基于注意力机制多特征融合的视网膜病变分级算法

糖尿病视网膜病变(Diabetic Retinopathy,DR)是糖尿病的一个常见的急性阶段，可引起视网膜的视功能异常。针对视网膜眼底图像病灶区域识别困难以及分级效率不高等问题，本文提出一种基于注意力机制多特征融合的算法来对DR进行诊断分级。首先对输入的图像采用高斯滤波等形态学预处理来提升眼底图像特征对比度；然后用ResNeSt50残差网络作为模型的骨干，引入多尺度特征增强模块对视网膜病变图像病变区域进行特征增强，提高分级准确率；再后利用图形特征融合模块对主干输出的特征增强后的局部特征进行信息融合；最后采用中心损失和焦点损失组合的加权损失函数进一步提升分类效果。在印度糖尿病视网膜病变(IDRID)数据集中灵敏度和特异性分别为95.65%和91.17%，二次加权一致性检验系数为90.38%。在Kaggle比赛数据集中准确率为84.41%，受试者工作特征曲线下的面积为90.36%。仿真实验表明，本文算法在糖尿病视网膜病变分级中具有一定的应用价值。     

自适应特征融合级联Transformer视网膜血管分割算法

针对眼底视网膜分割存在病理伪影干扰、微小血管分割不完全和血管前景与非血管背景对比度低等问题,本文提出一种自适应特征融合级联Transformer视网膜血管分割算法。该算法首先通过限制对比度直方图均衡化和Gamma校正等方法进行图像预处理,以增强血管纹理特征;其次在编码部分设计自适应增强注意模块,降低计算冗余度同时消除视网膜背景图像噪声;然后在编解码结构底部加入级联群体Transformer模块,建立血管特征长短距离依赖;最后在解码部分引入门控特征融合模块,实现编解码语义融合,提升视网膜血管分割光滑度。在公共数据集DRIVE、CHASE＿DB1和STARE上进行验证,准确率达到97.09%、97.60%和97.57%,灵敏度达到80.38%、81.05%和80.32%,特异性达到98.69%、98.71%和98.99%。实验结果表明,本文算法总体性能优于现有大多数先进算法,对临床眼科疾病的诊断具有一定应用价值。     

基于SENet双路径多尺度特征融合的ECT图像重建

针对单一神经网络在电容层析成像图像重建过程中难以捕捉复杂、深层电容向量特征的问题，提出一种基于压缩激励网络(squeeze-and-excitation networks, SENet)双路径多尺度特征融合的电容层析成像图像重建算法。构建多尺度密集深度空洞卷积模块，使模型获得更大的局部感受野的同时可以保持较低计算复杂度，并实现多尺度特征融合，以捕获电容向量的多尺度细节特征，增强模型的表征能力；采用残差神经网络解决深层网络提取特征时出现的退化现象，并添加SENet模块重新标定电容特征张量所属通道对应权重，校准特征响应。形成具有双向特征提取能力的双通道多特征融合的混合模型，以更好的拟合电容张量与介电常数之间的非线性映射关系。试验结果表明，BSFF算法相对于Landweber迭代算法、CNN算法等具有更高的图像重建质量，更好的鲁棒性。     

基于下采样的特征融合遥感图像语义分割

本文提出了一种基于下采样的特征融合遥感图像语义分割模型,该模型在编解码结构基础上,将高分辨率原始图像引入"下采样"模块提取低级语义特征,在此基础上,将输出的低级语义特征通过MobileNetV2和空间金字塔池化进一步提取多尺度高级语义细节特征,然后,将这些高级语义特征和直接从下采样模块提取的低级语义特征融合并进行特征图分割.最后,在"CCF卫星影像的AI分类与识别竞赛"的数据集上取得了93%的训练准确率以及91%的预测准确率.     

