岩石三维图像裂缝提取方法

提出一种新的岩石三维图像裂缝提取算法。首先对三维岩石孔隙模型的每个连通分量执行表面重建、拉普拉斯网格平滑、网格简化等操作。根据三角网格面积和网格单位法向量方向特征,将三角网格划分为不同类别。利用形状因子判定每个三角网格类构成的三维空间结构是否具有裂缝特征。对具有裂缝特征的三维空间结构所包含的体素点集执行形态学膨胀操作,并与原始三维岩石孔隙模型连通分量的体素点集进行逻辑与操作,与操作结果即岩石裂缝。实验结果表明,该方法具有较好的裂缝提取效果。     

基于注意力掩模融合的目标检测算法

在计算机视觉任务中,平衡目标检测的精度与速度对于后续的实际应用如目标跟踪和识别起到关键作用。基于此,提出了一种基于注意力掩模融合的目标检测算法。首先,通过VGG网络提取特征,经过初步二分类和回归后得到一系列预选框;然后,将上述预选框输入到特征金字塔结构中,通过构建注意力掩模模块自适应地学习有效特征,同时融合特征金字塔结构与注意力掩模模块得到更具表征性的特征;最后经过多分类和回归得到多尺度的检测结果。在PASCAL VOC 2007和PASCAL VOC 2012数据集上展开了实验,测试集结果显示,在交集并集比(IOU)为0.5的条件下,对于320×320的图片输入,平均精度均值(mAP)分别为81.0%和79.0%,检测速度为60.9fps。本文算法将注意力信息结合到目标检测中,实现了通用目标检测的精度和速度均衡。     

柱状图中矢量岩性图例的动态绘制与编辑

测井曲线与岩性在石油、煤矿、地质探测中能清楚地表示地底层的含油、气、水等情况.岩性与测井曲线在岩心地底层必然存在相关一致性.现有系统采用ActiveX组件和XML模板技术实现了远程柱状图的绘制,但是存在两方面问题:一是以加载位图的方式绘制岩性,比例变化后图像不清晰,出现失真等毛刺现象;二是某些岩性不符合曲线描述的信息,违背了岩性与测井曲线的相关一致性.为解决当前系统出现的不合理问题,该系统基于B/S的模式,把ActiveX组件嵌入Web浏览器与用户进行交互操作.论文通过把岩性图例的标准格式和绘制命令保存到XML图例文件中,利用多线程下载、GDI+和ADO技术,并且采用动态显示技术在柱状图中实现岩性绘制.在岩心综合柱状图中,把每个绘制命令分解成各个功能不同的函数接口,采用GDI+方式来矢量填充岩性剖面和编辑矢量岩性图例.     

基于无线传感器技术的实验室监控系统设计

设计了一种基于Zig Bee无线传感器技术与嵌入式Linux平台的实验室监控系统。系统通过多种传感器获取实验室的环境信息,并将信息通过Zig Bee构建的无线网络发送到嵌入式Linux平台。嵌入式Linux平台作为Web服务器将数据共享给局域网中的用户计算机,达到监控的目的。该系统具有结构灵活、运行稳定、易于扩展等优点。     

H.264/AVC到HEVC快速帧内转码算法

为加快H.264/AVC到HEVC的转码速度,提出一种快速帧内转码算法。针对H.264/AVC和HEVC两标准间帧内预测块尺寸的差别提出一种合并宏块的方法,利用该方法得出的编码信息预判HEVC中最可能的帧内预测尺寸及最可能的帧内预测模式并简化HEVC中四叉树划分过程,从而降低转码过程中帧内预测的计算复杂度。实验结果表明,在编码效率和视频质量损失很小的情况下,所提出的转码算法平均节省了63.20%的编码时间。     

