采用支路辅助学习的人脸表情识别

人脸表情识别属于一种细粒度识别,模型需要同时聚焦于浅层与深层特征。针对独立结构的卷积神经网络对细粒度特征的提取、融合能力不足的问题,提出一种基于支路辅助学习的网络结构。在基础网络的输入层引入一条支路辅助网络,该网络将逐层使用金字塔卷积块提取全局特征;通过特征映射模块不断将支路提取到的决策信息传导至基础网络,辅助基础网络提取细节特征;在模型输出层采用特征拼接的方式将支路网络与主路网络融合。将所提出的网络在公开人脸表情数据集CK+、JAFFE、FER2013和MMEW上进行识别实验,结果表明：支路辅助学习模块能够有效提升基础网络的特征提取能力和泛化能力,提出的方法识别率达到了98.89%、94.80%、71.88%和86.67%,比仅采用基础网络（例如：ResNet50）进行识别提高了3.49、2.2、5.51和1.48个百分点。     

基于多尺度快速非局部平均滤波的超声图像去斑算法

超声成像因其便捷、廉价、无辐射等优点被广泛应用于临床诊断中,然而图像中的斑点噪声可能对临床诊断或后续图像分析产生不利影响。作为一种典型的去噪技术,在利用非局部平均滤波（NLMF）对超声图像进行去斑时,会存在时耗高、滤波参数不易设置等不足,因此,提出一种多尺度快速非局部平均滤波（MF-NLMF）算法用来去除超声图像的斑点噪声。首先提出快速非局部平均滤波（F-NLMF）算法,利用互相关滤波技术减少运算时耗;接着设置多种窗口参数获得多幅去斑结果,而模型参数值可根据窗口尺寸自适应调节;最后将多幅去斑结果进行融合得到最终的去斑图像。实验结果表明：在相同实验条件下,与传统NLMF算法相比,F-NLMF算法的运算时间至少减少了96.04%;而MF-NLMF算法与迭代贝叶斯非局部均值滤波（IBNLMF）等算法相比,去斑图像的峰值信噪比（PSNR）值、特征相似度测度（FSIM）值、对比度噪声比（CNR）和信噪比（SNR）分别提高了0.73 dB、0.011、0.000 5、0.001 6以上。     

级联离散小波多频带分解注意力图像去噪方法

针对图像去噪网络中下采样导致高频信息损失和细节保留能力差的问题,设计了一种级联离散小波多频带分解注意力图像去噪网络。其中多尺度级联离散小波变换结构将原始图像分解为多个尺度下的高低频子带来代替传统下采样,能减少高频信息损失。多频带特征增强模块使用不同尺度的卷积核并行处理高低频特征,在子网络每一级下重复使用两次,可增强全局和局部的关键特征信息。多频带分解注意力模块通过注意力评估纹理细节成分的重要性并加权不同频带的细节特征,有助于多频带特征增强模块更好地区分噪声和边缘细节。多频带选择特征融合模块融合多尺度多频带特征增强选择性特征,提高模型对于不同尺度噪声的去除能力。在SIDD和DND数据集上,所提方法的PSNR/SSIM指标分别达到了39.35 dB/0.918、39.72 dB/0.955。实验结果表明,所提方法的性能优于主流去噪方法,同时具有更清晰的纹理细节和边缘等视觉效果。     

基于主动轮廓模型的肺纹理自动提取新方法

Computed tomography (CT) is the primary imaging modality for investigation of lung function and lung diseases. High resolution CT slice images of chest contain lots of texture information, which provides powerful datasets to research computer aid-diagnosis (CAD) system. But the extraction of lung tissue textures is a challenge task. In this paper, we introduce a novel method based on level set to extract lung tissue texture tree, which is automatic and effectual. Firstly, we propose an improved implicit active contour model driven by local binary fitting energy, and the parameters are dynamic and modulated by image gradient information. Secondly, a new technique of painting background based on intensity nonlinear mapping is brought forward to remove the influence of background during the evolution of single level set function. At last, a number of contrast experiments are performed, and the results of 3D surface reconstruction show our method is efficient and powerful for the segmentation of fine lung tree texture structures.     