基于非对称增强注意力与特征交叉融合的行人重识别方法

针对现有的行人重识别方法提取到的特征信息充分性与辨识性不足导致检索精度低的问题,提出一种基于非对称增强注意力与特征交叉融合的行人重识别方法。首先,构建非对称增强注意力模块,通过多重池化聚合的跨邻域通道交互注意力增强显著特征表示,使网络聚焦于图像中的行人区域;其次,考虑到网络各层特征间的差异性与关联性,构建特征交叉融合模块,利用交叉融合方式实现同层不同级特征的跨层级融合,进而实现多尺度融合;最后,水平切分输出特征以获取局部特征,从而实现在特定区域上描述行人。在Market1501、DukeMTMC-reID与CUHK03这3个公开数据集上对提出的方法进行了验证,首位命中率(Rank-1)分别达到了93.5%、85.1%和64.3%,证明了该方法在提升行人重识别性能上具有优越性。     

基于几何结构测度的路面裂缝图像分割算法

针对裂缝形态多样性和分布随机性使得传统裂缝图像分割算法的泛化能力弱的问题,提出一种基于几何结构测度的路面裂缝图像分割算法。首先,采用瑞利分布和高斯分布对裂缝图像背景和目标进行建模,并用期望最大化算法求解裂缝灰度混合模型参数;然后,通过高斯核函数与图像的卷积计算裂缝的边界映射,用梯度矢量流场构造裂缝图像Hessian矩阵,由Hessian矩阵描述裂缝测度函数并获取裂缝多尺度特征向量;最后,将裂缝多尺度特征向量和灰度混合模型融合到马尔可夫随机场,基于最小能量准则,利用条件迭代算法求解裂缝最大标号场来实现裂缝图像分割。实验表明,与仅依靠灰度特征的传统裂缝图像分割算法相比,所提算法综合指标达88.02%、重叠率达54.92%,优于其他算法,具有良好的噪声抑制能力和泛化能力。     

基于多级特征融合的体素三维目标检测网络

目的 为精确分析点云场景中待测目标的位置和类别信息,提出一种基于多级特征融合的体素三维目标检测网络。方法 以2阶段检测算法Voxel?RCNN作为基线模型,在检测一阶段,增加稀疏特征残差密集融合模块,由浅入深地对逐级特征进行传播和复用,实现三维特征充分的交互融合。在二维主干模块中增加残差轻量化高效通道注意力机制,显式增强通道特征。提出多级特征及多尺度核自适应融合模块,自适应地提取各级特征的关系权重,以加权方式实现特征的强融合。在检测二阶段,设计三重特征融合策略,基于曼哈顿距离搜索算法聚合邻域特征,并嵌入深度融合模块和CTFFM融合模块提升格点特征质量。结果 实验于自动驾驶数据集KITTI中进行模拟测试,相较于基线网络,在3种难度等级下,一阶段检测模型的行人3D平均精度提升了3.97%,二阶段检测模型的骑行者3D平均精度提升了3.37%。结论 结果证明文中方法能够显著提升目标检测性能,且各模块具有较好的移植性,可灵活嵌入到体素类三维检测模型中,带来相应的效果提升。     

基于共有特征学习和数据增强的农作物病害识别算法

针对农作物病害图像类间差异较小,传统机器学习方法在农作物病害数据集上识别精度低、模型训练复杂等问题,本文提出一种基于共有特征学习和数据增强的农作物病害识别算法。首先,对于农作物病害数据集类间数据不均衡等问题,本文使用Mixup数据增强算法对数据集进行扩充,丰富样本数量;然后,对于特征提取模块,本文在深度残差网络中嵌入通道注意力模块,使之侧重学习农作物叶片病害特征,忽略背景信息对模型带来的干扰;最后,在提取完图像特征后,将特征图送入到共有特征学习模块中,提高图像之间线性关联,增强模型泛化性能和鲁棒性。为验证所提模型的有效性和实用性,本文在Plant Diagnosis Dataset农作物病害数据集上进行训练及测试,实验结果表明,所提模型准确率达到97.9%,可有效提高农作物病害图像识别精度。     

引入反馈注意力的并行式多分辨率语义分割算法

目的 为了进一步提升语义分割精度,解决当前语义分割算法中特征图分辨率低下,低级信息特征随意丢弃,以及上下文重要信息不能顾及等问题,文中尝试提出一种融合反馈注意力模块的并行式多分辨率语义分割算法。方法 该算法提出一种并行式网络结构,在其中融合了高低分辨率信息,尽可能多地保留高维信息,减少低级信息要素的丢失,提升分割图像的分辨率。同时还在主干网络中嵌入了带反馈机制的感知注意力模块,从通道、空间、全局3个角度获得每个样本的权重信息,着重加强样本之间的特征重要性。在训练过程中,还使用了改进的损失函数,降低训练和优化难度。结果 经实验表明,文中的算法模型在PASCAL VOC2012、Camvid上的MIOU指标分别为77.78%、58.67%,在ADE20K上的也有42.52%,体现了出较好的分割性能。结论 文中的算法模型效果相较于之前的分割网络有一定程度的提升,算法中的部分模块嵌入别的主干网络依旧表现出较好的性能,展现了文中算法模型具备一定的有效性和泛化能力。     

