基于U-Net的盐体识别方法

卷积神经网络在计算机视觉领域取得重大突破，利用其强大的图像处理能力，将地下沉积盐体的识别问题转化为图像语义分割问题，应用深度卷积神经网络实现盐体地震图像的像素级语义分割.本文在U-Net基础上，增加网络深度并同时引入批归一化和Dropout处理，使得神经网络模型具有更高的可信度和更强的泛化能力.通过实验发现，在卷积层之后引入批归一化处理，并在池化层和叠加层之后引入Dropout可以稳定提升模型对盐体图像的分割性能.     

基于图像的二维剪纸自动生成方法

中国剪纸的设计极具挑战性, 要求画面简洁、直观, 还需要表达特定的文化内涵, 且整张剪纸须整体连通。提出了一种基于图像的二维剪纸自动生成方法, 能够将任意数码照片自动转化为剪纸图形。首先，利用图像分割方法建立区域连接图; 接着, 基于该连接图对颜色、边界对比度和区域连通性进行数学建模, 并获得优化目标函数; 最后, 通过模拟退火算法求解目标方程, 自动生成保持图像内容的剪纸图形。还开发了连通性后处理和区域指定等用户交互工具, 允许用户在自动生成的剪纸图形中方便地加入个人设计。实验表明, 所生成的剪纸图形画面简洁、整体连通。 本方法在降低剪纸设计难度的同时还可满足个性化的设计需求, 有助于传播和传承我国的民间剪纸艺术。     

结合区域提取和改进卷积神经网络的水下小目标检测

针对水下小目标信息量有限而难以提取有效特征导致的检测性能不佳问题,提出了一种结合区域提取和融合Hu矩特征的改进卷积神经网络水下小目标检测方法。该方法包含区域提取和分类两个步骤。首先以马尔可夫随机场分割算法为基础进行区域提取,对潜在目标定位的同时降低伪目标对后续分类的干扰;然后提取潜在目标区域的Hu矩特征并融入卷积神经网络,形成一种形状特征表征能力更强的改进卷积神经网络用于分类。声呐实测数据处理结果表明,该方法可以有效提升对水下小目标的发现概率和正确报警率,与其他目标检测方法相比,该方法具有更好的检测性能和泛化性。     

基于小目标类别注意力机制与特征融合的AF-ICNet非结构化场景语义分割方法

针对非结构化道路分割难度大、小目标检测精度较低等问题,构建基于小目标类别注意力机制与特征融合的AF-ICNet轻量级实时语义分割网络。采用空洞空间卷积池化金字塔融合不同尺度特征感受野以增强网络的全局感知能力。嵌入CA注意力机制,建立通道信息和空间位置信息以增强网络对非结构化道路小目标类别语义特征的提取能力。针对类别分布不均衡问题,改进权重交叉熵损失函数。利用AF-ICNet模型对Cityscapes与IDD数据集进行训练,在Cityscapes测试图像中分割的MIoU达到了71.5%,在IDD测试图像中分割的MIoU达到了62.5%。搭建实验测试系统进行实景测试,测试结果表明,AF-ICNet有效提升了非结构化道路及小目标类别的分割精度,并满足测试的实时性要求。     

低分辨率医学图像的多图谱分割方法

基于多图谱的图像分割方法因其分割精度高和鲁棒性强,在医学图像分割领域被广泛研究,主要包含图像配准和标签融合两个步骤.目前对多图谱分割方法的研究通常都是在图谱图像和待分割目标图像具有相同分辨率的情况下展开的.然而,由于受图像采集时间,采集设备等影响,临床实践中采集的影像大多是低分辨率数据,使得目前在影像研究中广泛使用的方法无法有效应用于临床实践.因此,针对这一问题,我们结合图像超分辨率恢复方法,提出了精确鲁棒的低分辨率医学图像的多图谱分割方法,实验结果显示提出的方法显著地提高了多图谱分割方法的分割精度.     

