道路网约束下的多尺度面状要素自动匹配

为解决多尺度空间数据库关联更新中自动识别匹配同名地理要素的问题,以多尺度面状目标为研究对象,提出先根据小比例尺道路网约束对面状实体集进行粗匹配,再对中间结果进行几何分析和属性匹配的处理方法,建立起针对多尺度数据的关联匹配数据库,确立多尺度数据同名实体的对应关系,为多尺度数据库的一致性维护提供技术保障。实验表明,此方法的匹配效率和查全率都比传统匹配方法有了显著提升,证明了其有效性。     

基于多尺度结构自相似性的单幅图像超分辨率算法

多尺度结构自相似性是指同一幅图像中存在相同尺度或不同尺度的相似结构,这种多尺度图像结构自相似性广泛存在于遥感图像中.本文提出了一种基于多尺度结构自相似性的单幅图像超分辨率（Super resolution,SR）算法,该算法结合了压缩感知框架与图像结构自相似性,利用非局部方法和基于图像金字塔的K-SVD字典学习方法,将蕴含在相同尺度和不同尺度相似图像块中的附加信息在压缩感知的框架下加入到重构图像中.本文算法的优势在于,它仅借助于单幅低分辨率图像自身所蕴含的信息,实现了空间分辨率的提升.实验表明,与CSSS算法和ASDSAR算法相比,本文算法更有效地提升了遥感图像的空间分辨率.     

基于正切空间的多尺度面实体形状匹配

针对多尺度面状要素的一对多匹配问题,提出基于正切空间的多尺度面实体形状相似性匹配方法。通过源多边形外扩缓冲区搜索候选匹配集,对候选匹配集中的面要素进行组合,组合生成的多边形与源多边形进行形状匹配,从而获得最佳匹配集。实验结果表明,该方法计算过程简单,容易实现且匹配效率较高。     

基于多尺度局部特征的图像分割模型

为了解决图像分割中灰度不均匀和初始轮廓敏感的问题,提出一种基于多尺度局部特征的图像分割模型.与传统局部邻域定义在方形区域不同,该模型采用圆形区域来获取更多的局部信息;考虑到局部区域灰度的变化程度不一,提出利用多尺度结构与均值滤波器相结合的方法获得多尺度局部灰度信息;通过转换灰度不均匀模型得到一个逼近真实信息的图像,并将其融合进局部高斯分布拟合(LGDF)模型,构造出基于多尺度局部特征的能量泛函.从理论分析和实验结果表明:由于多尺度结构弱化了灰度不均匀的影响,该模型既能快速、准确地分割灰度不均匀图像,又表现出对初始轮廓具有较强的鲁棒性.     

SAR图像道路网提取方法综述

SAR图像道路网提取具有重要的遥感应用价值.20多年来,随着SAR成像技术的不断发展以及遥感应用的迫切需求,涌现出大量道路网提取方法.本文回顾了SAR图像道路网提取研究的发展历程,从道路提取流程阶段出发,将其分为局部检测和全局连接这两大步骤,在每个步骤中分析比较了现有算法的适用范围及相对优缺点,指出了当前研究中存在的问题,展望了SAR图像道路网提取的发展趋势.     

融合上下文和多尺度特征的胸部多器官分割

目的 肿瘤周围高危器官的准确分割是图像引导放射治疗中的关键步骤,也是对抗肺癌和食道癌,规划有效治疗策略的重要组成部分。为了解决不同患者之间器官形状和位置的复杂变化情况以及计算机断层扫描（computed tomography,CT）图像中相邻器官之间软组织对比度低等问题,本文提出了一种深度学习算法对胸部CT图像中的高危器官进行细分。方法 以U-Net神经网络结构为基础,将冠状面下的3个连续切片序列即2.5D （2.5 dimention）数据作为网络输入来获取切片联系,同时利用高效全局上下文实现不降维的跨通道交互、捕获单视图下切片序列间的长距离依赖关系、加强通道联系和融合空间全局上下文信息。在编码部分使用金字塔卷积和密集连接的集成提取多尺度信息,扩大卷积层的感受野,并将解码器与编码器每层进行连接来充分利用多尺度特征,增强特征图的辨识度。考虑到CT图像中多器官形状不规则且紧密相连问题,加入深度监督来学习不同层的特征表示,从而精准定位器官和细化器官边界。结果 在ISBI （International Symposium on Biomedical Imaging）2019 SegTHOR （segmentation of thoracic organs at risk in CT images）挑战赛中,对40个胸部多器官训练样本进行分割,以Dice系数和HD （Hausdorff distance）距离作为主要评判标准,该方法在测试样本中食道、心脏、气管和主动脉的Dice系数分别达到0.855 1、0.945 7、0.923 0和0.938 3,HD距离分别为0.302 3、0.180 5、0.212 2和0.191 8。结论 融合全局上下文和多尺度特征的算法在胸部多器官分割效果上更具竞争力,有助于临床医师实现高效的诊断与治疗。     

