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.     

基于非局部张量火车分解的彩色图像修补

数据在采集和转换的过程中通常存在部分数据丢失的问题,丢失数据的补全直接影响后续的识别、跟踪等高层任务的结果.自然图像中经常存在许多具有重复特性的相似结构,利用该类冗余信息,文中提出基于非局部张量火车分解的张量补全方法.利用图像的非局部相似性,挖掘其中蕴含的低秩特性,并通过张量火车分解模型进行建模及升阶,将低阶张量转化为高阶以进行低秩信息的进一步挖掘利用,从而进行图像中缺失数据的修补.实验验证文中方法在图像修补上的有效性.     

室外崎岖地形下基于视差图的无人自主车障碍物识别

对于地面无人车和室外非结构化环境, 本文介绍了我们开发的基于立体视觉的障碍物快速识别系统. 为了使无人地面车适应于较复杂的地形, 根据V视差图, 我们提出了一种新的地面主视差图的估计方法. 通过地面主视差图和局部的三维重建, 本文给出了一种由粗到精的障碍物识别与定位方法. 在我们的无人地面车平台上, 我们对这一障碍物自动识别系统进行了相应的实际试验. 其试验结果验证了该系统的有效性.     

多相主动轮廓模型的眼底图像杯盘分割

目的 视盘及视杯的检测对于分析眼底图像和视网膜视神经疾病计算机辅助诊断来说十分重要,利用医学眼底图像中视盘和视杯呈现椭圆形状这一特征,提出了椭圆约束下的多相主动轮廓模型,实现视盘视杯的同时精确分割。方法 该算法根据视盘视杯在灰度图像中具有不同的区域亮度,建立多相主动轮廓模型,然后将椭圆形约束内嵌于该模型中。通过对该模型的能量泛函进行求解,得到椭圆参数的演化方程。分割时首先设定两条椭圆形初始曲线,根据演化方程,驱动曲线分别向视盘和视杯方向进行移动。当轮廓线到达视盘、视杯边缘时,曲线停止演化。结果 在不同医学眼底图像中对算法进行验证,对算法抗噪性、不同初始曲线选取等进行了实验,并与多种算法进行了对比。实验结果表明,本文模型能够同时分割出视盘及视杯,与其他模型的分割结果相比,本文算法的分割结果更加准确。结论 本文算法可以精确分割医学眼底图像中的视盘和视杯,该算法不需要预处理,具有较强的鲁棒性和抗噪性。     

基于形状保持主动轮廓模型长直条的检测

通过形状约束方程（组）与一般主动轮廓模型结合,将目标形状与主动轮廓模型融合到统一能量泛函模型中,提出一种形状保持主动轮廓模型。模型通过参数化水平集函数的零水平集表示某一类特定形状,不仅达到了分割即目标的目的,而且能够给出特定目标的定量描述。根据形状保持主动轮廓模型,建立一个用于长直条状目标检测的统一能量泛函模型,导出相应的Euler-Lagrange 常微分方程并用水平集方法实现了长直条状区域的检测。此形状保持模型的一种特殊情况可以用于直线状地平（海天）线提取。实验结果表明,该模型不仅能够准确地检测出给定图像中的长直条状区域而且有很强的抗噪、抗变形及遮挡性能     

高层建筑安全疏散设计

当前,我国的城镇化进程不断加快,人们身边又增添了许多高层建筑。而高层建筑一般坐落在人口密度较高的地区,火灾是高层建筑的克星,如果修建时设计的疏散线路有不合理现象,会带来严重的后果。所以,本文以高层建筑的现状为基础,详细讨论安全疏散的有关问题。     

梨的营养成分、功效评价及产业应用研究进展

<正>我国食用梨的历史可以追溯到3000年以前,自古以来梨作为药食两用食品被广泛使用。我国梨资源丰富,是梨属植物的中心发源地,主要品种有黄冠梨、鸭梨、白梨、香梨等,拥有较高的产销量。梨是在我国产量仅次于苹果、柑橘的第三大水果,也是重要的经济作物之一。2022年,我国梨种植面积约92万公顷,产量约1 887.59万吨。梨具有丰富的营养成分,     

一种基于形状约束势能的主动轮廓跟踪算法

将基于轮廓曲率的帧间几何形状约束势能,与目标区域信息和边缘梯度信息相结合,定义新的主动轮廓跟踪模型.该模型可以克服弱边缘及强背景等噪声对轮廓的吸引和干扰,同时保持目标的基本形状,实现和改善对具有尖角、深凹等不规则形状目标的边缘跟踪.采用基于块匹配的边界仿射变换方法对主动轮廓的初始位置进行估计,使其更接近目标的真实边缘.实验结果表明,该算法具有较好的边缘跟踪和抗复杂背景的能力.     

天际线识别在森林烟火识别中的应用

在森林烟火检测中,为减少烟火虚警率,需在监控图像中自动分割出森林区域.在森林区域分割过程中,首先将天空与森林区域分割开,以消除天空飞行物及云彩等的变化对烟火目标的干扰.针对这一问题,提出了一种新的基于Mumford-Shah泛函模型和曲线演化原理的天际线识别算法并将其应用到森林烟大识别系统中.这种算法不仅能有效地检测出具有较小梯度图像的天际线目标,而且还可直接给出天际线的曲线表示.实验数据显示算法具有良好的有效性和自适应性.