KJ93矿井安全、生产监控系统中数据传输的研究

探讨了主站与分站、主站与监控主机、监控主机与服务器或终端、监控主机与大屏幕模拟盘间的数据传输问题 ;详述了主站、分站、主机、服务器、终端、模拟盘等相互间数据通讯协议及相对应的传输数据组织格式 ;给出了主站同监控主机间数据交换的示例程序 .     

一种新的轮廓特征提取和检索算法

提出了一种新的轮廓图像检索算法.首先,根据内角大小将轮廓像素划分为凸角点、凹角点及平滑点3种类型,并分别提取其距离直方图;在此基础上,给出了两个新的轮廓空间特征描述符:相对佗置分布及相关单元熵,分别描述角点间及平滑点间的相互关系;最后,结合上述3种特征,给出了轮廓间的相似性度量准则.实验结果表明,该算法取得了比传统方法更好的检索效果.     

基于颜色分布特征的图像检索

颜色直方图是基于内容的图像检索（CBIR）中的一种重要特征，然而其完全丢弃了图像颜色的空间分布信息，为了有效地利用图像颜色的空间分布信息，提出采用颜色分布熵（CDE）描述图像颜色的分布特征，并根据人的视觉特性及信息熵的特性，提出了进一步的改进算法。同以往的方法进行比较结果表明，该方法在图像的相似性检索时是很有效的，并具有较高的检索效率。     

二次式距离上基于SVD的高维图像索引方法

向量近似方法（vector approximation file）是解决高维索引中维数灾难问题的一种有效方法，但是它不能直接支持二次式距离上的近邻搜索，为此，提出一种基于奇异值分解（SVD）的二次式距离上的向量近似方法，通过奇异值分解技术将二次式距离变换为欧氏距离形式，对变换后的特征向量进行近似得到近似向量。进行近邻搜索时采用低维过滤算法，先在较高能量的低维子空间内计算近似距离进行过滤，再对过滤结果进行高维距离计算。实验结果表明，低维过滤算法可以过滤掉大部分特征向量，而只有小部分数据需要进行高维距离运算，该方法可以显著提高大型高维图像数据库的近邻搜索性能。     

“毕业实习、毕业设计和就业”的一体化模式

针对目前计算机科学与技术专业毕业实习、毕业设计及就业过程存在的问题,从修订培养方案入手,设计毕业实习、毕业设计与就业一体化模式,从而将三者有效地融合在一起,相互支撑,相互促进。经过实践证明,此模式有效地提高了人才培养质量。     

医学图像深度学习技术:从卷积到图卷积的发展

以卷积神经网络为代表的深度学习技术推动神经网络在医学图像研究领域不断实现新突破。然而,平移不变性等理论假设限制了卷积神经网络在非欧氏空间数据中的表达能力,是医学图像深度学习技术亟待突破的瓶颈。图卷积技术不仅能够解决非欧氏空间数据的拓扑建模难题,还实现了空间特征提取,是深度学习技术全新的研究方向。本文对图卷积网络在医学图像领域的相关理论及其应用进行综述,旨在系统归纳和全面总结医学图像领域最新的图卷积理论、方法和实践,包括图结构视角下医学图像的专业采集、数据结构的剪枝转换以及特征聚类重构方法;图卷积网络的理论溯源,重要的网络架构和发展脉络;图卷积网络的优化方向和衍生出的跳跃连接、inception、图注意力等重要机制;图卷积网络在医学图像分割、疾病检测和图像重建等方面的实践应用。最后,提出了图卷积网络在医学图像分析领域仍亟待突破的瓶颈问题：1）多模态医学图像学习中,异构图的构建与学习任务的优化;2）特征重构和池化过程中,如何通过构图算法设计与神经架构搜索算法结合,以实现最优图结构的可学习过程转换;3）高质量图结构医学标注数据的大规模低成本生成与生成对抗网络的算法设计。随着人工智能技术的不断发展和医学影像规模的不断扩大,以图卷积为代表的深度学习方法必将在医疗辅助诊断领域取得更大的突破。     

基于矿井的无线传感器网络MAC协议的研究

介质访问控制(MAC)协议是一项构造底层基础网络结构的重要技术,其主要功能是为数据传输建立连接和在各网络节点间合理、高效地分配通信资源.从节能角度分析了当前几种比较典型的MAC协议,提出矿井下的无线网络拓扑结构,给出一种New-MAC协议,主要研究了节能问题、数据碰撞问题和同步问题.仿真实验表明:该协议较好地解决了节点能耗问题、延长了网络的生命周期.     

基于U-Net的特征交互分割方法

针对肝脏分割中存在误分割及小目标漏分割的问题,文中提出基于U-Net的特征交互分割方法,采用ResNet34作为主干网络.为了实现不同尺度间的非局部交互,设计基于转换器机制的特征交互金字塔模块作为网络的桥接器,获得具有丰富上下文信息的特征图.设计多尺度注意力机制替代U-Net中的跳跃连接,关注图像中的小目标,充分获取目标层的上下文信息.在公开数据集LiTS及3Dircadb和CHAOS组成的数据集上的实验证实文中方法能取得较好的分割效果.     

图像稀疏表示及其在图像处理中的应用

作为图像的一种高效表示方法,近年来,图像稀疏表示技术得到了广泛深入研究,目前已被广泛应用于图像处理领域。在分析图像稀疏表示模型的基础上,针对稀疏表示模型的两个核心问题稀疏分解与字典构造进行了详细讨论,综述了目前典型的稀疏分解方法与字典构造方法。在此基础上,对稀疏表示在图像去噪、图像修复、人脸识别及压缩感知等图像处理领域中的应用进行了总结。最后,讨论了目前图像稀疏表示研究中存在的问题,并指出了进一步的研究方向。     

基于小波变换和离散余弦变换的图像分级检索

在对小波变换及离散余弦变换分析的基础上,提出了一种基于两种变换相结合的图像分级检索算法.首先在小波变换的基础上,结合DCT变换实现图像的初级检索;然后,提取图像的高频细节特征作为对图像精确检索的依据.实验结果表明该算法在图像的检索中具有准确、高效的特点.