基于多尺度细胞局部二值模式的人体检测

细胞局部二值模式(cell structured Local Binary Pattern)不能将人体图像的局部信息与全局信息相结合.针对这一不足,在细胞局部二值模式特征的基础上,提出多尺度细胞局部二值模式(Multi-scale cell structured Local Binary Pattern, MLBP)特征描述子,联合局部与全局信息,增加检测特征的信息量;另外,在 MLBP 的基础上进一步提出一个控制因子调节的新算子—可调多尺度细胞局部二值模式(Adjustable Multi-scale cell structured Local Binary Pattern,AMLBP),利用控制因子选择 MLBP 的最佳表征,提高人体检测的准确率.实验结果表明所提出的两个新特征较前人提出的特征更有效.     

结合局部全局特征与多尺度交互的三维多器官分割网络

目的 高度适形放射治疗是常用的癌症治疗方法,该方法的有效性依赖于对癌组织和周边多个危及器官（organ at risk,OAR）解剖结构的精确刻画,因此研究三维图像多器官的高精度自动分割具有重要意义。以视觉Transformer(vision Transformer,ViT)和卷积神经网络（convolutional neural network,CNN）结合为代表的三维医学图像分割方法表现出了丰富的应用优势。然而,这类方法往往忽略同一尺度内和不同尺度间的信息交互,使得CNN和ViT特征的提取和融合受限。本文提出一种端到端多器官分割网络LoGoFUNet(local-global-features fusion UNet),旨在应对现有方法的缺陷。方法 首先,针对单一器官分割,提出在同一尺度下并行提取并融合CNN和ViT特征的LoGoF(local-global-features fusion)编码器,并构建了一个端到端的三维医学图像分割多尺度网络M0。此外,考虑到器官内部以及器官之间的相互关系,该方法在M0网络的基础上设计并引入了多尺度交互（multi-scale interacti...     

基于多特征融合的多尺度服装图像精准化检索

为了充分挖掘服装图像从全局到局部的多级尺度特征,同时发挥深度学习与传统特征各自在提取服装图像深层语义特征和底层特征上的优势,从而实现聚焦服装本身与服装全面特征的提取,提出基于多特征融合的多尺度服装图像精准化检索算法.首先,为了不同类型特征的有效融合,本文设计了基于特征相似性的融合公式FSF(Feature Similarity Fusion).其次,基于YOLOv3模型同时提取服装全局、主体和款式部件区域构成三级尺度图像,极大减弱背景等干扰因素的影响,聚焦服装本身.之后全局、主体和款式部件三级尺度图像分别送入三路卷积神经网络(Convolutional Neural Network,CNN)进行特征提取,每路CNN均依次进行过服装款式属性分类训练和度量学习训练,分别提高了CNN对服装款式属性特征的提取能力,以及对不同服装图像特征的辨识能力.提取的三路CNN特征使用FSF公式进行特征融合,得到的多尺度CNN融合特征则包含了服装图像从全局到主体,再到款式部件的全面特征.然后,加入款式属性预测优化特征间欧氏距离,同时抑制语义漂移,得到初步检索结果.最后,由于底层特征可以很好的对CNN提取的深层语义特征进行补充,故引入传统特征对初步检索结果的纹理、颜色等特征进行约束,通过FSF公式将多尺度CNN融合特征与传统特征相结合,进一步优化初步检索结果的排序.实验结果表明,该算法可以实现对服装从全局到款式部件区域多尺度CNN特征的充分提取,同时结合传统特征有效优化排序结果,提升检索准确率.在返回Top-20的实验中,相比于FashionNet模型准确率提升了16.4%."     

