防汛泵站放江污染削减对策探索

文中对上海市城区防汛泵站放江污染的关键问题和治理对策进行研究,总结综述管网源头分流、管泥清捞与垃圾拦截、完善截污和试泵设施、运行思路转变升级、畅通截流出路和海绵城市建设6项对策,梳理了9个定量指标用于评价泵站放江改善效果.分析上海市XJ河沿线分流制地区防汛泵站运行案例,通过泵站改造和优化调度方案,充分利用城市下垫面和管网存蓄水能力,放江量削减效果显著.并对不同时段、不同降雨条件下防汛泵站水位差异化控制方式进行分析阐述.     

金字塔原型对齐的轻量级小样本语义分割网络

小样本图像语义分割任务是计算机视觉领域一个有挑战性的问题,其目标是利用现有一张或几张带有密集分割注释的图片来预测未见类图像的分割掩码.针对该任务,提出了一个基于金字塔原型对齐的轻量级小样本图像语义分割网络.首先,该网络在MobileNetV2网络的深度可分离卷积和逆残差结构基础上,通过金字塔池化模块进行提取特征,保持高维度和低维度的信息,获得不同尺度的特征.同时通过在支持集原型和查询集之间进行相互对齐,使得网络能够从支持集中学到更多的信息,充分利用支持集的信息进行反馈.基于PASCAL-5i数据集的大量实验结果表明,提出的网络结构的均值在1-way 1-shot和1-way 5-shot上分别为49.5％和56.6％,与先进的主流小样本语义分割网络PANet相比分别对应提高了1.4％和0.9％,网络参数量为3.0 MB,相比PANet减小了11.7 MB,同时浮点计算量显著减少,证明了该网络在小样本图像语义分割中的有效性和高效性.     

基于U-Net的多尺度融合视网膜血管分割算法

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于U-Net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重,更多地保留了血管的边缘和细微结构信息.其次在编码部分采用空洞卷积构建空洞空间金字塔池化模块代替传统卷积块,来扩大算法的感受野,从而在不增加网络参数的同时进行多尺度特征融合,提取更丰富的空间信息.通过在DRIVE数据集上进行验证,实验结果表明:本算法的准确率和AUC值分别达到0.9572、0.9811,与U-Net等其他基于深度学习的算法相比分割效果更优,从而验证本算法在视网膜血管分割中更加有效.     

基于图像分割的摩尔斯信号检测算法

摩尔斯信号在通信领域应用广泛,具有十分重要的研究价值。但是,由于短波信道比较复杂,环境恶劣,信号质量差,短波宽带条件下的摩尔斯信号检测问题一直没有较好的解决方案。基于此,提出了一种基于时频图和图像分割的摩尔斯信号检测算法。算法主要分为粗检测和识别两部分,粗检测是指基于图像分割的方法,从宽带数据中初步检测出摩尔斯信号;识别部分是指通过提取最大持续长度等特征,逐级排除非摩尔斯信号,进一步识别摩尔斯信号。实际信号测试表明,该算法对摩尔斯信号的正确检测率为96%以上,虚警率小于7.2%,相较于对比算法整体性能较好,具有一定的工程应用价值。     

基于正余弦优化多阈值图像分割

将进化计算(EC A)与阈值准则相结合,利用能量曲线参数执行多级阈值分割.进化计算的正余弦算法(SCA)应用于图像分割中的多阈值分割问题,对所提出的方法进行了质量方面的深入评估,并且使用统计分析方法进行比较.进行了数值实验和分析.     

基于自动选取最佳阈值的X光图像快速分割方法*

为实现对数字X光图像进行快速分割,提出一种针对直方图的包络特征进行处理的新方法.该方法采用分水岭算法对数字X光图像的直方图一维信号进行处理.首先计算出图像的直方图,然后对直方图进行形态学滤波,提取出直方图的包络.在此基础上对直方图的包络采用分水岭算法自动提取出最佳阈值.用提取出的阈值进行基于阈值的初步分割,然后进一步采用基于标记的分水岭算法对初步分割的二值图像作进一步分割.通过实验表明,采用该方法可以有效地分割大幅X光图像.     

一种新的知觉分割模型*

根据知觉的最新理论研究和实验结果,提出一种新的知觉模型,并用于考查计算机视觉中的分割问题.分割问题实质上是知觉表达问题,现在分割的困难性可能是知觉上局部到整体的还原论假设造成的;分割可能不是一次完成的,而是经过整体到局部的过程才最终完成.新的知觉模型将对建立更好的分割模型提供理论基础.     

基于分水岭和区域合并的图像分割算法*

提出一种应用分水岭与区域合并相结合的图像分割算法.本方法首先利用数学形态学分水岭算法对图像进行分割,然后对分割后的图像进行相似区域合并,以减少分水岭方法产生的过分割现象,从而得到较好的分割效果.     

基于阈值分割的松材线虫病树计数与定位

松材病虫病是最紧迫的威胁之一,最近对中国针叶林造成了严重破坏,为了阻止松材病虫病的快速传播,必须在早期准确检测和计数受感染的树木。提出了一种基于密度图的方法,用于从高分辨率航拍图像中估计具有松材病虫病的树木数量,方法引入了阈值分割、形态处理和超像素技术,以最大限度地减少由于建筑物和岩石等相似背景物体引起的误差。实验表明,所提出的方法优于密度学习 算法,平均绝对误差、均方根误差和绝对误差方差分别从21.3、22.2和127.2减少到8.0、11.7和59.6,计数准确率从54.7%提高到81.3%。