一种易于硬件实现的图像有损压缩算法

原始图像数据经过小波变换后,根据子带系数之间在空间上和方向上所呈现出的带间相似性,将像素集合重新定义为集合树。通过对直流系数量化编码和交流系数比特深度编码中的参数K和熵编码中长度分别为3bit码字（choicel）和4bit码字（choice2）的编码方式的选择实现数据的渐进性编码,使产生的码流具有内嵌特性,可以对任意码流进行截取和译码,实现对码率的有效控制。提出了一种具有复杂度低、易于硬件实现的图像有损压缩算法。经过系统仿真证明此算法有利于提高重建图像的质量。     

离散元与壳体有限元结合的多尺度方法及其应用

在深入研究复杂结构和非均质材料冲击响应和破坏机理的过程中,往往遇到多尺度计算问题。本文尝试建立三维离散元与壳体有限元结合的多尺度方法用于处理圆柱壳问题,该方法采用三维离散元对感兴趣的局域进行局部模拟,利用平板壳体有限元进行整体模拟,采用一种特殊的过渡层使离散元区和有限元区能很好的衔接。我们将这一方法应用于激光辐照下充压柱壳的热/力耦合冲击破坏响应,得到的模拟结果与文献报道有较好的吻合。     

二维多群辐射输运程序LARED-R-1的并行化

利用有向图描述数据依赖关系,应用已有的并行流水线通量扫描算法,实现基于非协调网格的二维辐射输运程序LARED-R-1的并行化.同时,采用消息缓冲技术提高并行程序的性能.经测试,对于典型的问题规模(100群、3800个网格单元、40个方向),在某并行机的64个和128个处理器上,并行程序分别获得80%和53%的并行效率.     

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.     

基于热图像的种蛋气室变化监测算法

种蛋气室的大小是监测种蛋孵化过程的重要指标之一。根据种蛋的热力学结构,种蛋在孵化过程中,包裹气室部分蛋壳会与其他部分蛋壳产生温差,从而可通过热红外图像进行观察。针对在种蛋孵化过程中,人工照蛋检测气室效率低的问题,探索设计了一种基于热图像的种蛋气室变化俯视监测算法。监测种蛋气室热图像的算法主要包括种蛋目标检测,种蛋图像分割和种蛋气室面积计算3个部分,其中种蛋的目标检测采用Faster-RCNN算法实现;种蛋图像分割采用BP神经网络算法实现;种蛋气室面积是在种蛋图像分割的基础上进行计算。使用孵化5天及以上的种蛋作为研究对象,并拍取种蛋的热图像进行试验。试验结果表明：种蛋热图像的目标检测的平均精度（mAP）为99.85%,拥有较好的检测效果。使用BP网络对种蛋进行图像分割。BP神经网络经过调参后,其网络最佳的结构为三层隐藏层,每个隐藏层拥有1 000个神经元,最优初始学习率为0.000 1,最优最大迭代次数为500。以F1-measure作为分割效果的评价指标,BP神经网络的图像分割总体结果为87.02%,Otsu算法的总体结果为65.25%。其中只有一个蛋的情况下,BP神经网络的分割结果为87.17%,Otsu算法的结果为68.86%。存在其他种蛋的干扰条件下,BP神经网络的分割结果为86.94%,Otsu算法的结果为61.64%,BP神经网络的分割效果优于Otsu分割算法,BP神经网络拥有更强的抗干扰能力。最后提取了孵化5～19 d种蛋的气室变化,通过观察种蛋气室大小曲线来监测种蛋的孵化情况,可看出随着天数的增加,气室有着明显变大的趋势。人工测量法与热红外测量法比较结果说明两者相关性为0.934 3,拥有较好的相关性。基于热图像的种蛋气室变化监测算法可在实际生产中实现种蛋的识别与气室大小的快速监测,为实现监测种蛋孵化的自动化提供了技术参考。     

