多孔硅制备及在太阳能电池中的应用研究进展

多孔硅是通过对单晶硅片进行电化学腐蚀或适当的化学腐蚀而形成的一种纳米结构半导体材料。多孔硅纳米材料因其巨大的表面积、可调谐的光学性质和良好的相容性，被广泛应用于电子器件、生物传感、化学传感、药物传递、生物芯片等诸多领域。当前研究的挑战主要在于开发更简单高效的多孔硅纳米材料合成方法以及提高其在实际应用中的表现。综述了多孔硅纳米材料的制备方法及其光致发光在太阳能电池领域中的应用。     

基于GPU的三维人脸数据动态线性快速修复

基于CUDA和Open GL,根据三维人脸的深度与灰度数据构造三维点云模型,在更短的时间内显示具有逼真效果的三维人脸模型,并根据传统三维人脸点云显示对数据采集要求较高的缺陷,提出了一种用于修补低质量三维采集数据中出现的空洞现象的动态线性修复方法并使用GPU为算法进行了加速。该方法从人脸数据集中读取点云数据,逐行扫描寻找点云数据中出现的空洞并使用符合人脸本质特征的线性插值方式修补空洞。实验证明,该方法能得到远好于传统点云显示的效果,且经过GPU加速后显示效率得到大幅提高。     

自适应主动轮廓模型下的骨关节MRI快速分割

提出一种无须重新初始化的变分水平集自适应主动轮廓模型。该模型利用图像的局部特性自适应决定曲线的演化,同时加入局部C-V能量项,改进边界停止函数,提高对灰度分布重叠、分布不均匀及弱边界处理的鲁棒性,并加快了曲线演化的收敛速度。结合医学序列图像特点,利用Heaviside函数对当前截面分割结果进行分段常量化后投射至相邻界面作为初始化曲线,实现对序列图像的自动分割。最后,以骨关节磁共振图像中正常结构和病灶组织的分割实验对算法进行了验证。     

统计相似度特征的医学图像分割

基于偏微分方程和图论两类图像分割方法的一个共同之处是将分割问题转换成了能量函数的模型建立及其最优化过程。从这一共同点出发,将图像的局部统计分布特征和Bhattacharyya相似度信息相结合并引入到测地线主动轮廓模型(GAC)和图切分(GC)模型的能量函数构造中。改进后GAC算法相当于为模型引入了一个基于似然比检验的回拉力,可有效阻止弱边界处泄露;基于非参数估计的能量函数构造更适用于小样本和分布函数不恒定的情况,使得改进GC模型更完整地提取图像目标的细节部分。将改进GAC和GC模型应用至膝关节MRI序列分割,提出完整分割各骨骼与半月板等结构的框架。在实验与分析部分,进行了定量与定性的实验对比。对噪声与局部体效应影响下的膝关节MRI序列及其他医学图像的实验,结果表明本文方法能够有效提高分割精度。     

超分辨率重建的素描人脸识别

目的 基于学习的超分辨率重建由于引入了先验知识,可以更好地描述图像的细节部分,显著地增强图像的分辨率,改善图像的视觉效果。将超分辨率重建应用在素描人脸识别中,既可以增加人脸图像的质量也可以有效地提高识别精度。方法 首先利用特征脸算法根据素描图像合成人脸灰度图像,然后对合成的人脸图像利用稀疏表示进行超分辨率重建,最后利用主成分分析对重建前后的合成人脸分别进行识别。结果 在香港中文大学的素描人脸库(CUFS)上进行实验。经过超分辨率重建之后的人脸在眼睛等部位细节描述更好。同时,由于重建过程中引入了先验知识,重建之后的素描人脸识别率有提高。支持向量机算法得到的识别率由重建前的65%提高至66%,本文利用的主成分分析算法得到的识别率由重建前的87%提高至89%。结论 基于超分辨率重建的素描人脸识别算法可以有效地改善合成人脸图像的视觉效果并且提高素描人脸识别精度。     

