《中国图象图形学报A辑》是由中国图象图形学会 中国科学院遥感应用研究所 北京应用物理与计算数学研究所主办的期刊。
综合性学术刊物，集计算机图象图形学术研究与高新技术，科技信息与开发应用于一体，面向科研、教学、工程、产业。主要刊登图理解、分析和外理、计算机视觉、多媒体信息融合与处理、计算机图形象、科学计算可视化、虚拟现实、模式识别、医学影像处理，地理信息系统、影视特技等。
馆藏
国家图书馆、上海图书馆
中国图象图形学报杂志荣誉
CSCD 中国科学引文数据库来源期刊(含扩展版)万方收录(中)上海图书馆馆藏北大核心期刊(中国人文社会科学核心期刊)哥白尼索引(波兰)国家图书馆馆藏知网收录(中)统计源核心期刊(中国科技论文核心期刊)维普收录(中)中国期刊全文数据库(CJFD)中国核心期刊遴选数据库中国科技期刊核心期刊全国中文核心期刊
阅读推荐：视听
《视听》创于1993年，是由四川科技出版社主办的刊物，追踪视听潮流，评价视听新品，传播视听文化，服务视听爱家，横跨技术与艺术两个领域，涉及家庭视听活动的一切方面，适合具有高中以上文化水平的广大视听(音响)爱好者阅读。荣获：四川省一级刊物。
中国图象图形学报A辑最新期刊目录
《中国图象图形学报》连续学习及图像处理应用专栏简介
摘要：<正>以大模型为代表的深度学习方法在许多静态封闭领域已经发挥重要作用，但在开放变化的动态场景中，经典训练方法仍无法有效持续适应变化，模型难以长期维持有效。面对开放环境的连续学习是人类基本能力之一，如何使深度学习模型具有连续学习能力是人工智能的重要研究方向
连续测试场景中退化图像的动态自适应超分辨率
摘要：目的 图像超分辨率任务旨在从低分辨率图像中恢复出高分辨率图像。传统方法通常将研究范畴限定于实验室封闭环境下采集的、内容与退化类型均较为单一的静态域图像，并且假设训练环境与测试环境的数据分布相近。因此，当处于开放环境，面对诸如噪声、模糊以及光照变化等域漂移问题时，传统方法的性能会急剧下降。为提升超分辨率模型在持续变化的开放环境中的适应性和鲁棒性，提出持续测试动态自适应图像超分辨率新框架——CTDA-...
结合适配器增强的双阶段连续缺陷判别
摘要：目的 传统异常检测方法在工业产品缺陷判别中仅关注当前任务，从而导致在接受新任务训练时会灾难性地遗忘以前学过的知识。鉴于现实工业场景中对异常检测模型的灵活性和持续适应性的需求，结合连续学习方法提出一种适配器增强的双阶段连续缺陷判别方法（adapter-enhanced two-stage continual defect detection,AETS）以实现连续异常检测任务。方法 1）在AdaptF...
面向步态识别的局部时空卷积网络
摘要：目的 作为一种生物特征，步态通过行走习惯来区分目标身份。但由于视频数据的复杂性，隐藏在连续帧中的不受外部协变量干扰的运动状态很难被直接捕获。针对该问题，提出一种基于局部时空卷积的步态识别方法自主地学习步态运动模式。方法 受分块思想的启发，提出全局双向空间池化方法使步态张量降维，以局部条带为基本单位表示步态特征空间上的细节。并且设计了局部时空卷积层，使时域和空间域上的信息共同参与卷积运算，从而让二维...
融合局部与全局特征的单椎体2D/3D配准网络
摘要：目的 由于患者姿态的变换，术中完整脊柱图像无法与术前CT(computed tomography)形成刚体位置对应，现有的医学图像配准算法在处理脊柱的复杂结构时，常面临配准精度低和鲁棒性不足的问题。针对该问题，提出融合脊柱局部细节特征和全局位置特征的单椎体2D/3D刚性配准网络。方法 卷积神经网络通过多组可学习的卷积核增强模型学习椎体的形状和边界等局部结构的能力，Transformer通过自注意力...
引入全局感知与细节增强的非对称遥感建筑物分割网络
摘要：目的 针对遥感图像分割的区域连续性差、边界消失和尺度变化大等导致建筑物分割精度低的问题，提出一种基于全局感知与细节增强的非对称遥感建筑物分割网络（global perception and detail enhancement asymmetric-UNet,GPDEA-UNet）。方法 在U-Net网络基础上，首先构建了一个基于选择性状态空间的特征编码器模块，以视觉状态空间（visual sta...
