自然图像抠图技术综述

着重对近几年自然图像抠图研究新进展进行综述,针对近年来基于启发式优化的抠图研究以及基于深度学习的抠图研究新成果对抠图研究工作进行重新分类和梳理,分析不同类型自然图像抠图研究主要的方法并整理其中的关键问题,介绍常用的自然图像抠图评价指标。最后通过实例分析总结了当前自然图像抠图研究面临的挑战,并对未来的研究前景进行了探讨。     

胸腹腔经皮穿刺机器人研究进展及关键技术分析

为促进我国经皮穿刺机器人的研究与发展,综述了国内外胸腹腔经皮穿刺机器人的研究现状.对穿刺机器人所涉及的术区信息感知、柔性针穿刺、运动规划、主从控制、安全交互控制等关键技术进行了讨论与分析.在总结研究成果与分析关键技术的基础上,指出胸腹腔经皮穿刺机器人今后的发展趋势与面临的挑战.     

人机不确定条件下康复步行训练机器人的部分记忆迭代学习限速控制

为了提高康复步行训练机器人的跟踪精度及安全性,提出了一种带有运动速度约束和部分记忆信息的自适应迭代学习控制方法,目的是抑制人机不确定性及速度突变对系统跟踪性能的影响.在考虑人机不确定性的基础上,建立了康复步行训练机器人的动力学模型.提出了基于模型预测的速度约束方法,通过限制每个轮子的运动速度,约束了机器人的实际运动速度.进一步,利用受约束的运动速度建立了动力学跟踪误差系统,提出了具有部分记忆信息的自适应迭代学习控制器设计方法,并验证了跟踪误差系统的稳定性.仿真对比分析和实验研究结果表明,文中提出的控制方法能抑制人机不确定性并使康复者在安全速度下完成步行训练.     

基于多重差异特征网络的街景变化检测

街景变化检测对于自然灾害破坏和城市发展变化的研究起着重要作用.其主要目标是将成对的输入图片中变化的区域标注出来,其实质是二分类的语义分割问题.不同时间拍摄的街景图片可能受到如光线、天气、背景噪声、视角误差等诸多干扰因素的影响,这给传统的变化检测方法带来挑战.针对该问题,提出了一种新的神经网络模型(Multiple Difference Features Network,MDFNet).该模型首先使用孪生网络提取成对输入图片的不同深度特征,并使用差异模块对相同深度特征计算差异,以此有效获得不同尺度的变化信息;然后通过JPU模块融合多重差异特征,在不损失细节信息的情况下提取其深层语义信息;最后使用金字塔池化模块结合全局和局部信息生成二分类的变化检测图像.在PCD数据集上的GSV和TSUNAMI部分分别采用5折交叉验证法对模型进行实验,实验结果表明,MDFNet获得了0.787和0.862的F-score,相比排名第二的DOF-CDNet方法,其值提高了约11.9％和2.9％,同时其能够更精准地分割变化细节.因此,所提模型可以有效应对干扰,对于复杂场景也具备优秀的检测能力.     

基于BCNN的胎儿颅脑超声横切面识别算法

孕期超声检查是评估胎儿大脑发育、检测生长异常的重要步骤,开展对胎儿早期检查准确高效的诊断研究具有重要的临床价值。文中使用双线性卷积神经网络BCNN进行胎儿颅脑横切面识别,提出了BCNN-R和BCNN-S两种算法。BCNN算法首先对输入的胎儿颅脑超声影像数据进行预处理,去除个人信息等敏感信息;其次,利用两路并行的子网络从影像数据中提取辨识度高、鲁棒性强的横切面特征,并将其融合得到有助于识别的细微特征;最后使用线性连接层进行识别和分类。为了验证算法的有效性,在自建胎儿超声数据集JFU19上进行了对比实验,实验结果表明,所提算法相比常见的深度网络(GoogleNet,DenseNet,SeNet等)在分类性能上有明显的提升,其中BCNN-S算法的总体准确率达到了88.95%,BCNN-R在水平横切面的识别上达到了97.22%的精确度和88.61%的召回率。此外,在公开数据集HC18上进行了实验,BCNN算法的准确率、精确度、召回率分别达到了89.48%,87.66%和87.71%,进一步验证了算法的有效性。     

COVID-19医学影像数据集及研究进展

由于影像学技术在新型冠状病毒肺炎（COVID-19）的诊断和评估中发挥了重要作用,COVID-19相关数据集陆续被公布,但目前针对相关文献中数据集以及研究进展的整理相对较少。为此,通过COVID-19相关的期刊论文、报告和相关开源数据集网站,对涉及到的新冠肺炎数据集及深度学习模型进行整理和分析,包括计算机断层扫描（CT）图像数据集和X射线（CXR）图像数据集。对这些数据集呈现的医学影像的特征进行分析;重点论述开源数据集,以及在相关数据集上表现较好的分类和分割模型。最后讨论了肺部影像学技术未来的发展趋势。     

Fault estimation for aero‐engine LPV systems based on LFT

In this paper, a fault estimator with linear fractional transformation (LFT) parameter dependency is designed for the linear parameter‐varying (LPV) system of the aero‐engine with both sensor and actuator faults under disturbances. After an aero‐engine affine parameter‐dependent LPV model is derived by the linear fitting method and matrix pseudo‐inverse method, the LPV model with disturbances and fault signals is transformed into a LFT structure. Based on the full block S‐procedure, the sufficient condition for the existence of the fault estimator is proposed, which can lead to less conservative results. Then the fault estimator design algorithm which can adjust to the current system dynamic adaptively is presented. Finally, a fault estimator is designed for a turbofan aero‐engine under multiple types of faults and disturbances to demonstrate the effectiveness of the proposed method.     

Fixed-time Group Consensus of Nonlinear Multi-agent Systems via Pinning Control

This paper deals with the fixed-time group consensus problem for multi-agent systems (MASs) subjected to exogenous disturbances. Firstly, two pinning control algorithms are constructed for MASs, which not only reduce the number of controllers but also achieve expected tracking consensus. Secondly, fixed-time group consensus is ensured by utilizing the algebraic graph theory, Lyapunov stability and fixed-time control technique. Finally, simulations are finally given for demonstrate the availability of the derived results.

     

一种面向水下传感器网络的监测系统设计方法

当前水下监测系统缺乏统一的开发规范,软件可复用性低,难以快速、高效地进行系统设计与实现;提出了基于水下传感器网络的监测系统设计方法,将系统结构分为观测平台、本地观测服务器、数据服务器,从数据获取、数据管理、数据展示方面给出了软件的总体开发流程,并提出了统一的软件数据模型和软件开发模型;在数据模型中,对监测元数据以及监测数据进行规范化描述;在软件开发模型中,构建了可扩展的功能组件库,通过对组件进行配置,可快速生成满足用户需求的监测系统;通过在不同的应用开发中进行验证,证明该方法能够在保证系统质量的前提下,显著提高开发效率.     

低温介质下电容液位测量系统的研究

针对低温介质的贮存和使用问题,设计一种数字化的高精度电容液位测量系统样机;采用连续与分节相结合的方式对电容液位计的结构进行优化,系统的硬件部分以微控制器为核心,将电容的变化量转换为数字信号,实现与上位机的网口通信;通过电容标定工具和液氢对样机的性能进行验证,结果显示,系统的电容测量精度优于0.1 pF,且能够有效分辨出1.37 mm的液氢液位变化,满足低温介质液位测量的精度要求。