉感知的图像高精准匹配的若干基础问题研究2016.12中国自动化学会自然科学奖二等中国自动化学会基于非参数模型的点集匹配算法研究2015.10中国自动化学会“优秀博士学位论文”中国自动化学会基于非参数模型的点集匹配算法研究2015.8中国人工智能学会“优秀博士学位论文”中国人工智能学会基于非参数模型的点集匹配算法研究2015.12湖北省“优秀博士学位论文”湖北省教育厅主要完成人情况姓名马泳性别男排名2技术职称教授工作单位武
8、汉大学二级单位电子信息学院完成单位华中科技大学对本项目主要学术贡献:项目的发起人和主持人之一,投入本项目的工作量占本人工作量的70%以上,对科学发现点1、2、4做出了创造性贡献,是本项目理论研
此文档下载收益归作者所有