多元特征级联增强和跨层自适应融合的雾天船舶重识别网络
摘要：目的 雾天环境下，船舶图像往往面临特征模糊和细节丢失，给船舶的准确识别带来了巨大挑战。针对此问题，提出多元特征级联增强和跨层自适应融合的雾天船舶重识别网络。方法 针对雾天图像船舶特征模糊、难以识别的挑战，设计了多元特征级联增强模块，通过提取船舶全局和局部的多元特征，并融入密集连接进一步级联增强这些特征的清晰度，有效减轻雾对图像质量的影响，进而增强船舶的整体轮廓和细节结构的呈现，为后续重识别任务提供...
持续学习研究进展
摘要：持续学习（continual learning, CL）是机器学习领域的一个关键问题，旨在使模型在不断学习新任务的同时，避免灾难性遗忘，保持对先前任务的记忆。持续学习已在多个实际应用中扮演重要角色，如自动驾驶、机器人控制和医疗诊断系统等。本文旨在为学界提供持续学习领域的最新研究进展综述，并对未来可能的研究方向进行展望。为实现持续学习中新旧知识学习的“可塑性—稳定性”平衡，国内外研究者们提出多种方法...
类激活图回放和最小熵采样的多标签类增量学习
摘要：目的 多标签类增量学习旨在学习多标签分类任务时，能够持续学习新任务中的新标签信息，同时保持对之前学习任务的良好性能。不同于单标签连续学习中的标签互斥性假设，多标签连续学习中的跨任务标签无法被补全。因此，样本的大量标签缺失使得跨任务之间的关联被完全阻断，模型无法区别新类与旧类，导致相似类别的混淆。方法 为了解决类别混淆问题，提出一种类激活图回放和最小熵采样的多标签类增量学习，以实现跨任务的监督信息传...
持续测试时域自适应图像分类方法
摘要：目的 持续测试时适应（continual test-time adaption, CTTA）旨在不使用任何源数据情况下，使源预训练模型适应持续变化的目标域。目前持续测试时适应主要依赖于自训练方法，在基于平均教师模型框架下将数据增强后样本的预测值作为伪标签，构建一致性损失函数实现模型的自训练。然而，现有方法中使用随机数据增强策略忽视了域间差异的重要性，导致模型稳定性和泛化性失衡等问题，使得在某些域间...
三维模型视觉显著性检测研究综述
摘要：三维模型视觉显著性检测通过模拟人类视觉系统，定位模型中蕴含重要视觉信息的区域，广泛应用于模型简化、分割以及压缩等相关任务，是计算机视觉领域的研究热点。区别于图像和视频数据，三维模型体量庞大、数据分布不均匀，同时噪声数据较多，使得现有图像和视频视觉显著性检测方法难以被拓展应用，为三维模型视觉显著性检测任务带来了巨大的挑战。针对这一现状，首先对近年来国内外公开发表的三维模型视觉显著性检测方法进行概述，...
基于深度学习的图像反射消除方法综述
摘要：随着智能手机摄影的普及，图像数据采集变得极为便捷，但在透过透明介质例如玻璃窗进行拍摄时，玻璃反射的存在严重影响了图像质量，进而干扰下游计算机视觉任务的性能。反射消除作为计算摄像学与计算机视觉领域的重要研究问题，旨在从带反射图像中消除反射干扰以恢复清晰的背景图像。随着深度学习在计算摄像问题中的广泛应用，反射消除领域经历了快速发展，鉴于此，本文旨在围绕近年来基于深度学习的反射消除研究进展进行深入探讨。...
基于中文对话的多模态谎言检测数据集
摘要：目的 谎言检测通过分析个体的生理行为特征来识别其是否说谎，在刑侦和安全审查等领域具有重要应用。然而，目前缺乏公开的中文测谎数据集，考虑到语言和文化方面的差异，基于英文数据集研发的算法可能难以适用于中文语境。此外，现有数据集样本规模有限，在激发被试说谎动机方面存在不足。针对这些问题，构建了首个公开的中文多模态测谎数据集（Southeast University multimodal lie dete...
融合颜色查询与特征增强的图像上色方法
摘要：目的 图像上色在老照片修复和黑白电影增强等方面具有重要应用。现有方法在颜色预测过程中由于无法保证色彩的一致性，缺乏对局部细节的精细处理，导致某些色彩区域的上色效果不佳。方法 采用编码器—解码器结构，编码器用于提取灰度图像特征，解码器用于恢复空间分辨率。颜色预测网络通过丰富的视觉特征来细化颜色查询，并通过像素增强模块学习空间上的关注度来增强特定区域的像素。进一步，所提方法通过特征增强模块优化原图和生...
