深度学习法在水文中应用的现状

近年来,深度学习成为机器学习研究中的一个新的发展热点,通过建立与人脑相似的神经网络对数据序列进行学习,在数据的低层特征基础上抽象出高层属性类别或特征,可以很好解释和模拟复杂数据,在大数据时代尽显其优势。基于水文数据的大量性和水文原理的复杂性,掌握深度学习技术可对水文数据进行有效模拟,对水文工作起到指导作用。     

四维混沌系统及其在图像加密中的应用

传统基于低维混沌系统的图像加密算法往往具有密钥空间较小、安全性较差的问题。针对这些问题,首先提出了一类新的平衡点不稳定的四维离散混沌系统,通过数值仿真对该类系统进行了动力学行为分析,正的Lyapunov指数的个数可以达到三个。同时并基于该类混沌系统设计了一个新的图像加密方案,并进一步对明密文的分布直方图、相关系数、信息熵以及加密方案对参数的敏感性进行了分析。分析结果表明,该加密方案抵抗外来攻击的能力强,密钥空间可达2996△,具有较高的安全性。     

融合特征关联性的深度哈希图像表示方法

针对深度描述子无法提供图像特征之间关联性的问题进行了研究,提出了一种融合特征关联性的深度哈希图像表示方法,这种方法将深度描述子之间的关系融入到图像内容的描述中,用于提高图像检索性能。首先,通过预训练网络生成图像的特征映射,并在此基础上提取出深度特征描述子。然后,将深度特征描述子映射为深度视觉词,从而用于深度视觉词的频繁项集发现。接下来将离散值的深度视觉词图像表示和哈希值的频繁项集图像表示连接生成图像表示。最后,算法通过图像类内、类间的相似性关系构造优化,得到最优的阈值,用于将图像表示变为哈希值。实验中,将提出的方法与一些优秀的图像表示方法在holiday、Oxford和Paris图像集的图像检索任务中进行了性能比对,用于证明此方法的有效性。     

基于ResNeXt和WGAN网络的单图像超分辨率重建

为解决现有基于生成对抗网络的单图像超分辨率重建模型SRGAN网络训练不稳定、学习速率慢等问题,提出了一种基于ResNeXt和WGAN的单图像超分辨率重建模型Res_SRGAN。该模型参考ResNeXt网络结构构造生成器,降低了生成器的复杂度,仅为SRGAN的1/8;通过WGAN来构造判别器解决了SRGAN模型不稳定的问题;实验结果表明,在四个公开数据集上本文所提模型相较于现有的单图像超分辨率重建模型在主客观评价中均取得了更加优越的性能。     

基于卷积神经网络和语义相关的协同显著性检测

针对目前协同显著性检测方法中存在的语义特征类相差悬殊的物体被误检测为协同对象等问题,提出了一种基于卷积神经网络和语义相关的协同显著性检测算法CSCCD。首先,采用引导超像素滤波方法对SLIC分割出的超像素区域和DSS生成的显著性区域进行处理,清晰地显示了目标边界轮廓;然后使用Mask R-CNN提取语义特征,给出了图像语义特征和语义一致性的定义,并针对提取语义特征过程中出现的同一语义类别的物体在不同形态下被检测为不同语义类别的问题,提出了图像组语义相关类的概念,在此概念的基础上定义了图像组语义关联类,解决了多幅图像的语义关联问题;最后融合显著性检测区域和图像组语义一致性区域得到协同显著性检测结果。在公开基准数据集上的实验结果表明,该算法能够有效凸显目标整体及轮廓,在客观量化方面的综合性能有明显提升。     

几何距优化质心结合隶属度约束RFCM的脑MRI图像分割算法

针对现有图像分割算法聚类复杂以及分割精度不够高的问题,提出了基于几何距优化质心和粗糙模糊C-均值（RFCM）相结合的医学图像聚类分割算法。首先建立软集表示的像素集,并计算每个像素与质心之间的距离,然后基于像素和质心之间的最小距离,将像素分组到聚类中。为了将软集应用到粗糙模糊C-均值中,定义了一个模糊软集,进一步将输入图像转换为二值图像,通过计算连通区域的几何距选择适当的质心。最后利用这些新的质心计算更新像素的隶属度值,从而完成模糊聚类划分。在Allen Brain Atlas等三个医学数据库上评估了所提出混合算法的性能,获得的Jaccards系数和分割精度（SA）都优于几种对比算法。实验证明,提出的聚类分割算法具有良好的性能。     

改进的形态学与Otsu相结合的视网膜血管分割

针对视网膜图像采集过程中由于疾病引起的图像光照反射过强问题,提出了一种修正的形态学与Otsu相结合的无监督视网膜血管分割算法。首先运用形态学中的高低帽变换增强血管与背景的对比度;然后提出了一种修正方法,消除部分由视网膜疾病引起的光照问题;最后使用Otsu阈值方法分割血管。算法在DRIVE和STARE视网膜图像数据库中进行了测试,实验结果表明,DRIVE数据库中的分割精度为0.9382,STARE数据库中的分割精度为0.9460,算法的执行时间为1.6s。算法能够精确地分割出视网膜血管,与传统的无监督视网膜血管分割算法相比,算法的分割精度高、抗干扰能力强。     

基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

分析图像传感技术中的图像信号的处理

我国经济的飞速进步促进我国计算机科学技术领域的快速发展,图像传感技术也在我国的各个领域之中普遍的运用,而且图像传感技术中的图像信号处理对我国的安防系统有着重要的作用。当今我国的各个城市当中的监控设施就是运用图像信号的处理,图像信号的处理会受到当低气候、设备故障等原因影响,导致图像信号的处理效果不能按照预期的效果显示。本篇文章主要针对图像传感技术中的图像信号的处理进行分析,并且对其中的一些先进技术进行探讨和阐述。     

大场景 SAR图像舰船目标快速检测

基于SAR图像的舰船目标检测是海洋监视应用的重要方面,随着SAR图像资源的不断丰富,计算速度成为衡量舰船目标检测算法的重要指标。针对大场景SAR图像,提出一种基于分块CFAR的舰船目标快速检测算法。首先通过图像增强提高舰船目标与海洋杂波之间的对比度,然后利用差异性参数进行分块筛选,剔除不包含目标的区域,最后对待检测区域实现基于积分图的快速CFAR检测。TerraSAR_X实测数据的实验结果验证了该方法的有效性。