ytsu@tju.edu.cn
无
教授
数字图像/视频平滑滤波盲取证技术研究

---

数字视频篡改盲检测技术研究
一种视频数据复制控制系统及方法

---

一种电视台标删除检测方法

---

基于数字水印的AVS光盘复制控制方法

---

一种基于拉普拉斯图关系与多视角特征融合的细胞分类方法

---

本发明涉及细胞分类领域，特别涉及一种基于拉普拉斯图关系和多视角特征融合的细胞分类方法。

---

一种基于SVM-rank的有丝分裂事件识别方法

---

一种图像重采样操作插值类型识别方法

---

基于张量时域相关性分解模型的时间序列分析方法

---

一种基于结构化特征的情感分析方法

---

一种基于排序方法的人体动作识别方法

---

一种基于多层级特征的人体动作识别方法

---

一种基于LSTM的多标签视频事件检测算法

---

一种基于深度学习的视频理解方法

---

一种基于部分共享池混合树模型的人脸检测，姿态估计和标记定位方法

---

一种基于属性分类与多视角特征融合的微视频流行度预测方法

---

一种基于支持向量机排序的有丝分裂定位和识别的方法

---

一种基于张量分解的手势分类方法

---

---

一种基于LIRE的三维模型检索方法

---

一种图像重采样检测方法

---

一种基于低秩张量与层次化字典学习的高分辨率图像重构方法

---

基于多线性自回归模型的时间序列分析方法

---

基于稀疏编码张量分解技术的动作识别方法

---

面部皮肤发红区域的提取方法

---

一种基于分块组合的移动设备视频水印方法

---

舌分割及舌苔舌质分离方法

---

一种基于线性判别分析的开放视角动作识别方法

---

一种基于多模态信息的自动化结果生成方法

---

一种基于帧间自相似的动作识别方法

---

一种基于池化时间序列特征表示的细胞分裂事件识别方法

---

数字音视频信息隐藏过滤方法

---

提出一种电视台标删除检测方法，实现对特定篡改操作的鉴别。本发明方法的检测特征维度低，能够有效减少训练的时间，且具有优秀的检测准确率，同时填补了相关研究在电视台标删除检测方面的空白。

---

---

本发明涉及细胞分类领域，特别涉及一种基于拉普拉斯图关系和多视角特征融合的细胞分类方法。

---

本发明提供了一种基于低秩约束和多视角特征融合的微视频流行度预测方法，避免了单一视角的特征对于流行度预测的局限性，另外采用低秩约束处理各视角的特征，使得建立的特征之间的拉普拉斯矩阵有更高的稳定性.

---

本发明提供了一种基于SVM-rank的有丝分裂事件识别方法，本发明避免了训练隐含时序模型的过程，通过将一个排序函数学到的参数作为序列的特征向量，该向量能很好地捕捉序列整个的外观特征和序列在时间上的变信息，不但大大提高了识别的准确率，而且简单高效，易于实现.

---

本发明的一种图像重采样操作检测方法，通过本发明方法的检测特征维度低，能够有效减少用于支持向量机（SVM）分类器的训练时间。本方法抗压缩的能力强，且具有优秀的检测准确率，同时填补了相关研究在图像重采样检测方面的空白。

---

本发明提供了一种用于对时间序列进行分析的算法，本发明通过在张量分解的框架中引入时域相关性模型可以各项异性的对时间序列的空域维度以及时域维度同时进行处理，在去除时间序列空域中的噪声和冗余信息的同时，控制了时间序列时域信息之间的内在联系，保持了时间序列在时域上的连续性。

---

发明提供了一种无监督情感分析方法，避免了监督类方法中需要大量被标注的数据来训练分类器，难以分析并进行一般化，降低了CPU处理、内存需求及训练时间的计算开销。

---

一种基于排序方法的人体动作识别方法

---

一种基于多层级特征的人体动作识别方法

---

本发明提供一种基于LSTM的多标签视频事件检测算法。该算法能够基于深度学习网络进行端到端的优化，并能够同时检测多个同时发生的事件，大幅提高了监控视频处理的效率和准确率。

---

本发明提供一种基于深度学习的视频理解算法。该算法能够基于深度学习网络进行端到端的优化，并基于视频的时间维度信息和图像信息进行处理，大幅提高视频理解输出信息的有效性和准确率。

---

本发明提供了一种基于部分共享池混合树模型的方法，将每个面部标记作为一部分进行建模，并使用全局混合来捕获由于视角而导致的拓扑变化。并且在所有任务中都表现得优于过去的成果，特别是在极端的观察视角下。从建模的角度来看，

---

本发明公开了一种基于拉普拉斯图关系和多视角特征融合的细胞分类方法，包括以下步骤：对每一个细胞提取3种典型的特征：sift，gist和hog特征；利用神经网络的全连接层对提取的特征进性优化改进；计算细胞在不同的视角特征空间中的拉普拉斯图关系；利用不同视角特征的拉普拉斯矩阵，将特征投影到公共子空间中；基于拉普拉斯矩阵，利用半监督的方法对细胞进行分类预测。

---

一种基于支持向量机排序的有丝分裂定位和识别的方法，本发明避免了训练隐含时序模型的过程，提出了一种能够有效表征候选子序列中每一帧所包含的外观特征和时序特征。不但简单高效，易于实现，而且在完成了对候选序列的阶段性定位的同时，提高了识别的准确率。