畸变自适应与位置感知的360°全景图像显著目标检测网络
摘要：目的 现有360°全景图像显著目标检测方法一定程度上解决了360°全景图像投影后的几何畸变问题，但是这些方法面对复杂场景或是前景与背景对比度较低的场景时，容易受到背景干扰，导致检测效果不佳。为了同时解决几何畸变和背景干扰，提出一种畸变自适应与位置感知网络（distortion-adaptive and position-aware network,DPNet）。方法 提出两个对畸变和位置敏感的自适...
长短程依赖特征金字塔的YOLOv7-tiny改进
摘要：目的 YOLOv7-tiny(you only look once version 7-tiny)成为实时目标检测领域的常用方法，由于其轻量化网络架构设计和较少的参数量，整个训练过程在单个网络中进行，检测速度快且不需要使用滑动窗口或候选区域，在资源受限、实时性要求高的任务中表现优异。然而，YOLOv7-tiny在特征融合阶段存在相邻层特征融合时信息丢失和非相邻层特征信息差异两个问题。为了解决上述问...
随机空洞卷积的图像分类网络
摘要：目的 针对图像分类任务中对于细粒度特征提取困难，同时背景噪声和不相关区域影响网络对目标特征学习的问题，本文提出随机空洞卷积的图像分类网络（image classification network with random dilated convolution,RDCNet）。方法 RDCNet网络以ResNet-34(residual network-34)为基线网络。首先，提出多分支随机空洞卷积...
基于动态多粒度图卷积网络的人体骨架行为识别
摘要：目的 基于图卷积网络的方法在人体骨架行为识别任务中越来越受欢迎，并取得了显著进展。传统图卷积在远距离节点信息交互方面的局限，导致在捕获骨架中非自然连接节点信息时表现不佳，同时现有致力于复杂空间建模的方法，也面临着特征冗余和参数量显著增加的问题。为此，提出一种基于动态多粒度图卷积网络的人体骨架行为识别方法。方法 本文根据人体关节点的不同组合方式重构骨架图，设计3种不同粒度的图结构，从而更好地捕获骨架...
微调SAM的遥感图像高效语义分割模型DP-SAM
摘要：目的 SAM(segment anything model)已经成为自然图像零样本分割的一个大模型基准。由于遥感图像的复杂性和场景多变性，且SAM是一个需要提示信息的分割模型，直接将这个“基础宏观模型”应用于遥感图像会导致过分割以及需要大量手动输入提示的问题。针对上述问题，提出一种通过微调将SAM用于遥感图像语义分割的高效方法。方法 首先，保留原生SAM的图像编码器模块但对其训练参数进行微调，并且...
自适应切片辅助增强的小物体目标检测
摘要：目的 在目标检测领域，深度学习模型已经取得巨大成功。但是已有的基于深度学习的目标检测算法在小物体目标检测中仍然困难重重，原因在于航拍图像多是更复杂的高分辨率场景，其中一些常见问题，如稠密度高、不固定的拍摄角度、目标物体尺寸小和高变异性等给现有目标检测方法带来巨大挑战。切片策略是近年来用于高分辨率图像小目标检测任务的众多优秀方法之一，然而现有的切片方法存在冗余计算问题，因此提出一种新的自适应切片方法...
相关科技期刊推荐
- 省级郑州轻工业学院学报(自然科学版)
- 国家级中国设备管理
- 国家级警察实战训练研究
- 北大核心煤矿安全
- 北大核心中国海洋大学学报
- 北大核心工程地质学报
- 北大核心江苏师范大学学报
- 北大核心生物化学与生物物理进展
- 北大核心有机化学
- 北大核心都市快轨交通
- 国家级中外食品工业(下)
- 北大核心地质与资源
- 北大核心辐射研究与辐射工艺学报
- 国家级中国刑事警察
- 省级华北航天工业学院学报
- 北大核心分析科学学报
- 国家级大飞机
- 北大核心机械制造与自动化
- 省级万家科学
- 北大核心金属热处理
- 北大核心沈阳工业大学学报
- 国家级技术物理教学
- 国家级水力采煤与管道运输
- 北大核心北京服装学院学报(自然科学版)
- 国家级大连海事大学学报(社会科学版)杂志
- 北大核心钢铁研究
- 省级国外坦克
- 北大核心高压电器
- 省级食品与健康
- 省级广东水利水电
核心期刊推荐
