基于多重感受野UNet的仪表图像分割方法

为解决现有深度学习图像分割算法不能有效分割指针仪表图像中密集小目标的问题,提出基于多重感受野UNet的仪表图像分割方法.将自编码器结构和空洞卷积结构结合,使多尺度浅层特征和深层语义信息融合;以多种光照强度下采集的指针仪表数据训练模型,充分提升神经网络的泛化能力;并行调节空洞卷积参数,使神经网络学习到最优模型.实验结果表...     

基于MIFNet的婴儿面部表情识别

婴儿面部表情智能化识别, 可辅助看护人员更好地关注婴儿的身心健康. 由于婴儿面部线条流畅且五官锐感偏弱导致面部表情类间相似性高于成人, 为了解决类间相似性高的问题, 提出多尺度信息融合网络. 该网络整体分为2个阶段: 在第1阶段使用融合模块在空间域与通道域双重维度下融合局部特征与全局特征, 增强特征的表达能力; 在第2阶段采用自适应深度中心损失, 利用注意力机制估计融合特征的权重用以指导中心损失, 促进婴儿表情特征的类内紧凑和类间分离. 实验结果表明, 多尺度信息融合网络在婴儿面部表情数据集中识别准确率达到95.46%, 在AUC、召回率和F1得分3个评价指标上分别达到99.07%、95.88%和95.89%, 与现有面部表情识别网络相比, 识别效果最优. 将多尺度信息融合网络在公开面部表情数据集上进行泛化性实验, 准确率达到89.87%.     

基于相位一致性的眼底图像血管分割算法

眼底图像的血管分割对糖尿病的分析和诊断至关重要.为了准确地分割出眼底图像中的血管,本文提出了一种基于相位一致性的眼底图像血管分割算法.本算法首先采用对比度受限的自适应直方图均衡化和各向异性耦合扩散方程对图像进行预处理,然后利用相位一致性算法来提取眼底图像中的血管,最后用数学形态学对其进行优化.利用本文提出的算法对国际上公开的Hoover眼底图像库进行测试,本算法的准确度可达到94.36%,实验结果证明了本算法的有效性.     

耗散Boltzmann方程的稳定态解

考虑满足质量和动量守恒、能量耗散的空间齐次Boltzmann方程,通过Pseudo-Maxwellian逼近处理,证明了系统稳定态解存在性、唯一性和正则性.     

计算机网络结构化布线系统工程方案的设计

从分析结构化布线系统的组成入手，结合天津市亚泰证券交易公司网络工程结构化布线系统的具体实例，给出了计算机工程建设中的结构化布线方案设计的指导思想，并就方案设计要点进行探讨。     

多臂机旋转变速机构凸轮廓线建模与重构

为提高旋转式多臂机的运动可靠性,对其旋转变速机构凸轮廓线进行建模求解,并运用粒子群算法进行凸轮廓线重构。首先,研究了旋转变速机构凸轮廓线数学模型构建方法,确定综框运动特性的多项式表达;其次,建立求解旋转变速机构凸轮廓线数学模型,获得基于综框运动特性的凸轮廓线,并建立多臂机提综机构数字样机,进行验证分析;最后,运用粒子群算法进行凸轮廓线重构方法研究,依据所构建的凸轮廓线逆向分析系统重构凸轮廓线。结果表明:提出的旋转变速机构凸轮廓线的数学求解方法,可基于粒子群算法进行凸轮廓线重构,显著提高凸轮廓线中心对称度。     

基于多形态红外特征与深度学习的实时驾驶员疲劳检测

疲劳驾驶是导致车祸的重要诱因,严重危害道路交通安全,而车辆行驶过程中的光照条件变化、驾驶员姿态调整和眼镜遮挡等因素将对疲劳检测任务产生不利的影响。针对以上问题,提出了基于深度学习的驾驶员疲劳检测算法。首先,使用850nm红外光源补光,在复杂光照和遮挡形态下采集驾驶员的面部图像;其次,利用红外图像中的多种特征,通过级联CNN确定人脸边框和特征点位置,提取眼睛区域并识别眼睛的睁闭状态;最后,将眼睛状态识别结果和连续图像中的特征点坐标差值输出至LSTM网络,检测驾驶员疲劳状态。实验结果表明:该疲劳检测算法的准确率可达94.48%,平均检测时间为65.64ms。     

对称局部能量模型:改进的局部能量模型

本文对局部能量模型进行改进,提出了一种新的基于相位信息的图像特征检测算法——对称局部能量模型(SLE)。该算法以log Gabor小波为基本工具,只用四个对称相位进行图像特征检测,检测结果符合人类视觉系统特性。SLE不但可以检测阶跃特征、线特征等亮度特征,还可以同时检测到马赫带现象和正弦网格中的特征,而基于亮度梯度的算法和局部能量模型都不能做到这一点。与局部能量模型相比,SLE还提高了抗噪能力和特征定位性能。     

异步FIFO在实时图像匹配处理机中的应用

通过FIFO芯片实现DSP对实时图像数据的采集。介绍了异步FIFO芯片IDT7204和DSP芯片TMS320C6704的性能,设计了IDT7204与TMS320C6701的接口,讨论了编程实现图像采集的两种方法并进行了比较。