---

本发明涉及面部识别领域，特别涉及一种面部识别和聚类的联合嵌入模型。

---

本发明提供了一种基于神经网络的人体动作识别的方法，避免了大量噪声特征对分类结果的影响，避免了固定样本长度对动作识别结果的负面影响。

---

本发明涉及三维模型检索领域，特别涉及一种基于LIRE（Lucene Image Retrieval，基于Lucene检索引擎的图片检索系统）的三维模型检索方法。

---

提出一种图像重采样操作及类型识别方法，实现对图像重采样操作的识别。本发明方法的检测特征维度低，能够有效减少用于支持向量机（SVM）分类器的训练时间，且具有优秀的检测准确率，同时填补了相关研究在图像重采样操作及重采样类型识别方面的空白。

---

发明提供了一种基于低秩张量和层次化字典学习的高分辨率图像重构方法，避免了图像重构时对于外部数据库信息的依赖，采用张量的表示方法保留了图像的基本结构信息，提高了高分辨率图像重构的精度。

---

本发明提供了一种用于对时间序列进行分析的算法，本发明通过在张量分解的框架中引入自回归模型可以各项异性的对时间序列的空域维度以及时域维度同时进行处理，在去除时间序列空域中的噪声和冗余信息的同时，控制了时间序列时域信息之间的内在联系，保持了时间序列在时域上的连续性。

---

本发明提供了一种解决视频序列不等长的算法，本发明降低了手势识别的难度，提高了手势识别的准确性，为后续的视频序列分类提供了良好的条件，提升视频序列分类的准确率。

---

本发明属于数字图像处理领域范畴，具体来说一种从面部皮肤图像中，将由于各种皮肤疾病而导致颜色发红区域提取出的方法，本质上是图像分割问题。

---

提出一种新的基于分块组合的移动设备视频水印算法，客服传统空间域视频水印算法鲁棒性差的缺点，包括嵌入水印与提取水印两部分，旨在应用于移动设备上，维护移动设备拍摄视频的版权。

---

本发明是一种从带有舌、嘴唇、牙齿以及嘴周围皮肤的图像中将舌头分割出，并且将舌头分为舌苔和舌质两部分的方法。

---

本发明提供了一种基于线性判别分析的开放视角动作识别方法，本发明通过学习不同视角下动作样本的相关性，实现了将已知和未知视角下的动作样本表征信息投射相同的向量空间进行动作识别.

---

本发明提供了一种基于多模态信息的自动化结果生成方法，本发明实现了利用在不同模态和不同社交网络上的多媒体数据自动生成相关结果。

---

本发明公开了一种基于帧间自相似的动作识别方法，所述动作识别方法包括以下步骤：对处理后的动作样本提取全局光流特征，并用特征矩阵来表示每一个动作样本；根据动作样本特征矩阵计算各帧特征之间的自相似性得到自相似矩阵；从自相似矩阵中提取出每一个动作样本的新的特征向量；根据新的特征向量通过支持向量机学习分类模型，用学习得到的模型对测试样本的新的特征向量进行动作分类，完成在未知视角下的动作识别任务。

---

本发明提供了一种细胞分裂事件检测方法，避免了对序列的每一帧进行分析，而是将整个序列在空域和时域上联合作为整体，保留了帧与帧之间的时域关系，提高了序列分类预测结果，可以应用于多种视频序列内容分析。

---

Smooth filtering identification based on convolutional neural networks

---

Exposing digital video forgery by detecting motion compensated edge artifact

---

Spatiotemporal Joint Mitosis Detection Using CNN-LSTM Network in Time-Lapse Phase Contrast Microscopy Images

---

A spatial-temporal iterative tensor decomposition technique for action and gesture recognition

---

一种新型视频信息隐藏分析算法

---

A video steganalytic algorithm against motion-vector-based steganography

---

A novel source MPEG-2 video identification algorithm

---

Exposing digital video logo-removal forgery by inconsistency of blur

---

Detection of blue screen based on edge features

---

A frame tampering detection algorithm for MPEG videos

---

Detection of double-compression in MPEG-2 videos

---

A source video identification algorithm based on motion vectors

---

Surveillance video sequence segmentation based on moving object detection

---

Detection of double MPEG-2 compression based on distributions of DCT coefficients

---

Discovering latent attributes for human action recognition in depth sequence

---

Max-margin discriminative random fields for multimodal human action recognition

---

Single/cross-camera multiple-person tracking by graph matching

---

HyperSSR: A hypergraph based semi-supervised ranking method for visual search reranking

---

Hierarchical Clustering Multi-Task Learning for Joint Human Action Grouping and Recognition

---

Predicting Image Memorability Through Adaptive Transfer Learning From External Sources

---

A Tensor-Driven Temporal Correlation Model for Video Sequence Classification

---

Low-rank Multi-view Embedding Learning for Micro-video Popularity Prediction

---

Median filtering forensics in digital images based on frequency-domain

---

Hierarchical Image Resampling Detection Based on Blind Deconvolution

---

Benchmarking a multimodal and multiview and interactive dataset for human action recogniti

---

Digital Video Steganalysis Based on a Spatial Temporal Detector

---

A new video steganalysis based on mode detection