基于自适应阈值分割改进Canny算子的管道边缘检测方法研究

针对工厂中管道破损位置无法通过机器视觉准确判断的问题,提出一种基于自适应阈值分割改进Canny算子的管道边缘检测方法。该方法从滤波方式、梯度方向以及阈值分割角度对采集图像进行处理,首先采用采样-自适应中值滤波+双边滤波代替传统Canny算子中的高斯滤波,减少图像边缘信息丢失并去除图像中的噪声,然后增加梯度幅值的计算来更好地检测不同方向的边缘信息,最后为避免人工选取阈值效果不佳的情况,采用最大类间方差(OTSU)阈值分割算法进行阈值的自适应选取。实验表明,该方法相比于传统Canny算子的图像信噪比提升28.22%,边缘点数提升39.97%,四连通道数提升11.52%,八连通道数提升5.92%,提取特征完整且连续性较好,实现了对管道图像中破损情况的有效检测。

基于iHDODC-LinkNet网络的遥感图像道路提取方法

遥感图像的道路提取在推动城乡发展规划及建设方面具有重要意义。然而,目前传统方法对于遥感图像道路提取存在工程量大、效率低下的问题,基于深度学习的方法又存在复杂场景下提取精度不高和连通性差等问题。针对上述存在的问题,为提高不同地貌区域的道路提取精度,本文提出一种基于iHDODC-LinkNet网络的高分辨率遥感图像道路提取方法。该方法在语义分割模型D-LinkNet的基础上进行改进:一方面使用ResNeSt50重建D-LinkNet网络并添加预训练模型,提出一种混联深度过参数化扩张卷积(hybrid depthwise over-parameterized dilated convolution,HDODC)模块;另一方面采用迭代注意力特征融合(iterative attentional feature fusion,iAFF)机制替换原始的相加融合,从而使模型关注于道路的全局信息。最后,在马萨诸塞州道路数据集和某省高速公路场景数据集上进行训练并通过测试集的提取效果证明模型改进方法的有效性。根据实验模型分割效果表明,改进后的方法在测试集上F1达到71.66%,相比原始模型提升了10%,能够得到效果更好的分割结果。

基于注意力机制的多分支特征级联图像去雨网络

针对已有去雨网络在不同环境中去雨不彻底和图像细节信息损失严重的问题,本文提出一种基于注意力机制的多分支特征级联图像去雨网络。该模型结合多种注意力机制,形成不同类型的多分支网络,将图像空间细节和上下文特征信息在整体网络中自下而上地进行传递并级联融合,同时在网络分支间构建的阶段注意融合机制,可以减少特征提取过程中图像信息的损失,更大限度地保留特征信息,使图像去雨任务更加高效。实验结果表明,本文算法的客观评价指标优于其他对比算法,主观视觉效果得以有效提升,去雨能力更强,准确性更加突出,能够去除不同密度的雨纹,并且能够更好地保留图像背景中的细节信息。

基于生物免疫优化支持向量机算法的居民区负荷预测

针对居民区用电负荷随机性强、稳定性差等问题,综合考虑各因素对居民用电负荷的影响,提出一种免疫支持向量机(support vector machine, SVM)算法负荷预测模型。以居民区历史用电量及相关气候数据为处理对象,使用PCA(principal component analysis)算法对电网历史数据进行处理,并结合免疫算法对电网历史数据进行预处理,形成数据簇并划定标签提供给预测模型进行训练。为提高模型精度,采用生物免疫优化算法对SVM模型参数进行优化,并在负荷预测环节,将预测误差作为调优依据,对预测模型进行反馈调优。将预测效果与常用于负荷预测的BP(back propagation)神经网络、SVM算法模型进行对比,免疫SVM算法负荷预测模型的短期、中期预测精准度均在98%以上,具有较好的精度与鲁棒性。

显著区域抑制与多尺度特征融合的建筑风格识别

针对建筑元素特征提取不全、相似建筑风格识别困难等问题,提出一种显著区域抑制与多尺度特征融合(salient region suppression and multi-scale feature fusion,SRSMSFF)的建筑风格识别方法。首先,采用改进的Resnet18提取初始建筑特征。然后,设计显著区域抑制模块(salient region suppression module,SRSM),通过隐藏最具判别性区域,引导网络学习潜在区域的特征,并设计多尺度特征融合网络(multi-scale feature fusion,MSFF),将多尺度结构与显著区域抑制相结合,以获取更完整的建筑元素特征。接着,利用通道注意力赋予各通道相应的权重,以突出重要的通道信息。最后,大边距度量损失函数(large-margin Softmax loss function,L-Softmax)通过最大化特征嵌入空间的决策边界,改善相似建筑风格的识别。在公共建筑数据集10类、25类及自建中国古建筑数据集上的实验结果表明,本文方法的准确率分别达到80.21%、64.4%和88.21%,其性能优于目前的先进方法。

