基于不确定性引导和尺度一致性的肾肿瘤图像分割方法

针对肾肿瘤图像分割中的边界模糊和特征丢失问题,在RAUNet(Residual Attention U-Net)的基础上,提出基于不确定性引导和尺度一致性的肾肿瘤图像分割方法.针对肾肿瘤图像边界模糊问题,在解码层引入不确定性引导模块,根据不确定性自适应分配权重,弱化错误像素点的影响,提高模型的边界定位能力.针对下采样引起的特征丢失问题,提出尺度注意力模块和特征一致性损失,利用多尺度融合策略融合不同尺度特征,并与编码器底部特征进行尺度一致性约束,缓解特征丢失问题.在公开数据集KiTS19上的肾脏和肾肿瘤的图像分割实验表明,文中方法提高肾肿瘤的分割精度.此外,由于文中方法引入不确定性引导模块,分割结果具有较好的可靠性.     

基于路径轮廓的三维目标识别

骨架能更有效地反映出目标的拓扑结构和细节变化, 因而在三维目标识别中得到广泛应用, 但存在的基于骨架的识别方法均要求骨架端点位于轮廓曲线上, 并且识别精度受骨架端点排序的影响。针对该问题, 提出了一种新的基于路径轮廓的三维目标识别算法。该算法首先定义了一种新的特征点——骨切点, 并根据骨切点在轮廓曲线上的顺序关系, 对骨架端点进行排序; 然后利用路径轮廓对目标轮廓进行分割; 再构造一种新的局部不变特征, 并结合hash表以识别三维目标。实验结果表明, 该算法对存在部分遮挡或缺损的三维目标仍有较好的识别效果。     

基于格式塔心理学和Euler spiral的轮廓修复算法

现有的轮廓修复方法假设已知遮挡发生的位置, 且未考虑人类认知特性。针对该问题, 提出一种结构较完整的轮廓修复方法。算法首先检测T型节点确定遮挡发生的位置; 根据格式塔心理学的完形法则提出组合约束条件, 据此将T型节点进行组合。对平滑轮廓遮挡, 基于Euler spiral, 并以曲率变化最小作为能量最小化准则, 修复局部缺失的轮廓; 对角点轮廓遮挡, 利用过角点的两条曲线的可见部分构造两条Euler spiral, 根据Euler spiral的扩展性对构造的两条Euler spiral进行延拓并求交, 从而修复角点遮挡轮廓。方法能自动确定遮挡发生的位置, 能够对T型节点进行正确组合, 使轮廓修复更符合人类视觉感知; 对角点轮廓遮挡采用Euler spiral的扩展性进行修复, 能克服角点轮廓修复仅适合于修复轮廓为直线或圆弧的规则物体。应用模拟图像和真实图像验证了方法的有效性。     

结合分数阶微分和图像局部信息的CV模型

目的 由于CV模型仅利用了图像的全局信息,其对灰度不均匀图像的分割效果不理想,同时在分割弱边缘和弱纹理图像时,优化易陷入局部最优从而导致分割效率低下,且对初始位置的选择较为敏感。针对这些问题,提出一种结合分数阶微分和图像局部信息的CV模型。方法 首先将分数阶梯度信息融入图像的局部信息中,用来替代CV模型的整数阶全局信息,并建立自适应计算分数阶最佳阶次的数学模型,然后在模型中加入符号距离的约束项。结果 一方面,用局部信息代替全局信息,可以在一定程度上解决CV模型对灰度不均匀图像分割效果不理想的问题。另一方面,将Grünwald-Letnikov分数阶梯度信息融合到局部信息中,当分数阶阶次0 < α < 1时,增加了图像灰度不均匀、弱边缘、弱纹理区域的梯度信息,从而增加了演化驱动力避免演化曲线陷入局部最优,有效地解决了图像因灰度变化不大导致演化曲线驱动力小的问题,在一定程度上解决了模型对初始轮廓位置选择和对噪声敏感的问题。同时为了解决人工选取最佳分数阶阶次费时费力的问题,根据图像的梯度模值和信息熵建立计算分数阶最佳阶次的数学模型,将此自适应分数阶模型应用到算法之中,以自适应确定最佳分数阶阶次。此外,为了避免模型的重新初始化,在模型中加入符号距离的约束项,从而提高了曲线的演化效率。结论 理论分析和实验结果均表明,该算法能够较好地分割灰度不均匀、弱边缘和弱纹理区域的图像,并能根据图像特征自适应确定最佳分数阶阶次,提高了分割精度和分割效率,且对初始轮廓位置选择及噪声均具有一定的鲁棒性。     