一种彩色纹理图像的分割方法

纹理分析一直是图像理解和计算机视觉等领域研究的重点和难点,现有的纹理分割方法大多集中于研究灰度纹理图像,文中提出一种基于分形理论的BP神经网络原彩色纹理图像分割方法,该方法将彩色图像由RGB色彩空间转换为HSI色彩空间,根据亮度计算分数维、多重分形广义维数谱q-D（q)和“空隙”等纹理特征,同时加入归一化的色度和饱和度作为另外两个分类特征,采用经过有监督训练的BP神经网络作为分类器,通过对纹理图像的分割实验,结果证实该方法行之有效。     

基于相关型图像传感器3维人脸成像的3维AAMs人脸识别方法的研究

主动外观模型是基于统计分析建立物体2维模型的有效方法,它融合了目标的形状和纹理信息。在基于相关型图像传感器3维人脸成像的基础上,提出了一种建立3维人脸模型的方法,该方法利用由相关型图像传感器得到的深度信息和与之对应的亮度信息将2维AAMs扩展为3维AAMs,融合人脸的形状,纹理和深度信息来构建3维人脸模型。人脸识别实验结果表明,该方法在不同人脸姿态,表情和光照条件下识别效果要优于Eigenface和2维AAMs。     

基于残差混合扩张卷积的深度编解码人类精子头部分割网络

精子头部形状是精子形态分析中的一个重要指标,对诊断男性不育十分重要,因此准确高效地分割出精子头部至关重要.基于此,在残差网络的基础上融合扩张卷积与堆叠残差结构,构建了一个新型编解码分割网络.建立了一个用于分割人类精子头部的数据集,其中包含1207幅图像,并利用它来训练测试网络.所提出的网络能在多精子、无染色原图中获得优良的分割结果,在验证集上得到了96.06％ 的Dice系数.实验结果表明,堆叠残差模块和残差混合扩张卷积模块对分割效果有着显著提升作用.此外,本文网络处理的是呈现出精子真实形态的图像,其分割出的精准结果有利于医生临床诊断.     

多尺度判别条件生成对抗网络的前列腺MRI图像分割方法

目的 由MRI（magnetic resonance imaging）得到的影像具有分辨率高、软组织对比好等优点,使得医生能更精确地获得需要的信息,精确的前列腺MRI分割是计算机辅助检测和诊断算法的必要预处理阶段。因此临床上需要一种自动或半自动的前列腺分割算法,为各种各样的临床应用提供具有鲁棒性、高质量的结果。提出一种多尺度判别条件生成对抗网络对前列腺MRI图像进行自动分割以满足临床实践的需求。方法 提出的分割方法是基于条件生成对抗网络,由生成器和判别器两部分组成。生成器由类似U-Net的卷积神经网络组成,根据输入的MRI生成前列腺区域的掩膜;判别器是一个多尺度判别器,同一网络结构,输入图像尺寸不同的两个判别器。为了训练稳定,本文方法使用了特征匹配损失。在网络训练过程中使用对抗训练机制迭代地优化生成器和判别器,直至判别器和生成器同时收敛为止。训练好的生成器即可完成前列腺MRI分割。结果 实验数据来自PROMISE12前列腺分割比赛和安徽医科大学第一附属医院,以Dice相似性系数和Hausdorff距离作为评价指标,本文算法的Dice相似性系数为88.9%,Hausdorff距离为5.3 mm,与U-Net、DSCNN（deeply-supervised convolutional neured network）等方法相比,本文算法分割更准确,鲁棒性更高。在测试阶段,每幅图像仅需不到1 s的时间即可完成分割,超出了专门医生的分割速度。结论 提出了一种多尺度判别条件生成对抗网络来分割前列腺,从定量和定性分析可以看出本文算法的有效性,能够准确地对前列腺进行分割,达到了实时分割要求,符合临床诊断和治疗需求。     

表情变化的三维人脸特征分析方法

三维人脸因其对光照,装扮变化的不敏感成为人脸分析和识别发展的新趋势。但极易受表情变化的影响成为三维人脸研究发展的瓶颈。针对此关键问题提出一种新的不受表情变化影响的三维人脸分析方法:1)计算三维人脸曲面的内蕴特征测地线距离,提取等距测地线来描述三维人脸曲面特征;2)利用改进的SIFT算法进行特征匹配。在具有不同表情的三维人脸深度图上的实验结果表明,该方法无需复杂的注册,表情的鲁棒性和识别效果优于传统的三维人脸分析方法。