特征级与像素级相混合的SAR与可见光图像融合

SAR和可见光图像成像机理不同,图像差异较大,较难取得良好的融合效果。本文面向目标识别,通过分析图像的成像机理,首先在NSCT融合框架下,将SAR图像中重要的目标信息加入到可见光图像中,并尽可能多的保留源图像的边缘细节信息;再结合数学形态学和多尺度空间理论,提取源图像的亮、暗细节特征,进行特征级融合,得到亮、暗细节特征显著增强的融合图像。实验结果表明,本文算法有效的融合了SAR图像的目标信息,并增强了源图像的细节特征,达到了较好的视觉效果,提高了图像的目标检测和识别能力。     

基于颜色传递和对比度增强的夜视图像彩色融合

针对基于颜色传递夜视图像彩色融合算法存在的热目标不突出问题,提出一种基于颜色传递和对比度增强的彩色融合算法。该算法首先利用非线性扩散和迭代阈值分割方法提取出图像中的热目标,然后在HSI颜色空间利用热目标和灰度融合图像对颜色传递得到的初步彩色融合图像进行调整,接着将处理结果变换回RGB颜色空间,得到最终的融合图像。实验结果表明,利用该算法得到的融合图像不仅与人眼视觉感知习惯一致,而且显著增强了目标与背景的对比度,从而有效提高了目标的可探测性。     

独立分量分析的图像融合算法

独立分量分析可实现图像的稀疏编码并具有能很好地捕捉图像重要边缘信息的特性.本文提出一种基于独立分量分析的图像融合算法,结合支持向量机对多聚焦图像的清晰域、模糊域进行判断以及在ICA域中进行图像分割以提取图像的主要边缘特征信息来实现特征级的多聚焦图像的融合.实验结果表明,本文提出的融合算法是有效的.     

多网络联合的红外与可见光图像融合算法研究

目的针对红外与可见光图像在融合过程中,融合图像失真以及可见光图像信息融合不足的问题,提出一种联合多网络结构的红外与可见光图像融合算法。方法首先采用基于密集残差连接的编码器对输入的红外与可见光图像进行特征提取,然后利用融合策略对得到的特征图进行融合,最后将融合后的特征图送入基于GAN网络的解码器中。结果通过与可见光图像对抗优化训练,使得融合后的图像保留了更多可见光图像的细节、背景信息,增强了图像的视觉效果。结论实验表明,与现有的融合算法相比,该算法达到了更好的实验效果,在主观感知和客观评价上都具有更好的表现力。     

基于小波域多分辨率MRF的声呐图像目标分割

声呐图像受噪声影响严重,分辨率低,传统算法对其目标分割效果较差,为此,提出了小波域多分辨率MRF模型的声呐图像分割算法。小波域多分辨率分析有利于提取声呐图像弱特征信息;每一分辨率中的观测特征采用高斯混合模型建模,尺度内同标记的观测特征用高斯模型建模,用各向同性的双点多级逻辑(Multi-Level Logistic,MLL)模型建模每一尺度的标记场;最后,用迭代条件模式(Iterated Conditional Mode,ICM)实现多分辨率马尔可夫随机场(Multi-Resolution Markov Random Field,MRA-MRF)中能量函数的最优解,获取标记场,完成声呐图像分割。从视觉效果和定量分析两方面验证。对比实验的结果表明,该文算法能有效地提取声呐图像的弱目标信息,较好地将目标区域和背景区域分割出来,具有较高的分割精度和鲁棒性。     

H-Cb混合颜色模型下快递单手写体提取算法研究

目的在不受光照条件的影响下,利用H-Cb混合颜色模型,提取快递单底单图像手写体文字信息。方法首先将图像从RGB颜色空间分别转换到HSI颜色空间和YCbCr颜色空间;然后将改进的YCbCr颜色空间的Cb颜色分量与HSI颜色空间的H颜色分量进行信息融合;最后对提取出的手写体文字信息进行阈值和反相处理,并将该算法提取结果与基于YCbCr颜色空间Cb颜色分量阈值分割方法和基于Lab颜色空间的手写文字聚类算法的提取结果,在分割效果、文字识别率上进行对比。结果利用H-Cb混合颜色模型检测出的手写体文字更准确,具有更高的识别率,在理想文字切分条件下识别率达96%。结论使用H-Cb混合颜色模型提取手写文字受光照条件影响小,提取出的图像噪声小、识别率高,算法简单可行,为彩色图像的检测与判定技术提供了支撑。     