基于仿射不变性的轮廓曲线局部描述符

特征点(角点、拐点、切点)只反映轮廓曲线的部分信息,为更精确地描述曲线,定义和提取一种特征点——弦高点,基于该特征点构造一种曲线局部描述符,并将其用于曲线匹配。定义的弦高点比现有的特征点更精确描述曲线的特性,能解决轮廓曲线平滑特征点少而不能被精确描述的问题。文中定义的弦高点和构造的识别向量都具有仿射不变性,且均为局部描述符,因而文中方法适合于仿射变换且在遮挡的情况下仍有效。理论分析和实验结果都证明该方法的有效性。     

基于NRLCTI码和匹配子曲线的平面曲线识别

为了更简单、有效地进行平面曲线的识别,首次给出了一种新的NRLCTI码的定义,并设计了一种新的算法用来匹配目标和模型轮廓曲线上的每段子曲线,同时还提出了一种从单幅图形和图像来识别平面曲线的方法。该识别方法首先利用NRLCTI码初步匹配了目标和模型轮廓曲线上的关键特征点,从而解决了用穷尽搜索法寻求特征点所对应的高费率和低效率的问题;然后在NRLCTI码匹配的前提下,再通过匹配目标和模型轮廓曲线上的每小段,从而解决了用多边形或圆锥曲线来近似曲线的不准确性问题。实验结果表明,该算法简单、有效。     

水电站财务评价若干问题探讨

通过对５项单因素变化分析，认为贷款偿还年限、所得税、应付利润对电价影响较大，而单纯降低年利率对电价影响不大。针对以上必须给水电建设寻求一条出路。     

多维统合下的古代汉语教学

古代汉语是高等院校汉语言文学专业开设的专业基础课.在新时代的背景之下,我们要以多雏的、立体的方式重新审视古代汉语教学.本文试图从多个角度、多个侧面探计古代汉语教学的新方法、新视角.以达到更好地教授古代汉语的目的.     

碳酸轻稀土产品和氯化稀土料液中磷的测定

文章提出了化学法萃取富集—钼蓝分光光度法测定混合碳酸轻稀土和氯化稀土料液中的微量磷。主要讨论了波长选择、加料回收试验、精密度统计试验、以及结果对照试验。富集—钼蓝分光光度法稳定,易于掌握,干扰元素少,由于磷的富集,可提高灵敏度三倍以上,测定范围为0.000 2%~0.050 0%,相对标准偏差2.3%~13.2%之间。能够满足生产流程控制和产品检测的要求。     

融合分割先验的多图像目标语义分割

目的 在序列图像或多视角图像的目标分割中,传统的协同分割算法对复杂的多图像分割鲁棒性不强,而现有的深度学习算法在前景和背景存在较大歧义时容易导致目标分割错误和分割不一致。为此,提出一种基于深度特征的融合分割先验的多图像分割算法。方法 首先,为了使模型更好地学习复杂场景下多视角图像的细节特征,通过融合浅层网络高分辨率的细节特征来改进PSPNet-50网络模型,减小随着网络的加深导致空间信息的丢失对分割边缘细节的影响。然后通过交互分割算法获取一至两幅图像的分割先验,将少量分割先验融合到新的模型中,通过网络的再学习来解决前景/背景的分割歧义以及多图像的分割一致性。最后通过构建全连接条件随机场模型,将深度卷积神经网络的识别能力和全连接条件随机场优化的定位精度耦合在一起,更好地处理边界定位问题。结果 本文采用公共数据集的多图像集进行了分割测试。实验结果表明本文算法不但可以更好地分割出经过大量数据预训练过的目标类,而且对于没有预训练过的目标类,也能有效避免歧义的区域分割。本文算法不论是对前景与背景区别明显的较简单图像集,还是对前景与背景颜色相似的较复杂图像集,平均像素准确度（PA）和交并比（IOU）均大于95%。结论 本文算法对各种场景的多图像分割都具有较强的鲁棒性,同时通过融入少量先验,使模型更有效地区分目标与背景,获得了分割目标的一致性。