太赫兹偏振保持亚波长波导链路功率预算分析

为了探究太赫兹偏振保持波导在太赫兹通信系统链路中对传输信号的影响,本工作提出波导链路功率预算模型,研究了偏振保持亚波长介质波导的性能参数(长度、损耗、色散和双折射)对太赫兹幅移键控(amplitude shift keying,ASK)调制系统通信性能的影响,计算了不同发射功率、波导长度、调制信号特征时间宽度、调制信号周期时,两个正交偏振态信号的接收功率、信号与干扰加噪声比(signal-to-interference-plus-noise ratio,SINR)和相干、非相干解调误码率(bit error rate,BER)。研究结果显示,通过合理设计波导结构,该系统可实现高速(3.33 Gbit/s)、低BRE(低于前向纠错极限10-3)通信。本工作揭示了太赫兹亚波长波导长度、损耗、群速度色散(group velocity disper-sion,GVD)和双折射对通信性能的影响机制,对研发基于太赫兹波导链路的宽带通信系统具有积极意义。

基于改进CenterNet的柑橘叶片病害检测

针对柑橘叶片病害表现大小不一,为解决检测过程中出现的漏检、误检、准确率不高的问题,提出了改进CenterNet模型。在特征提取网络RestNet50的前两个残差层的一系列残差结构中引入特征增强改进的空洞卷积池化金字塔(improved atrous spatial pyramid pooling,IASPP)模块,扩大浅层感受野,获取更多小目标叶片病害的细节信息,增强浅层特征的显著性;引入双向加权特征融合模块(bidirectional feature pyramid network,BiFPN),有效融合特征提取网络浅层和深层叶片病害信息;为提高整体检测效果,引入多尺度通道注意力机制(multi-scale channel attention module,MS-CAM)。训练后的模型对柑橘病害叶片进行检测,实验结果表明,相比于原模型CenterNet,所提模型的R值提高了8.32%,mAP提高了4.53%,AP_(0.5∶0.95)上升了27.3%,可实现柑橘种植中对叶片小目标、中目标、大目标病害的精准检测。

多尺度关键信息融合的轻量级图像超分辨重建

针对基于卷积神经网络(convolutional neural network,CNN)的图像超分辨重建(super-resolution,SR)模型存在特征提取不充分、网络太深导致的参数量大以及冗余信息对网络最终重建性能影响等问题,设计了一种轻量级密集连接图像超分辨网络(lightweight densely connected image super-resolution network,LDCN)。该网络设计了多尺度迭代特征提取模块(multi-scale iterative feature extraction module,MIFEM),实现在较低参数的情况下充分提取多尺度特征;根据残差收缩思想构建的关键信息提取模块(key information extraction module,KIEM),相较原始模块可以去除更多的冗余信息,使网络充分关注到关键信息且模块整体参数下降72%;最后,在密集残差网络中引入特征传输模块(feature transfer module,FTM),进一步降低模型复杂度,解决了模型层数深、参数大的问题。实验结果表明,LDCN在重建性能和视觉观感上均优于主流模型。4个测试集上,与轻量化模型MADNet相比,PSNR分别提升0.1 dB、0.11 dB、0.06 dB、0.26 dB,参数量仅为MADNet的47.6%。

基于多任务的脑肿瘤MRI分割算法

针对脑肿瘤磁共振成像(magnetic resonance imaging,MRI)分割中样本缺少、类不平衡、小区域分割精度低等问题,本文提出了基于3D No-New U-Net的多尺度多任务深度学习算法TDDU-Net。首先,采用了一个编码器和三个不完全相同解码器的结构;其次,采用逆瓶颈结构设计的ConvXt模块作为解码器的前置处理,克服在部分核心区域解码时高层语义未被充分利用的不足;再次,在最底层编码器和解码器连接处增加广义特征处理模块InConvXt,保证全局特征的准确性,增强网络的稳定性;最后,在保证准确率的情况下,使用深度可分离卷积在适当位置减少网络的参数计算量。实验表明,预测分割结果在整体肿瘤区域(whole tumor,WT)、肿瘤核心区域(turmor core,TC)、增强肿瘤区域(enhancing tumor,ET)的Dice相似系数(Dice similarity coefficient,DSC)在BraTS18数据集中分别达到了0.907,0.847,0.807。本文方法较其他方法表现出色,能准确分割出MRI中较小的肿瘤区域。

