高能碰撞实验数据非整数分割时的阶乘矩分析

在对相空间用非整数分割作阶乘矩分析时,由二粒子或多粒子关联所引起的非均匀因素的影响必须加以认真考虑.本文对高能碰撞末态粒子的阶乘矩在相空间进行非整数分割时的分析方法进行了仔细研究,建立了一套完整的对非整数分割下阶乘矩的分布进行修正的方法.用NA22实验组的实验数据计算,证明其方法是正确的.     

基于SRN-UNet的低质量虹膜分割算法

针对低质量虹膜图像分割精度低问题,提出一种基于SRN-UNet(SEResNext-UNet)的虹膜分割算法.在编码阶段增加SE-ResNext模块,该模块在RexNext模块后级联SENet(Squeeze-and-Excitation Network)模块,以聚焦目标特征,在不增加网络参数的情况下提升分割精度和网络...     

改进的多分辨纹理图像分割算法

提出了一种改进的有监督纹理图像的分割算法。基于实际纹理图像是分割图像叠加了不规则噪声的假设,用被污染的高斯分布描述待分割的图像,并且利用多分辨模型得到代分辨层上的模型参数,从而实现由粗到细直到纹理图像的每个像素的分割。另外在禽域关联为先验信息利用上更为合理。所以这种方法不仅计算量小,而且分割结果也较为精确。     

基于小波-双马尔可夫随机场的纹理分割

传统高斯金字塔马尔可夫随机场模型仅仅捕捉图像低频信息,纹理分割效果不太理想.根据纹理图像小波分解后各频带的统计性质和层次关系,优化频带选取,提出了一种变形小波结构,建立了融合这种结构上尺度内部和尺度之间关系的双马尔可夫随机场模型,引入了一种近似最大联合概率分割算法,并从理论上分析了该算法的合理性.实验表明,与基于高斯金字塔马尔可夫随机场模型的分割方法相比,该算法分割质量明显提高;并且,对模型中自由参数的选取进行比较,证实它们在给定区间上的选择具有鲁棒性.     

面向机器人手术模拟器的神经辐射场软组织动态三维重建

构建了一种基于自监督的框架,该框架从单目立体内窥镜视频中提取多视图图像,利用图像中的底层三维（3D）信息构建对象的几何约束,实现软组织结构的准确重建。基于分割任意场景模型对内窥镜下的动态手术器械、静态腹腔场景及可形变软组织结构进行分割解耦。该框架利用简单的神经网络多层感知机来表示动态神经辐射场（NeRF）中运动手术器械和形变软组织结构,基于偏斜熵损失对手术场景中的手术器械、腔体场景和软组织结构进行正确分离。在通过使用单目立体内窥镜捕获机器人手术模拟器场景的数据集上,将所提方法的结果与其他方法进行定量定性比较。结果表明本文方法在处理腹腔体场景、软组织结构重建、手术器械的分割解耦,以及来自多视点的3D信息和运动对象的图像分割等方面显著优于当前的方法。     

反求工程在工业设计中的应用

介绍了反求工程全新的逆向思维设计方法在制造业中的应用，表明了反求工程技术在工业设计中存在着巨大的应用潜力，尤其是工业设计中三维造型设计技术的广泛应用，为反求工程技术的应用奠定了良好的基础。     

基于U-net模型的航拍图像去绳带方法

光启云端号平台是用电缆绳索牵引气囊的, 由于空中航拍摄像系统悬挂在气囊下方, 摄取的图像不可避免地含有绳带信息, 这些绳带信息影响图像质量, 所以在场景分析和目标检测中需要剔除。提出一种基于U-net模型的绳带检测算法, 引入深度可分离卷积提高计算速度, 采用一种带权重的交叉熵作为损失函数, 解决类别不均衡带来的收敛不稳定问题, 最终的模型能够用较少的样本在较短的时间内, 快速准确地检测绳带, 利用快速行进修复算法(FMM)对绳带图像进行了修复。实验结果表明:该算法的mIOU达到62.8%, 得到了较好的去绳结果。     

融合形态学连通域和CV模型的民族服饰图案纹样元素分割方法

对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题。通过融合形态学连通域标记和CV模型（MCC-CV）,提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割。实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率（BR）为0.5时,分割准确率为60%,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的基本要求。     

基于超像素时空特征的视频显著性检测方法

提出一种基于超像素时空特征的视频显著性检测方法。所提方法可对图像进行超像素分割,提取颜色梯度和运动梯度特征,以构建超像素级时空梯度图。用平均加权测地距离来衡量时空梯度图上每一个超像素相对于其邻域的时空显著程度,形成时空显著图。根据时间域上目标运动的连续性,并借助熵的概念来表征运动模式的一致程度,构建运动一致性图。融合时空显著图和运动一致性图,通过自适应阈值处理定位运动目标。实验从可视化分析和定量评估两个方面将所提方法与其他算法进行对比,结果表明所提方法具有较强的抗环境干扰能力,适用于背景纹理复杂或环境随机变化的视频中运动目标的检测,其检测准确率高达92%。     

基于全卷积神经网络的多尺度视网膜血管分割

提出了一种基于多尺度特征融合的全卷积神经网络的视网膜血管分割方法,无需手工设计特征和后处理过程。利用跳跃连接构建编码器-解码器结构全卷积神经网络,将高层语义信息和低层特征信息进行融合;利用残差块进一步学习细节和纹理特征;利用不同空洞率的空洞卷积构建多尺度空间金字塔池化结构,进一步扩大感受野,充分结合图像上下文信息;采用类别平衡损失函数解决正负样本不均衡问题。实验结果表明,在DRIVE(Digital Retinal Images for Vessel Extraction)和STARE (Structured Analysis of the Retina)数据集上的准确率分别为95.46%和96.84%,敏感性分别为80.53%和82.99%,特异性分别为97.67%和97.94%,受试者工作特征(ROC)曲线下的面积分别为97.71%和98.17%。所提方法相较于其他方法性能更优。