一种双模态红外图像的集值映射融合方法

针对现有融合算法在处理红外偏振和光强两种模态图像时无法随着差异特征的不同而变化的问题,提出了一种双模态红外图像的集值映射融合方法。以多组红外偏振和光强图像为训练样本,根据底层特征的融合算法的类型分别建立差异特征类集和融合算法类集;构造各个差异特征对应各融合算法的融合有效度分布;通过多组图像融合有效度分布的均值聚合,建立全局图像的差异特征与融合算法的集值映射关系;提取被融合图像的差异特征,根据集值映射选择相应算法,通过各算法的组合得到融合结果。实验表明,该融合方法可以优化选择融合算法,将互补性强的差异特征有效融合。     

基于双分支加权卷积神经网络的视网膜图像质量评价方法

近年来,眼底图像分析已成为一种直观且高效的辅助诊断技术。专家根据眼底相机捕获的视网膜图像对眼底疾病患者进行诊断,因此,眼底视网膜图像的质量对于医生提供及时且准确的疾病诊断至关重要。本文提出一种端到端的眼底视网膜图像质量评价方法,通过空间横向和纵向卷积的双分支模块进行特征提取,并对双分支所提取的特征进行加权融合,以提高模型的特征提取能力。通过自有数据集的训练,本文提出的模型准确率达到85.14%,AUC为0.9173,F1分数为0.7838。为验证模型的有效性,使用DRIMDB公开数据集进行测试,准确率达到92.11%,AUC为0.9911,F1为0.8966。实验结果表明,提出的方法对于眼底图像质量评价是有效的,具有优越的性能和高效的收敛速率。     

基于局部形态融合的产品创新设计研究

提出了局部形态融合以保持产品设计风格基因传承和创新的设计方法,研究了自产品三维模型设计方案中提取形态特征曲线的方法,利用已有的曲线融合算法,实现了特征曲线的融合,并将融合后的特征曲线替换产品三维模型中原有的特征曲线,从而获得了大量新形态的设计方案。将该创新设计方法应用于产品创新设计中,不仅可以实现多个三维模型的局部形态特征融合,还可实现三维模型与图像、绘制曲线的特征曲线融合。     

区域特征耦合DS证据理论的图像融合算法

目的提高融合图像视觉质量。方法提出区域多特征与改进的DS证据理论规则的聚焦图像融合算法。首先,引入二代Curvelet变换,对源图像进行分解,获取图像的粗尺度系数、细尺度系数;然后,根据区域中粗尺度系数的绝对值,构造最大值融合规则,完成粗尺度系数的融合;再联合区域方差、信息熵以及区域能量等特征,提取细尺度层的区域特征,并通过定义概率约束条件,改进DS证据理论的融合规则,增强DS合成规则的可信度,对图像的细尺度系数进行有效融合,使得融合图像保留更多的细节信息;最后,通过逆Curvelet变换完成图像的融合。结果与当前的图像融合算法相比,在对聚焦图像融合时,文中算法的融合图像具有更丰富的细节信息,其视觉质量更高,且融合时耗较短。结论所提算法考虑了像素之间的互相关性,进一步优化了图像融合质量,可用于遥感探测与包装印刷检测等领域。     

基于小波变换的自适应图像融合算法

针对现有图像融合方法存在的光谱信息和空间细节信息不能较好兼顾的问题,建立了图像内容自适应的融合准则和一致性选取准则,提出了一种基于小波变换的自适应图像融合算法,实现了多光谱图像与全色图像的融合,并对融合图像进行了主、客观评价。着重从图像融合如何提高目标的区分度和识别率的角度给出主观评价,通过光谱扭曲度、清晰度客观分析多光谱与全色图像的融合效果。实验结果表明,该算法充分利用了全色图像的空间细节特征、图像边缘和方向性特征信息,保留了多光谱图像的光谱信息特征,提高了融合图像的主观效果,有利于信息的提取和目标解译。在光谱和空间细节综合保持方面,该算法优于IHS融合方法和传统的二进小波融合方法。