基于多尺度自注意力增强的多方对话角色识别方法

角色识别任务是近年来提出的一项自然语言处理任务,面向多方参与的对话场景,目标是将对话中的人物提及映射到具体的人物实体。目前在该任务的最优系统中,只使用了较为简单的编码器,并未针对对话文本特点进行改造创新。该文在最优系统的基础上,提出了一种基于多尺度自注意力增强的方法,借助不同尺度的自注意力,来获得更好的信息表示。首先,通过尺度较大的全局注意力,对场景内的全部对话信息进行处理,保留了全局的对话信息;然后,通过尺度较小的局部注意力,对局部范围内的对话进行计算,捕获近距离的信息之间的关联关系;最后,将不同尺度得到的信息进行融合,达到对编码信息增强的效果。在SemEval2018 Task4任务上的实验结果表明了该方法的有效性,相较于目前最优系统,在全部实体的F₁值上提高了18.94%。     

工程结构多刚度尺度分析与模态理论

当前工程结构设计大多基于成熟的线性振动理论,未综合考虑非线性、多尺度等特性的影响,导致各类工程振动问题频发,减振措施失效.首先,本文以质量弹簧系统为例,对系统刚度比和质量比等关键参数开展分析,指出刚度比对系统模态具有显著影响;再者,简述大跨桥梁动力学研究现状,从系统全局动力学角度,根据非线性动力学分析和有限元分析,提出工程结构多刚度尺度概念,分析并指出多刚度尺度耦合系统的全局模态、局部模态和混合模态基于不同刚度尺度的定义.为建立桥梁全局动力学模型和理论,桥梁非线性动力学研究奠定基础.     

基于空间多尺度HOG特征的人脸表情识别方法

传统HOG特征是一种有效的图像边缘信息描述符,但它忽略了局部特征之间的空间排列信息,针对此缺点,提出空间多尺度HOG模型。逐层将图像细化分成一系列不同尺度的子区域;采用改进HOG算子分别计算各个子区域的梯度方向直方图,按层按顺序将其连接,得到整幅图像的“空间多尺度”HOG特征。在JAFFE数据库上的实验结果表明,该算法在识别效果和运行时间方面优于HOG、LBP、Gabor等传统特征描述子,通过多尺度梯度方向准确描述了面部肌肉褶皱变化所蕴含的表情信息,是一种更有效的表情特征描述子。     

基于多尺度非局部约束的单幅图像超分辨率算法

多尺度结构自相似性是指图像中的大量物体具有相同尺度以及不同尺度相似结构的性质.本文提出了一种基于多尺度非局部约束的单幅图像超分辨率算法,结合多尺度非局部方法和多尺度字典学习方法将蕴含在图像多尺度自相似结构中的附加信息加入到重建图像中.多尺度非局部方法在图像金字塔的不同层中搜索相似图像块,并利用多尺度相似图像块间的关系建立非局部约束项,通过正则化约束获取多尺度自相似结构中的附加信息;多尺度字典学习方法将图像金字塔作为字典学习的样本,通过字典学习使样本中的多尺度相似图像块 在字典下具有稀疏表示形式,从而获取多尺度自相似结构中的附加信息.实验表明, 与ScSR、SISR、NLIBP、CSSS、ASDSAR和mSSIM等算法相比,本文的算法取得了更好的超分辨率重建效果.     

古钱币图像的多尺度相对矩检索方法

提出一种古钱币图像的多尺度相对矩检索方法。利用小波多尺度特征模板提取边缘图像,基于多尺度相对矩进行特征提取,对 特征向量归一化并进行相似性度量。实验结果表明,该方法的检索效果较优,也同样适用于汽车图像的检索,具有较优的通用性与较强的鲁棒性。     

