多尺度密集网络在红外和可见光图像融合应用

为了进一步提升红外和可见光图像的融合效果,提出了一种基于多尺度卷积算子和密集连接网络的图像融合模型.该模型首先使用多尺度卷积算子计算图像的直接多尺度特征,然后使用密集连接网络计算图像的间接多尺度特征.为了得到图像像素信息在不同尺度下的融合权重,通过叠加的方式将各个尺度密集连接网络的输出进行融合,并使用活动图方法计算两类图像的融合权重,最后根据权重计算结果得到融合图像,实验在THO数据集和CMA数据集获得较好的识别率.     

二维彩色图像的蜡笔画风格实现

提出了一种基于2D图像的蜡笔画风格自动生成算法,通过分析真实蜡笔画纹理的结构特征和艺术特点,抽象出蜡笔画的简单模型,探索地利用了噪声纹理方法,结合图像自身轮廓信息,分别完成了图像色彩区域和轮廓区域的蜡笔画风格渲染,并在YIQ颜色空间运用FLIC算法生成了笔触的走势纹理,使最终产生的结果非常相似于手绘效果,从而实现了计算机辅助生成蜡笔画风格的目的。     

融合注意力机制的多流卷积肌电手势识别网络

针对目前表面肌电信号(surface electromyography,sEMG)端到端手势识别特征提取不充分、多手势识别准确率不高的问题,提出一种融合注意力机制的多流卷积肌电手势识别网络模型.该模型通过滑动窗口将多通道时域sEMG生成肌电子图,并使用多流卷积神经网络充分提取每个采集通道sEMG的语义特征,然后将其聚合得到丰富的多通道手势语义特征;同时从时间和特征通道维度上计算语义特征的注意力分布图,强化有用特征并弱化无用特征,进一步提高多手势识别准确率.实验使用Ninapro数据集进行训练和测试,并与主流的肌电手势识别模型进行对比.实验结果表明,该模型在识别准确率上具有更好的表现,证明了该模型的有效性.     

基于卷积型小波包变换的信号消噪算法

提出了卷积型小波包变换，与传统小波包变换相比。在这种小波包变换中不管信号被分解多少层，每层分解得到的各频道序列长度始终与原始信号一致，利用这一性质本文进一步提出并实现了对小波包分解结果利用模极大值法进行消噪的算法。这一算法的思想来自于基于小波变换的模极大值消噪算法，但是由于小波包分解是对小波分解的结果作进一步细分，在小波分解中难于分离的高频噪声将被小波包充分分离与集中到后面的频道，因此基于小波包变换的模极大值消噪算法将会取得比小波消噪更好的效果。文中给出了信号的小波包消噪实例，并与小波消噪的效果进行了对比，结果表明小波包有更优良的消噪效果。     

一种改进FCN 的肝脏肿瘤CT 图像分割方法

精准的医学图像分割是辅助疾病诊断和手术规划的必要步骤。由于腹部器官边界 模糊、对比度不高,肝脏肿瘤的自动分割一直是一个难题。针对传统全卷积神经网络(FCN)实 现端到端分割精度不佳等问题,提出了一种卷积型多尺度融合FCN 的CT 图像肝脏肿瘤分割方 法。首先,通过提高对比度、增强和去噪的方式对原始的CT 图像数据集进行预处理;然后使 用处理后的数据集对所设计好的FCN 网络进行训练;最终得出能够精确分割肝脏肿瘤的网络模 型。实验效果采用多种评价指标进行分割结果的评估,并且与多种常见的分割网络进行对比。 实验结果表明本文方法可以精准分割CT 图像中各种形状和大小的肝脏肿瘤,分割效果良好, 能够为临床的诊断提供可靠的依据。     

对步进频雷达灵巧干扰的建模方法与仿真

步进频雷达的频率跳变和相关处理特性使得传统的噪声干扰的利用效率下降,必须寻找新的干扰样式.分析了步进频信号的一维成像原理和模糊函数性质,根据步进频雷达信号处理的特点,提出了对其灵巧干扰样式的建模方法,由此得出了几种典型的和特殊的干扰样式,并对干扰效果进行了仿真分析.理论和仿真结果表明:相较于传统的噪声干扰,灵巧干扰能更加有效地实施干扰.     

融合注意力机制与上下文密度图的人群计数网络

为分析商业区人群流动情况,或避免人群踩踏等公共事件的发生,通常采用人群计数方法统计监控图像中的人数信息,从而达到提前预警的效果。受目标遮挡、背景干扰、多尺度变化等因素的影响,现有的人群计数方法在统计人数信息的过程中存在误算或漏算的问题,导致准确率降低。提出一种基于注意力机制与上下文密度图融合的人群计数网络CADMFNet。以VGG16的部分卷积层作为前端网络,通过引入上采样融合模块对输入的特征图进行上下文特征融合,将不同膨胀率的膨胀卷积作为后端网络,生成高质量的中间密度图。在此基础上,采用上下文注意力模块融合不同层级的中间密度图,获得精细的人群密度图。实验结果表明,该网络在Mall数据集上的平均绝对误差和均方根误差分别为1.31和1.59,相比CSRNet、MCNN等网络,能够有效提高计数的准确度,并且具有较优的鲁棒性。     

基于改进eRCNN的局部路网交通流预测

针对误差反馈循环卷积神经网络在运用到短时交通流预测时存在仅仅能接收时序误差序列,忽略交通流误差数据中隐含的空间拓扑特征,且在模型初始化时其采用的通用卷积神经网络初始化方法降低了模型训练效率的问题,本文提出一种优化的误差反馈循环卷积神经网络模型,在误差反馈循环卷积神经网络模型基础上根据预测误差数据的时空特性对误差反馈层进行结构强化,能够处理包含简单空间关系的误差序列。同时通过在模型训练的过程中分离模型产生的历史预测误差和训练误差,使得模型构建过程更加高效,加速了模型收敛速度。通过北京市四环道路交通数据的实验表明,优化的误差反馈循环卷积神经网络预测模型在预测精度、构建效率及鲁棒性上均得到有效提高。     

基于自适应噪声模型和线积分卷积的铅笔画模拟

提出一种铅笔画模拟的方法.和传统的铅笔画步骤类似,经过轮廓提取和色调合成,产生铅笔画模拟图像.轮廓提取通过L0平滑后,用四向索贝尔算子提取边界,借助线积分卷积实现色调合成.与现存方法不同的是,给出一种自适应噪声模型,根据源图像产生自适应的噪声,将其作为线积分卷积的输入图像.实验证明提出的方法可以用来产生具有艺术效果的铅笔画模拟图像.     

DSC analysis of a simply supported anisotropic rectangular plate

The discrete singular convolution (DSC) algorithm is used to analyze the deflection and free vibration behavior of a simply supported anisotropic rectangular plate. A novel approach is proposed to solve the difficulty in using DSC to handle the simply supported boundary conditions with bending–twisting coupling. DSC results are presented for bending under distributed load and a center concentrated load, and natural frequencies of flexural vibrations. It is shown that the DSC with proposed method to apply the simply supported boundary conditions yields very accurate results as compared to exact solutions or results obtained by methods of differential quadrature and finite element with fine meshes. It is also verified that neglecting the bending–twisting coupling in applying the simply supported boundary conditions may result incorrect solutions, especially for the bending analysis of anisotropic plates.