基于非局部平均滤波的冲击噪声图像恢复算法*

针对随机值冲击噪声污染图像的恢复问题,研究了冲击噪声环境下的非局部平均滤波模型,并在模糊权重非局部平均滤波算法的基础上加以改进,解决了原算法在低噪声比率下恢复性能欠佳以及算法时耗过高的问题。改进之处如下：第一,提出了一种信赖度参数设置准则,并在该准则指导下设置了新的信赖度门限参数;第二,根据冲击噪声模型特点重新规划了滤波策略,提升了算法的运算效率。大量实验数据证明,所提算法无论在低噪声比率还是高噪声比率下均能有效去除冲击噪声,尤其对于纹理性较强的图像有显著的去噪效果。同时,所提算法拥有较高运算效率,实用性得以提高。     

基于图像分割的非局部均值去噪算法

针对传统非局部均值（NLM）算法的滤波参数非自适应及去噪后边缘易模糊的缺点,提出一种基于图像分割的非局部均值去噪算法。该算法分为两个阶段：第一阶段根据噪声大小及图像纹理自适应确定滤波参数的值,并采用传统非局部均值算法得到去噪结果图;第二阶段根据像素点方差的不同,将该去噪结果图分为细节区域和背景区域,再对属于不同区域的图像块分别去噪,同时为了更有效地去除噪声,还采用了反向投影的方式,充分利用了第一阶段方法噪声中残留的结构信息。实验结果表明,与传统非局部均值算法及其三种改进算法相比,所提算法的峰值信噪比（PSNR）及结构相似性（SSIM）更高,纹理细节和边缘结构更完整,图像更清晰,本真信息保留更完整。     

基于稀疏表示与非局部相似的图像去噪算法

针对受加性高斯白噪声(AWGN)与椒盐噪声(SPIN)以及随机值冲击噪声(RVIN)组成的混合噪声污染的图像进行去噪的问题,提出一种在现有加权编码算法的基础上将图像稀疏表示和非局部相似先验融合的改进算法。首先,利用基于字典的图像稀疏表示构建去噪变分模型,对模型中的数据保真项设计一个权重因子来抑制冲击噪声的干扰;其次,利用非局部平均思想对混合噪声图像进行初始去噪,在得到的图像中构建掩膜矩阵将冲击噪声点排除进而求取非局部相似先验知识;最后,将非局部相似先验与稀疏先验融合进变分模型的正则项中,求解变分模型得到最终去噪图像。实验结果表明,在不同的噪声比率下,所提算法与模糊加权非局部平均算法相比,峰值信噪比(PSNR)提高了1.7 dB,特征相似性指数(FSIM)提高了0.06;与加权编码算法相比,PSNR提高了0.64 dB,FSIM提高了0.03。该算法对于纹理较强的图像可以显著提升去噪效果,能有效地保留图像的本真信息。     

采用轻量化神经网络的高安全手指静脉识别系统

针对特殊材料能伪造手指静脉从而欺骗识别系统,以及利用卷积神经网络进行手指静脉识别计算量大的问题,设计了具有活体检测功能和轻量化卷积神经网络结构的手指静脉识别系统。采用光容积法检测手指脉搏波的变化,从而判断被采集对象是否为活体;利用剪枝及通道恢复方法改进了ResNet-18卷积神经网络,并结合L₁正则化增加卷积神经网络的特征选择能力,在提升算法准确率的基础上,能有效地降低计算资源的消耗。实验表明,使用改进的剪枝及通道恢复优化结构,参数量降低了75.6%,计算量降低了25.6%,在山东大学和香港理工大学手指静脉数据库上得到的等误率分别为0.025%、0.085%,远低于ResNet-18得到的等误率(0.117%、0.213%)。     

结合注意力和条件生成对抗网络的视网膜血管分割

视网膜血管分割对眼部疾病的自动分析和诊断具有重要意义.针对视网膜图像对比度低、血管细小导致血管分割困难的问题,本文提出一种结合注意力机制和条件生成对抗网络的视网膜血管分割方法.首先设计一个高低层(HL)特征注意力模块作用于高层和低层特征图,使模型分别加强高层和低层空间相关特征,剔除冗余信息,有助于模型更加关注血管前景信...     

基于质量评价的无人机航拍图像拼接方法

针对大视差无人机航拍图像拼接中出现的错位、伪影问题,提出一种基于质量评价寻找最佳拼接缝的方法QEB-U。首先通过常规拼接缝估计得到初始拼接缝,然后根据无人机航拍图像的特点,综合考虑结构相似性、色差、纹理复杂度,提出一种新的质量评价函数对拼接缝上的每个像素进行评价,进而根据评价结果更新差异代价,之后再重新估计拼接缝。估计和评价过程重复执行,直到拼接缝趋于稳定则停止迭代,最后通过梯度融合生成最终结果。实验结果表明,所提方法可以避免大视差无人机航拍图像拼接中出现错位、伪影,优于目前几种无人机航拍图像拼接方法,且得到的拼接缝优先穿过道路、林地等区域,更加符合人类视觉感知,在常见的图像清晰度评价指标上表现良好。