检索结果

Select

1. 基于失焦模糊的焦点堆栈深度估计方法

周萌, 黄章进

《计算机应用》唯一官方网站 2023, 43 (9): 2897-2903. DOI: 10.11772/j.issn.1001-9081.2022091342

摘要（210）

HTML （6）

PDF （3089KB）（83）

现有的单目深度估计方法通常使用图像语义信息来获取深度，忽略了另一个重要的线索——失焦模糊。同时，基于失焦模糊的深度估计方法通常把焦点堆栈或者梯度信息作为输入，没有考虑到焦点堆栈各图像层之间的模糊变化量小以及焦点平面两侧具有模糊歧义性的特点。针对现有焦点堆栈深度估计方法的不足，提出一种基于三维卷积的轻量化网络。首先，设计一个三维感知模块对焦点堆栈的模糊信息进行粗提取；然后，将提取到的信息与通道差分模块输出的焦点堆栈RGB通道差分特征进行级联，构建可以识别模糊歧义性模式的焦点体；最后，利用多尺度三维卷积来预测深度。实验结果表明，与AiFDepthNet（All in Focus Depth Network）等方法相比，所提方法在DefocusNet数据集上的平均绝对误差（MAE）等7个指标上取得了最优；在NYU Depth V2数据集上的4个指标上取得了最优，3个指标上取得了次优；同时，轻量化的设计使所提方法的推理时间分别缩短了43.92%~70.20%和47.91%~77.01%。可见，所提方法能有效地提高焦点堆栈深度估计的准确性及推理速度。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于改进三维形变模型的三维人脸重建和密集人脸对齐方法

周健, 黄章进

计算机应用 2020, 40 (11): 3306-3313. DOI: 10.11772/j.issn.1001-9081.2020030420

摘要（373）

PDF （2638KB）（571）

针对现在广泛使用的三维形变模型表达能力不够，导致重建出的三维人脸模型泛化性能不佳的问题，提出了一种在姿态、表情和光照未知的条件下的基于单张人脸图片的三维人脸重建和密集人脸对齐的新方法。首先，通过卷积神经网络对现有的三维形变模型进行改进，以提高三维人脸模型的表达能力；然后，基于人脸光滑性和图像相似性，在特征点和像素层面提出新的损失函数，并使用弱监督学习训练卷积神经网络模型；最后，通过训练出的网络模型进行三维人脸重建和密集人脸对齐。实验结果表明，对于三维人脸重建任务，所提模型在AFLW2000-3D上实现了2.25的归一化平均误差；对于密集人脸对齐任务，所提模型在AFLW2000-3D和AFLW-LFPA上分别实现了3.80和3.34的归一化平均误差。与原始使用三维形变模型的方法相比，所提模型在三维人脸重建和密集人脸对齐上的归一化平均误差分别降低了7.4%和7.8%。针对不同光照环境以及角度的人脸图片，该网络模型的重建准确，鲁棒性好，且具有较高的三维人脸重建和密集人脸对齐质量。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于同余方程和改进的压扁控制流的混淆算法

王岩, 黄章进, 顾乃杰

计算机应用 2017, 37 (6): 1803-1807. DOI: 10.11772/j.issn.1001-9081.2017.06.1803

摘要（499）

PDF （720KB）（692）

针对现有控制流混淆算法的混淆结果单一的问题，提出了一种基于同余方程和改进的压扁控制流混淆算法。首先，使用密钥和一组同余方程来生成源代码的基本块中需要使用的不透明谓词；其次，基于Logistic混沌映射提出了一种新的 N态不透明谓词构造算法，并将其应用到现有的压扁控制流算法中，对现有的压扁控制流算法进行改进；最后，将上述两个对源码进行混淆的算法结合，以此来增加源代码中控制流的复杂度，使其更难被破解。与现有的基于混沌不透明谓词的压扁控制流算法相比，所提混淆算法使混淆后代码的防篡改攻击时间平均提高了22%以上，总圈复杂度平均提高了34%以上。实验结果表明，所提算法能够保证混淆后程序执行结果的正确性并且具有很高的圈复杂度，能够有效地抵抗静态攻击和动态攻击。

参考文献 | 相关文章 | 多维度评价

Select

4. 一种基于同余方程和改进的压扁控制流的混淆算法

王岩黄章进顾乃杰

录用日期: 2016-12-21