改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

一种改进的基于暗通道先验去雾算法

在雾霾天气下图像质量受大气散射的作用,使得图像质量较差。针对以上问题,提出一种改进的暗通道图像去雾算法。由于带雾图像中局部区域暗通道分量不趋近于0,对大气光值的估计是通过局部像素点R、G、B三通道像素值的方差来判断其波动幅度。若波动较大,则选出三通道中的较小值为当前像素点的暗通道像素值;若波动较小,则通过其周围像素点中最小通道的均值来确定当前点的暗通道值,从而得到精准的暗通道图和大气光值。将采样的方式加快求取透射率图的速度,最后转变为HSI颜色空间可以对图像进行更好的复原。实验结果表明,该算法可以针对色彩失真的状况得到有效的改善,同时在得到去雾图像速度上提高50%以上。     

裂缝性低渗油藏复合体系协同驱油适应性研究

针对低渗油藏注水开发过程中对储层微裂缝简单调驱后，注入水易沿高渗条带发生绕流造成开发效果严重受限的问题，评价了泡沫体系起泡、稳泡性能和一种改性淀粉凝胶成胶性能，开展了泡沫微观调驱和裂缝性低渗岩心复合体系协同驱油实验，并利用径向流模型模拟油藏实际井网对复合体系协同驱油适应性进行了验证。实验结果表明：起泡剂和稳泡剂最佳质量分数分别为0.5%和0.1%，改性淀粉凝胶体系成胶后具有较高强度和突破压力；注入泡沫体系后水驱，小孔隙微观驱油效果较前期水驱提高14.21%，其在渗透率级差约为30时具有更好的调剖性能；裂缝性低渗油藏水驱过程中，采用改性淀粉凝胶联合泡沫协同驱油效果最佳，其较注入单一改性淀粉凝胶或泡沫体系后水驱采收率可分别提高22.17%和46.07%，且径向流模型验证实验表明该协同驱油方法在裂缝性低渗油藏的适应性较好。     

基于张量分解融合RGB-D图像的物体识别

为了充分利用RGB-D图像的深度图像信息，提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量，然后将该四阶张量分解为一个核心张量和四个因子矩阵，再利用相应的因子矩阵将原张量进行投影，获得融合后的RGB-D数据，最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明，利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率，并且单一错分实例的准确率最高可提升99%。     

GFTT+FREAK的小型测绘无人机遥感图像自动拼接技术

针对目前广泛应用的小型测绘无人机遥感影像易受尺度、倾斜和光照等变化影响,导致影像拼接难度大的问题,提出了一种基于GFTT+FREAK的局部特征匹配能够适用于小型测绘无人机的遥感影像拼接方法,该算法可以直接提取未经预处理的测绘无人机拍摄图像的局部特征,通过局部特征匹配进行图像拼接,保证拼接准确性的同时,大大提高了测绘影像拼接的效率。     

基于小波变换的分数阶微分算法在肝脏肿瘤CT图像纹理增强中的应用

图像纹理增强过程中容易丢失平滑区域纹理细节，而分数阶微分增强虽然能够非线性保留平滑区域纹理细节，但对频率分辨率敏感。针对这个问题，提出一种基于小波变换的分数阶微分纹理增强算法，应用于平扫计算机断层扫描（CT）图像的肝脏肿瘤区域的纹理增强。首先，通过小波变换将图像感兴趣区分解成多个子带分量；其次，基于分数阶微分定义构造一个带补偿参数的分数阶微分掩膜；最后，使用该掩膜与每个高频子带分量进行卷积并利用小波逆变换重组图像感兴趣区。实验结果表明，该方法在使用较大分数阶次显著增强肿瘤区域的高频轮廓信息的同时，有效地保留了低频平滑的纹理细节：增强后的肝细胞癌区域与原区域相比，信息熵平均增加36.56%，平均梯度平均增加321.56%，平均绝对差值平均为9.287；增强后的肝血管瘤区域与原区域相比，信息熵平均增加48.77%，平均梯度平均增加511.26%，平均绝对差值平均为14.097。