基于引导滤波和多尺度局部自相似单幅红外图像超分辨率方法

本文针对红外图像存在分辨率不高、对比度低的特点,提出了基于引导滤波和多尺度局部自相似性红外单幅图像超分辨率算法。首先,该方法引进了类高斯分布的“类高斯核”,在此基础上构建均值引导滤波器,该滤波器是一种线性边缘保持滤波器,可以得到图像的高频细节。其次,根据图像的自相似性,对初始高分辨率图像和原始低分辨率图像进行分块,得到待匹配窗和搜索窗,根据非局部均值（NLM）,待匹配窗图像块的值利用搜索窗中相似块的加权平均计算得到。再次,利用图像自相似性,待匹配窗在搜索窗的邻域内进行匹配搜索,找到与待匹配窗最相似的匹配块,计算出最佳匹配块的高频细节图像块,与相似块的加权平均值相加,重构出高分辨率待匹配窗。最后,合并所有的超分辨率重构的待匹配窗,相邻图像块重叠区域的像素值使用平均融合得到,得到最终的超分辨率图像。实验结果表明,本文算法不仅能很好重构图像的高频细节,还能很好的恢复图像的纹理特征,得到的结果不仅边缘更清晰更真实,而且纹理更加丰富。     

多空间尺度下顾及不确定性的投影模型研究

空间方向关系理论直接影响着GIS系统的设计、开发和应用,因而受到国际GIS及相关学术界的高度重视,因此进行其模型的研究意义重大。当空间尺度发生变化时,空间数据的不确定性随之变化,从而影响到空间关系的准确描述。本文考虑了由尺度变化带来的空间数据不确定性变化,在投影模型中添加了扩展不确定度的参数,对多尺度下顾及不确定性的空间方向关系进行形式化描述,来适应多尺度性带来的空间数据不确定性变化,同时还能判定方向间的临界值,可以弥补9元交方向矩阵等模型的缺陷。该模型使得方向关系的划分上有个平滑的过渡区,在方向概念的表达上更符合人的认知。     

基于聚类结构和局部相似性的多视图隐空间聚类

随着数据获取方式的多样化发展，针对多视图领域的算法研究变得越来越重要，但大多数方法仅通过自表示属性或局部结构获取样本间的相似性关系，在此过程中忽略了整体样本的聚类结构和原始空间的噪声的影响，使得聚类结果存在较大误差。为解决此问题，提出了一种基于聚类结构和局部相似性的多视图隐空间聚类方法(multi-view latent subspace clustering with cluster structure and local similarity, MLC2L),通过隐表示融合不同视图上的共享信息并抑制噪声的存在。此外，通过探索隐空间内样本间的局部相似性关系和整体的聚类结构促进样本达到同类聚合、异类远离的目的；最后引入一个交替方向迭代优化算法来快速求解目标函数。实验结果显示，在六个真实数据集的实验中，MLC2L在MSRC-v1、UCI以及100Leaves上的五个评价指标均为最优，在3Sources、WebKB和Prokaryotic等数据集上的五个指标有四个最优，大量的实验分析也证明了融合局部结构和整体聚类结构的MLC2L在多视图聚类任务上的有效性。     

多特征融合的语句相似度计算模型

句子的相似度计算在自然语言处理的各个领域都占有十分重要的地位。提出了一种多特征融合的句子相似度计算模型,该计算方法把句子的词形、词序、结构、长度、距离和语义这6种特征相似度考虑进来,通过对不同的特征赋予不同的权重来调节各个特征对于句子相似度的贡献,从而使计算结果得到最优。实验结果表明,该方法与其他方法相比,描述句子的信息更加全面,在计算句子相似度方面具有较高的准确率。     

自相似网络通信量的多尺度预测研究

自相似性是网络的普遍属性,并且对网络性能具有重要影响。在网络性能研究中,利用自相似的长程相关性来进行预测对于有效分配和利用网络资源以保证网络QoS及提高网络性能是非常有意义的。然而,由于自相似通信量同时具有长程相关和短程相关性的多尺度性和非线性使得通信量的预测非常困难。文章在充分考虑自相似网络通信量这些特性的基础上,提出了利用人工神经网络来进行预测的方法。我们首先根据研究目标构建了多时间尺度预测的人工神经网络,并且对输入/输出向量处理、参数选择和学习算法进行了讨论;然后,我们利用FARIMA为模型合成的同时具有LRD和SRD性质的通信量trace进行了多尺度预测的实验研究,结果表明可以利用该算法进行多时间尺度预测,这对于优化网络控制策略是非常有意义的。