基于一般R-型蕴涵算子的α-三I算法

利用三I思想,给出了基于R-型蕴涵算子的α-三IFMP和α-三IFMT算法的统一计算公式。α-三IFMP和α-三IFMT都不再具有还原性,但具有某种形式的弱还原性。     

基于边缘细化的角点提取算法

图像的角点提取在计算机视觉领域中具有重要的应用价值。本文基于角点一定是边缘点且是两条边缘或多条边缘交点的这一几何特性,提出了一种基于边缘细化的角点提取算法。算法先用Canny算子提取图像的边缘,然后进行细化并填充边界线上的断点,再利用角点的几何特性来确定角点的位置。实验结果表明,这种算法提高了角点提取的正确率、定位精确、实用性强。     

边缘检测算法在不同分辨率图像中的性能研究

边缘检测是图像处理、计算机视觉中的重要内容之一,是实现图像分割、特征提取和图像理解的基础。也是仍未得到圆满解决的研究课题;图像分辨率是衡量图像质量的重要参数,分辨率越高图像质量越好,存储空间也越大;重点讨论了数字图像边缘检测中常用的几种经典的边缘检测算法对图像在不同分辨率时的性能变化,以及图像在不同分辨率条件下加入噪声时的性能变化,分析了造成这些变化的主要原因;同时,通过实验得出了这些边缘检测算法的优缺点和一些经验性结论,以便在实际应用中更好地发挥它们的特长;实验证明,这些边缘检测算法对图像和加噪图像在不同分辨率下的性能及其变化存在明显的差异。     

基于CNN的塑料光纤信道解码技术研究

为降低塑料光纤中放大自发发射噪声对解码信号的影响,应用卷积神经网络实现塑料光纤信道解码器,并设计三个TInception类型网络。将TanH非线性激活函数应用于解码器网络第一层,将设计的TInception2应用于解码器网络第二层,可提升训练效率,便于从塑料光纤信号中捕获多样且抽象的信号特征,增强模型的特征表达能力。经仿真,本塑料光纤信道解码器在非对称X～2噪声信道、非对称高斯噪声信道、加性高斯白噪声信道上,对于硬判决和软判决,Q因子为5.75时,信号误码率分别为0.082 72、0.000 64、0.007 26、0.001 23、0.006 27和0.001 34,均低于传统Viterbi光纤信道解码器和反馈神经网络解码器。     

氟橡胶的红外光谱研究

采用红外(IR)光谱,包括一维红外光谱、二阶导数红外光谱、四阶导数红外光谱和去卷积红外光谱对氟橡胶(FKM)的分子结构进行了研究。试验发现:氟橡胶的红外吸收模式主要包括CH2不对称伸缩振动模式(νasCH2-FKM)、CH2对称伸缩振动模式(νsCH2-FKM)、CH2弯曲伸缩振动模式(δCH2-FKM)、CF2不对称伸缩振动模式(νasCF2-FKM)、CF2对称伸缩振动模式(νsCF2-FKM)和CFCl伸缩振动模式(νCFCl-FKM)等。研究发现:氟橡胶的去卷积IR光谱的谱图分辨能力要优于相应的一维IR光谱、二阶导数IR光谱和四阶导数IR光谱。此研究拓展了IR光谱在氟橡胶结构及应用研究的范围。     

基于深度学习的高分辨率食管测压图谱鉴别

高分辨率食管测压技术(High-Resolution Manometry, HRM)被广泛应用于食管运动诊断,而芝加哥分类的方法难度大、耗时长、效率低,且随着HRM图像数据量的爆炸式增长,误诊率也随之增加。为了提高临床诊断的准确率与效率,本文将搭建一个更加高效的计算机辅助诊断系统帮助医生对HRM图像进行自动判别分析,提出了改进的深度学习模型(Improved-VGG)来完成对HRM图像食管收缩活力的正常收缩、全段增压、弱收缩、无效收缩分类的任务,该模型中增加了Batch Normalization层和Dropout层,显著提升了HRM图像分类的训练速度,并修改了卷积核大小,用更大的卷积核提取特征。实验使用了2 520幅专家标记的HRM图像,用于训练、验证和测试的图像分别占比为70%, 10%和20%。实验结果表明,在测试集上,食管收缩活力分类器的分类准确率和精度分别为97.20%和93.97%,特异度和召回率分别为98.05%和93.97%。本文的正常收缩、全段增压、弱收缩、无效收缩分类(NFWIC)模型能较好地适应HRM图像数据的特性,其临床实践应用将提高医生的诊断效率。     

MSAG-TransNet:肺部CT图像中新型冠状病毒感染区域的分割模型

针对现有新型冠状病毒感染区域的分割方法存在形态特征提取不充分、感染区域检测不完整以及背景混淆等问题,提出了一种肺部CT图像中新型冠状病毒感染区域的分割新模型：MSAG-TransNet模型。该模型在U型网络的基础上增加了多尺度特征抽取模块、Transformer语义增强模块和多重注意力门模块等3个新模块。首先设计了多尺度特征抽取模块来增强骨干网络的特征提取能力,通过多分支结构的深度可分离卷积,充分提取感染区域的形态特征;其次,设计了Transformer语义增强模块来捕获图像全局位置信息,整合局部形态特征;最后,设计了多重注意力门模块,将提取的特征与对应上采样过程的门信号拆分成不同分区,然后利用注意力门抑制各分区的无效特征,得到最终分割结果。该模型在两个公开的新型冠状病毒感染CT数据集上进行实验,实验结果显示：分割图像的Dice系数分别为82.03%和76.67%,精确率为77.27%和72.34%,交并比为69.53%和62.16%;与其他主流模型相比,该模型能够提取更丰富的形态特征,检测到更完整的感染区域,并且得到更精准的分割结果。该模型可以更精确的定位和量化新型冠状病毒感染区域,...     

基于改进Transformer的布料材质识别方法研究

布料材质识别是一个极具挑战性的计算机视觉问题。针对传统识别方法存在的识别周期长、人为因素多、技术壁垒高以及有破坏性等缺点,提出了一种基于改进Transformer的布料材质识别方法,该方法利用输入的布料运动视频,通过布料运动的外观变化识别布料的材质类型。改进的Transformer模型由Transformer块和残差空间缩减块(Residual Spatial Reduction)组成,将Transformer块中的自注意力分解为时间自注意力和空间自注意力来减少计算量和运行时间,将两个残差空间缩减块添加进Transformer模型中来减少空间冗余信息和提高布料材质识别的准确率。此外,使用预训练的图像模型对视频模型初始化,可以在减少计算量的同时保持模型的高性能。在布料运动数据集上的实验结果表明,本文方法对12种不同布料材质视频的材质种类识别的准确率达到82.3%,相比其他方法,该方法的识别精度更高。     

基于卷积神经网络的在线泵效计算方法研究与应用

油井泵效的计算是油田生产管理中的一项重要工作,针对传统泵效计算方法计算复杂,速度慢的问题,提出一种基于卷积神经网络的泵效计算方法.该方法通过卷积操作从地面示功图中提取特征图,并融合油井参数和抽油机参数,挖掘多源参数与泵效之间的非线性关系.此外,将井下泵示功图作为先验知识引入,有助于泵效计算精度的提升.应用测试结果表明,...     

关于简单遗传算法变异率的理论分析

本文主要目的在于通过对状态方程解的研究,讨论简单遗传算法中变异率的取值对算法收敛性态的影响,所得结果蕴含着“当变异算子的作用率很小时,算法收敛于早熟集的概率几近于1”的结论。同时,我们对于算法收敛于早熟集的概率给出了一个下界估计。