A segmentation method for noisy photoelectric image

In order to improve the ability of noisy photoelectric image segmentation and satisfy the requirement of human visual apperception, a noisy photoelectric image segmentation method is proposed in this paper. Firstly, the basic principle of FCM algorithm is analyzed in detail. Secondly, on the basis of PCM algorithm, only such pixels affected by noise lesser that centralized in the diagonal area of two-dimensional histogram is actualized image processing, and the probability of the pixel that lie in such area is obtained. Thirdly, objective function, membership matrix and cluster centers are renovated on the basis of PCM algorithm. Finally, experiment contrast between our method and other methods is executed, the results of experiment indicate that our method has relatively better segmentation quality and faster segmentation speed.     

医学影像处理的深度学习可解释性研究进展

随着医学影像数据的迅速增长，传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断，可大大缓解人工阅片压力，提高诊断的准确性，促进医疗流程的标准化建设等。目前，深度学习卷积神经网络在医学影像处理中已取得不俗表现，但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解，对近几年相关研究进展进行了综述。首先，综述了深度学习在医学领域的应用现状及面临的问题，对神经网络的可解释性内涵进行了讨论；然后，从现有深度学习可解释性的常见方法出发，重点讨论了医学影像处理的深度学习可解释性研究进展；最后，探讨了医学影像处理的深度学习可解释性的发展趋势。     

面向自然场景图像的三阶段文字识别框架

文字识别技术在文档管理、图像理解、视觉导航等中具有重要应用。然而，自然场景中的文字通常排列任意、形状不一、字体多样，难以被检测和识别。提出了面向自然场景图像的三阶段文字识别框架，该框架包括文字检测、文字矫正和文字识别。首先，利用特征金字塔网络分割图像中的字符，基于双向长短期记忆网络获取字符间的亲和度，连接孤立字符构建单词行，文字检测率（F分数）高达91.97%。然后，通过多目标矫正网络矫正被检测文字，以应对场景图像文字的复杂形变，增强阅读性。最后，通过注意力序列识别网络按序输出预测结果，实现单词级识别，文字识别正确率达84.98%。     

基于滑移速度壁模型的复杂边界湍流大涡模拟

采用滑移速度壁模型实现了浸入边界方法与壁模型相结合的大涡模拟.本文首先分别采用平衡层模型和非平衡壁模型对周期山状流进行数值模拟,以考查在壁模型中考虑切向压力梯度的作用.数值结果表明,流场的压力对本文所采用的壁模型形式并不敏感,但是考虑切向压力梯度可以显著改进壁面摩擦力的计算结果,并且能够准确的预测强压力梯度区以及分离区内的流动平均统计特性.不考虑压力梯度效应的平衡层模型显著低估了壁面摩擦力的分布,同时无法准确预测分离区内的平均速度剖面.非平衡模型的修正项正比于切向压力梯度和壁面法向距离,因此在强压力梯度区或者网格较粗时,计算得到的平均压力和摩擦力分布以及流动的低阶统计量均与参考的实验和计算结果吻合.在此基础上,通过回转体绕流的大涡模拟考查了该方法用于模拟高雷诺数壁湍流的适用性,非平衡壁模型可以准确地捕捉流动的物理结构并较准确地预测其水动力学特性.结果表明,将浸入边界方法与非平衡滑移速度壁模型相结合的大涡模拟,有望成为数值模拟复杂边界高雷诺数壁湍流的工具.      

大涡模拟的壁模型及其应用

大涡模拟是研究湍流的非定常特性的重要方法. 但解析壁面层的大涡模拟所需的计算量与直接数值模拟相当,是大涡模拟在高雷诺数壁湍流数值模拟中所面临的主要困难. 解析壁面层所需的网格尺度与壁面黏性长度同量级,是引起壁湍流大涡模拟计算量增加的主要原因. 壁模型通过模化近壁流动避免了完全解析壁面层,可以显著地降低壁湍流大涡模拟的计算量,是克服上述困难的有效方法. 本文介绍了大涡模拟壁模型的主要类型;详细讨论了常用的壁面应力模型,特别是平衡层模型和双层模型的构建思路和特点;基于近壁流动的特征讨论了应力边界条件的必要性和适用性;指出了壁面应力模型的局限性以及考虑非平衡效应修正的各种方法;讨论了壁面应力模型的研究历史、最新进展和发展趋势,给出了常用的壁面应力模型的分支与发展关系图;并基于Werner-Wengle模型实现了周期山状流的大涡模拟.      

一种方向梯度直方图的降维方法

为描述对象的局部外观和形状,方向梯度直方图首先将图像划分成小区域(被称为cell),然后在其上累加像素梯度方向的一维直方图.在被称为block的较大区域(由数个相邻的cell组成)上连接cell的直方图,经归一化处理形成特征向量.为减弱由block引起的区域量化走样,在计算检测窗口的特征时,采取部分重叠block的措施,从而大大增加了特征维度以及目标检测时的计算量.通过扩大参与相邻cell之间像素梯度插值的面积,并设置适当的高斯平滑核尺度,可消除block重叠,从而将64×128尺寸的窗口的方向梯度直方图特征维度由3 780降低为1 152.INRIA的行人数据集实验表明,该方法也可减弱区域量化走样,且其性能与原方向梯度直方图几乎相当,而检测速度却显著提高.