面向情感语音转换的韵律转换方法

面向情感语音转换,该文提出了一种韵律转换方法。该方法包含基频转换和时长转换两个部分,前者选择离散余弦变换(DCT)参数化基频,根据基频的层次结构特点,将基频分解为短语层和音节层两个层次,使用基于混合高斯模型(GMM)的转换方法对两个层次分别进行转换;后者使用基于分类回归树(CART)的方法以声韵母为基本单位对时长进行转换。一个包含三种基本情感的语料库用作训练和测试,客观评测以及主观评测实验结果显示该方法可有效进行情感韵律转换,其中悲伤情感在主观实验中达到了接近100%的正确率。      

利用几何特性及神经网络进行人脸探测技术的研究

在人脸识别过程中 ,首先也是最重要的一个环节是人脸探测 ,因为一旦从图像中定位并提取到了人脸 ,那么下一步的人脸识别工作就变得非常容易。眼睛是人脸图像中最容易探测的部位 ,而且通过探测双眼来发现人脸最符合人的视觉习惯。提出了一种基于几何特征分析和人工神经网络的由粗到细的两级人脸探测方法。在第一级中 ,眼睛和脸是通过测量眼睛的尺寸和眼睛与脸的位置关系探测到的 ,第一级的输出是一个尺寸归一化的人脸 ,但偶尔也伴随着一个或多个因对复杂背景中与眼睛类似的物体的误判而得到的非人脸图像 ;第二级神经网络正是用来过滤掉第一级中被误判的人脸。实验表明 ,这种由粗到细的两级人脸探测系统具有很高的稳定性和探测正确率     

新光谱变换结合神经网络提取山区地形遥感水体信息

通过对比分析MNDWI结合阈值法和波段谱间关系结合阈值法这两种常见的水体信息法,针对其识别山体阴影和水体的准确率的不高的缺点,提出了一种新的光谱变换结合神经网络分类法。实验结果表明,新光谱变换结合BP神经网络的遥感分类方法基本上消除了山体阴影对水体提取的干扰,提取水体信息的效果比前两种方法要好。     

基于反向传播神经网络的阻抗断层图像重建新方法

电阻抗成像是通过对物体表面电压、电流的测量来重建物体内部阻抗分布或变化图像的一种新颖计算机断层成像技术。阻抗断层图像重建是一种病态的、非线性的逆问题。提出了一种全新的阻抗断层图像重建方法，它利用反向传播神经网络来表征物体内部阻抗变化位置与物体表面电压变化大小的非线性映射关系，从而可以根据对物体表面测量电压的变化先准确定位阻抗变化区域，再用线性近似方法重建阻抗变化图像，这种方法不仅具有一定的抗噪能力，而且成像精度和空间分辨率都大大好于逆投影方法。     

基于卷积神经网络特征提取的拉曼光谱分类研究

拉曼光谱物质定性识别已被广泛的应用于化工、安防、缉毒等行业和研究领域,但是传统的拉曼光谱分析技术依赖于光谱数据库,通过光谱特征提取进行识别。特征提取是拉曼识别的关键处理步骤,通常利用主成分分析,因子分析等方法进行特征提取,而后通过KNN,SVM和随机森林等方法进行光谱特征定性识别,当拉曼数据库不存在待定性物质时,易造成待检测物质的错误分类。针对此问题,提出一种基于卷积神经网络的对数据库缺少物质光谱识别方法。在实验过程中,采用九类,200余种精神类药品拉曼光谱作为测试对象,通过搭建卷积神经网络自动特征提取并利用Softmax分类器将200余种物质,按照Amphetamine, cathinone, cannabinoids等九种类别进行定性分析。通过与传统机器学习方法如K近邻,支持向量机等方法进行比较,基于卷积神经网络的模型识别准确性有显著提高,该方法可为拉曼光谱数据库的光谱识别检索提供一种新的识别方法。