基于边信息的高光谱图像恢复模型

在高光谱图像(HSI)恢复中,如何在模型中有效嵌入先验信息和正确建模噪声一直是研究的两个重点.边信息作为一种基于域的先验知识已经在许多方向取得了成功,然而在高光谱去噪领域仍未受到关注.为了将这种领域知识与高光谱恢复模型自然耦合,提出的方法采用双线性映射的方式将边信息链接到表示观测数据潜在低秩结构的底层矩阵,并使用E-3DTV(enhanced 3-D total variation)正则编码了HSI局部平滑先验.此外该方法使用Lp范数进行噪声建模,进一步增强对腐败的鲁棒性.该方法在两个数据集、七种加噪方式下与五种竞争方法在三个数值指标上进行了比较,结果充分反映了提出方法对复杂噪声场景的有效性和鲁棒性.     

检测小篡改区域的U型网络

目的 图像篡改区域检测是图像取证领域的一个挑战性任务,其目的是找出图像的篡改区域。传统方法仅针对某种特定的篡改方式进行设计,难以检测其他篡改方式的图像。基于卷积神经网络的方法能够自适应地提取特征,同时检测包含多种篡改方式的图像。但是其中多数方法都选择增强图像的噪声特征,这种机制无法较好处理篡改区域与原图像来源相同、噪声相似的情况。多数方法还忽略了篡改区域过小而产生的样本不平衡问题,导致检测效果不佳。方法 提出了一个基于区域损失的用于检测小篡改区域的U型网络,该网络构建了一个异常区域特征增强机制,放大与图像背景差异较大的异常区域的特征。此外,还利用区域损失增强对篡改区域框内像素的判别能力,可以解决因篡改区域过小而产生的样本不平衡问题。结果 消融实验说明了异常区域特征增强机制和区域损失机制的有效性;对JPEG压缩和高斯模糊的对抗性测试证明了模型的鲁棒性;在CASIA2.0（CASI-A image tampering detection evaluation database）、NIST2016（NIST nimble 2016 datasets）、COLUMBIA （Columbia uncompressed image splicing detection evaluation dataset）和COVERAGE （a novel database forcopy-move forgery detection）数据集上与最新方法进行比较时,本文方法取得了最优性能,其F1 score分别为0.979 5、0.982 2、0.995 3和0.987 0。结论 本文的异常区域特征增强机制和区域损失机制能有效提高模型性能,同时缓解篡改区域过小导致的样本不平衡问题,大量实验也表明了本文提出的小篡改区域检测方法的优越性。     

适用于医学图像的模糊边缘检测改进算法

边缘检测是医学图像预处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于医学图像的新型模糊边缘检测算法。该算法使用遗传算法对传统Otsu算法进行优化来确定阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的医学图像,与几种经典的处理方法相比,该算法能够提取出更加真实和完整的边界信息。     

一种新的快速Retinex视频增强方法研究

针对现有视频增强算法时间复杂度较高的局限性,提出一种新的快速Retinex视频增强算法。该算法通过两次Retinex算法,将视频每一帧分解成照度分量和反射分量,再将照度分量分解成全局照度和局部照度。其中全局照度包含场景光照信息,局部照度包含由物体运动产生的光照变化。该算法可通过局部照度保留物体的运动信息,避免“运动伪影”,计算复杂度较低。实验表明,该算法对夜间高动态范围交通视频,具有良好的增强效果,且运行速度较快。     

融合环境特征与改进YOLOv4的安全帽佩戴检测

目的 在施工现场，安全帽是最为常见和实用的个人防护用具，能够有效防止和减轻意外带来的头部伤害。但在施工现场的安全帽佩戴检测任务中，经常出现难以检测到小目标，或因为复杂多变的环境因素导致检测准确率降低等情况。针对这些问题，提出一种融合环境特征与改进YOLOv4（you only look once version 4）的安全帽佩戴检测方法。方法 为补充卷积池化等过程中丢失的特征，在保证YOLOv4得到的3种不同大小的输出特征图与原图经过特征提取得到的特征图感受野一致的情况下，将两者相加，融合高低层特征，捕捉更多细节信息；对融合后的特征图采用3×3卷积操作，以减小特征图融合后的混叠效应，保证特征稳定性；为适应施工现场的各种环境，利用多种数据增强方式进行环境模拟，并采用对抗训练方法增强模型的泛化能力和鲁棒性。结果 提出的改进YOLOv4方法在开源安全帽佩戴检测数据集（safety helmet wearing dataset，SHWD）上进行测试，平均精度均值（mean average precision，mAP）达到91.55%，较当前流行的几种目标检测算法性能有所提升，其中相比于YOLOv4，mAP提高了5.2%。此外，改进YOLOv4方法在融合环境特征进行数据增强后，mAP提高了4.27%，在各种真实环境条件下进行测试时都有较稳定的表现。结论 提出的融合环境特征与改进YOLOv4的安全帽佩戴检测方法，以改进模型和数据增强的方式提升模型准确率、泛化能力和鲁棒性，为安全帽佩戴检测提供了有效保障。     

纳米CaCO3改性聚合物基复合材料研究进展

纳米碳酸钙是一种原料丰富、性能优良的无机填料,在聚合物填充改性方面,纳米碳酸钙填充聚合物基复合材料具有一些普通填充体系无法达到的优良性能。本文综述了纳米碳酸钙在聚甲基丙烯酸甲酯、聚氯乙烯和聚丙烯等材料中的改性研究进展,并对纳米填充粒子和聚合物基体的相容性及增强增韧机理进行了讨论。     

基于杂草算法优化的轴承时频谱图聚类识别研究

针对KFCM算法对初始聚类中心敏感导致聚类效果不好等问题,提出一种基于杂草算法(IWO)优化的模糊核聚类算法(IWO-KFCM),将其运用于轴承时频谱图的状态识别.通过小波变换获取轴承运行状态的时频图像,利用灰度梯度共生矩阵提取图像的纹理特征,提出基于可分性测度构造IWO算法的适应度函数;将IWO算法优化获取的初始聚类...     

基于肤色模型和梯度算子的正面人脸轮廓提取

文章提出了一种新的正面人脸封闭轮廓提取方法,首先采用肤色模型对肤色区域进行初定位,然后经过筛选去除非人脸区域,最后提取人脸初步轮廓,并结合梯度算子提取下巴轮廓,进而得到一个连续、封闭的人脸轮廓.该算法基本克服了下巴轮廓难以从颈部提取的问题,满足了人脸轮廓特征提取的要求,同时具有较高的时效性.     

高压SOI器件介质场增强

提高纵向耐压是研究绝缘体上的硅(Silicon-on-insnlator,简称SOI)高压器件之瓶颈,经过多年研究,总结出了SOI高压器件介质场增强(Enhanced Dielectric Layer Field,简称ENDIF)理论与技术,通过增强介质埋层电场来提高击穿电压.给出增强介质埋层电场的3项技术,即在埋层上界面引入电荷、降低埋层介电系数、采用超薄顶层硅.基于ENDIF,提出了一系列SOI高压器件结构,即电荷型SOI高压器件、低k和变k埋层SOI高压器件、薄硅层阶梯漂移区SOI高压器件,建立了相应的耐压模型,并研制出大于700V的双面电荷槽SOI横向扩散金属氧化物半导体(Laterally Diffused Metal Oxide Semiconductor,简称LDMOS).     

塑料光纤及其在FTTH中的应用

简要介绍了塑料光纤(POF)的发展,分析了传输损耗、色散、热性能等重要性能,并简要地描述了其在FTTH中的应用.