具有最小反对称分割指数的化学树

设图$G$,其中边集为$E(G)$,顶点集$V(G)$.反对称分割指数被定义为$ISDD(G)=\sum_{uv \in E(G)}\dfrac{d_ud_v}{d_u^2+d_v^2}$,其中$d_u$, $d_v$分别为顶点$u,v$的度.化学树就是顶点的度不超过4的树.在本文中,我们刻画出具有最小反对称分割指数的$n$阶化学树.     

基于X射线微焦CT的燃料颗粒空间距离自动测量方法

在某燃料元件产品中燃料颗粒随机弥散分布在非金属材料中,表征燃料颗粒的分布状况进而评估产品工艺质量具有重要意义。针对该问题,对三维空间内相邻燃料颗粒的间距测量进行了研究,使用X射线微焦计算机层析成像（CT）对该类产品进行了三维扫描成像,从而得到了三维CT图像。在三维CT图像的基础上,提出了一种结合改进型空间直觉模糊C均值聚类和三维区域生长的自动算法,用于分割图像中的燃料颗粒以得到每个燃料颗粒的空间结构。然后,通过计算质心获得燃料颗粒的中心坐标,进而自动计算出相邻燃料颗粒的空间距离。通过仿真实验验证了所提算法的可行性,通过标准球实验验证了测量误差,并通过实际燃料元件测试了相邻燃料颗粒间距的自动测量,表明了所提方法对燃料颗粒间距测量的有效性。     

铁质破片的高光谱图像识别研究

高光谱成像凭借高的光谱分辨率、图谱合一、波段多的特点,能够为待分类目标提供多维的参考信息,从而提高分类精度。爆炸破片的识别回收能够为爆炸威力的评估和防爆措施的设计提供参考。针对当前破片检测中多采用可见光波段或红外波段等单个波段进行检测,忽略了破片目标与背景对不同波长的光有着不同的吸收程度,没有将多波段破片特征充分利用,为此结合高光谱检测手段,提出了一种空间分割结合光谱信息的爆炸破片识别方法。在实验室环境下,首先采集铁质破片、石头、树叶的高光谱图像,对采集的样本图像数据做预处理,包括去噪声以及黑白校正反演反射率信息等,感兴趣区域随机提取三类样本像素点共750个,随机选取600个点作为训练集其余作为测试集,通过训练后得到预测准确度分别为88%、 88%、 94%的决策树模型。其次模拟了铁质破片散落在含有石头树叶的沙土中的场景并采集其高光谱数据,通过前后级联的空谱融合方法,在空域经过图像增强和去噪等预处理之后,采用边缘检测结合区域生长以及形态学处理的方法对空间图像进行分割,得到沙土上有形态的目标,空间分割的交并比(IOU)达到93.5%,真阳率(TPR)达到97.4%;然后结合光谱域训练得到...     

充满水的金属圆柱壳经受轴向撞击时屈曲过程的实验研究

本文报道了五种规格充满水的圆柱壳经受大质量低速度轴向撞击作用时屈曲过程的实验结果。研究表明由于液体的存在，圆柱壳的屈曲模态呈轴对称型的环带波纹，整个撞击过程可以明显地分为振荡的动力加载、平稳发展的后屈曲和迅速下降的弹性卸载三个阶段。并讨论了试件壁厚和高度等几何参数对其屈曲性能的影响。     

基于Faster-RCNN和Level-Set的桥小脑角区肿瘤自动精准分割

桥小脑角区（CPA）肿瘤的精准分割在手术治疗、放疗中有重要影响,本文结合更快速区域卷积神经网络（Faster-RCNN）和水平集（Level-Set）方法对CPA肿瘤的自动分割进行了研究.首先,采集317名CPA肿瘤患者的T₁WI-SE序列磁共振图像,使用基于Faster-RCNN主干网络VGG16提取特征,结合区域建议网络（RPN）进行学习训练,建立带有CPA肿瘤位置信息的定位模型,再应用Level-Set对肿瘤进行精准分割.本文对比了不同CPA肿瘤区域勾画范围对分割结果产生的影响,并以精确率、召回率、均值平均精度值（mAP）和戴斯系数（Dice系数）等指标评估了模型定位和分割的性能.实验结果表明,结合Faster-RCNN和Level-Set建立的模型能更有效对CPA肿瘤进行精准分割,减轻临床医生的负担,并提升治疗效果.