自适应尺度信息的U型视网膜血管分割算法

针对视网膜血管形态结构和尺度信息复杂多变的特点,提出一种自适应血管形态结构和尺度信息的U型视网膜血管分割算法。首先采用二维K-L(Karhunen-Loeve)变换(即霍特林变换)综合分析彩色图像三通道的频带信息,从而得到视网膜灰度图像以及多尺度形态学滤波增强血管与背景的对比度信息。然后将预处理图像经U型分割模型对图像进行端对端训练,并利用局部信息熵采样进行数据增强。该网络编码部分的密集可变形卷积结构根据上下特征层信息有效地捕捉图像中多种尺度信息和形状结构,底部金字塔型的多尺度空洞卷积扩大局部感受野,同时解码阶段带有Attention机制的反卷积网络将底层与高层特征映射有效结合,解决权重分散和图像纹理损失的问题。最后通过SoftMax激活函数得到最终的分割结果。在DRIVE(Digital Retinal Images for Vessel Extraction)与STARE(Structured Analysis of the Retina)数据集上对该算法进行了仿真,准确率分别达到97.48%与96.83%,特异性分别达到98.83%与97.75%,总体性能优于现有算法。     

基于粒子群算法的球磨机情感智能自适应辨识算法

制粉工艺在矿物加工工程技术中极其重要,而球磨机正是其关键设备。针对球磨机系统时变性、非线性的特点,提出了采用大脑情感学习模型(Brain Emotional Learning, BEL)对球磨机系统实现正向模型和逆模型辨识,并利用粒子群算法(PSO)对整个参数空间进行高效并行搜索使参数最优化,并给出球磨机系统数学模型辨识算法。仿真结果表明,改进方法可使模型输出与球磨机系统输出或输入达到一致,具有模型辨识误差小、算法简单的特点。