基于改进VGG网络的弱监督细粒度阿尔兹海默症分类方法

针对阿尔兹海默症（AD）患者和正常（NC）人之间核磁共振成像（MRI）图像差别小、分类难度大的问题,提出了基于改进VGG网络的弱监督细粒度AD分类方法。该方法以弱监督数据增强网络（WSDAN）为基本模型,主要由弱监督注意力学习模块、数据增强模块及双线性注意力池化模块等构成。首先,通过弱监督力注意学习模块生成特征图和注意力图,并利用注意力图引导数据增强,将原图和增强后的数据同时作为输入数据进行训练;然后,通过双线性注意力池化算法将特征图和注意力图按元素进行点乘,进而得到特征矩阵;最后,将特征矩阵作为线性分类层的输入。将以VGG19作为特征提取网络的WSDAN基本模型应用到AD的MRI数据上,实验结果表明,仅使用图像增强的模型的准确性、敏感性和特异性分别比WSDAN基本模型提高了1.6个百分点、0.34个百分点和0.12个百分点;仅利用VGG19网络的改进的模型的准确性和特异性相较WSDAN基本模型分别提高了0.7个百分点和2.82个百分点;以上两个方法结合使用的模型与WSDAN基本模型相比,准确性、敏感性和特异性分别提高了2.1个百分点、1.91个百分点和2.19个百分点。     

基于分块注意力机制和交互位置关系的群组活动识别

复杂场景下的群体活动识别是一项具有挑战性的任务,它涉及一组人在场景中的相互作用和相对空间位置关系。针对当前复杂场景下群组行为识别方法缺乏精细化设计以及没有充分利用个体间交互式特征的问题,提出了基于分块注意力机制和交互位置关系的网络框架,进一步考虑个体肢体语义特征,同时挖掘个体间交互特征相似性与行为一致性的关系。首先,采用原始视频序列和光流图像序列作为网络的输入,并引入一种分块注意力模块来细化个体的肢体运动特征;然后,将空间位置和交互式距离作为个体的交互特征;最后,将个体运动特征和空间位置关系特征融合为群体场景无向图的节点特征,并利用图卷积网络（GCN）进一步捕获全局场景下的活动交互,从而识别群体活动。实验结果表明,此框架在两个群组行为识别数据集（CAD和CAE）上分别取得了92.8%和97.7%的识别准确率,在CAD数据集上与成员关系图（ARG）和置信度能量循环网络（CERN）相比识别准确率分别提高了1.8个百分点和5.6个百分点,同时结合消融实验结果验证了所提算法有较高的识别精度。     

基于迭代交替优化的图像盲超分辨率重建

基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的,如双3次下采样等,因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题,该文提出联合估计模糊核、噪声水平和高分辨率图像,设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中,图像重建器以估计的模糊核和噪声水平作为先验信息,由低分辨率图像重建出高分辨率图像;同时,综合低分辨率图像和估计的高分辨率图像,模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地,该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化,以提高它们的兼容性并使其相互促进。实验结果表明,与IKC, DASR, MANet, DAN等现有算法相比,提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能,能够更好地对降质未知的图像进行重建;同时,提出方法在参数量或处理效率上也有一定的优势。     

基于联合估计的Wyner-Ziv系统边信息重建

在不显著增加解码复杂度的前提下,为提高Wyner-Ziv视频编码系统的边信息(SI)重建质量,提出一种基于SI信度的整像素/半像素联合估计算法.该算法引入一个SI质量判定因子判断边信息的重建质量,根据SI置信度是否超过设定的判别阈值进行整像素和半像素边信息重建方法的自适应切换.实验结果表明,在保持甚至超过传统亚像素边信...     

基于最小二乘准则的模糊估计和图像复原

在计算光学显微成像技术中,点扩展函数往往是未知的,且不易获取,从而给图像复原带来很大困难。基于最小二乘准则和最优化理论,提出了利用变尺度法的三维点扩展函数参数估计算法;针对传统EM算法存在复原效果细节丢失严重等问题,提出最小二乘共轭梯度三维图像复原算法。算法在点扩展函数参数估计和求解真实图像之间进行交替迭代,从而得到图像的最优估计。实验表明,新算法在较短时间内,能够较准确地估计出点扩展函数参数,并得到较好的复原结果。