基于等强度悬臂梁的低频高灵敏度FBG加速度传感器研究

针对桥梁低频振动监测灵敏度低的问题,提出了一种基于等强度悬臂梁的低频高灵敏度光纤光栅(fiber Bragg grating, FBG)加速度传感器。以悬臂梁厚度与质量块质量为主要参数设计了12组FBG加速度传感器,通过激振器对传感器进行幅频特性、灵敏度及横向抗干扰试验,得到较适合监测桥梁振动的一组传感器,其固有频率为49 Hz,工作频带为0—34 Hz,灵敏度高达664.53 pm/g,线性度为99.9%,且横向抗干扰能力强。通过理论推导到试验验证,为桥梁振动提供一种新型有效的监测手段。

红外光谱技术在法庭科学中的进展研究

在法庭科学物证检验、对比、分析中,红外光谱技术可基于自身优势用于确定物质的种类、成分,以及分析物质分子内部结构及其物理、化学性质等。本文将依据物质来源的属性不同对法庭科学中所涉及的多种常见物证进行简要分类与概述,在基于红外光谱技术相关知识基础上,进一步阐述红外光谱技术在法庭科学生物物证和非生物物证两方面的当前应用现状和最新进展研究,并进行展望以促进红外光谱技术在法庭科学领域中更深层次的研究与发展。

基于LSDANet的手机芯片屏蔽壳表面缺陷检测方法

为了解决手机芯片屏蔽壳表面白印缺陷微小、尺度各异等因素影响检测快速性和准确性的问题,本文提出一种基于长短连接通路和双注意力网络(long short link and double attention network,LSDANet)的手机芯片屏蔽壳表面缺陷检测方法。首先,通过构建基于编码和解码的语义分割模型和利用长短距离连接通路,提高网络模型对尺度各异缺陷的特征提取能力。其次,分别设计基于通道和空间的注意力机制,增大5—10pixel尺寸的白印缺陷在空间和通道上的特征权重。最后,融合双注意力机制和长短距离连接通路分割模型,构建LSDANet缺陷检测网络,应用于手机芯片屏蔽壳表面缺陷检测。实验数据表明,LSDANet网络能够达到96.21%的平均像素精度、66.13%的平均交并比和39.03的每秒检测帧数,相比多种语义分割算法均具有更高的检测精度和速度。

一种无帧内失真漂移的HEVC视频自适应隐写算法

随着数字视频的普及,HEVC(high efficiency video coding)视频隐写受到了越来越多的关注。残差系数域隐写具有高安全性和低码率增长的特点,然而,视频编码过程中重构的系数不满足块间相互独立的性质,导致修改视频残差系数往往会带来较为严重的失真漂移。本文提出了一种无帧内失真漂移的HEVC视频自适应隐写算法。首先,根据帧内预测方向和多系数修改的方法选择合适的载体,进而避免修改系数引起的失真漂移。然后,设计一种包含块内失真和修改载体后的系数分布的失真函数,指导校验网格编码(syndrome trellis codes, STC)对嵌入失真小的载体进行修改。最后,根据最小化失真代价将消息嵌入到满足特定条件的4×4亮度块的量化正弦变换(quantized discrete sinc transform, QDST)系数中。实验结果表明,所提出的视频隐写算法能够有效地避免帧内失真漂移,在获得良好的视觉感知质量的同时,能保证隐写算法的安全性。

基于双通道注意力的轻量化PCB缺陷检测研究

印刷电路板(printed circuit board,PCB)在实际生产过程中存在缺陷样式多种多样、缺陷小、缺陷位置难以定位的问题,而一个巨大的模型难以实现实时检测的要求,且大量的深度可分离卷积层建立的轻量级模型也不能达到足够的精度,为此提出一种基于YOLOv5s的PCB缺陷检测算法。将原始Backbone的Conv模块跟C3模块用GhostConv替换,在Neck部分则引入了一种新的轻量级卷积技术GSConv,减轻模型大小的同时保持精度,GSConv在模型的准确性和速度之间完成了一个极好的权衡,针对许多注意力模块无法关注全局信息同时模型大的问题,提出了多尺度的轻量化双通道注意力模块(double channel depthwise attention module,DWAM),进一步提高模型精度。通过多组实验,结果表明,改进算法所有类别的平均mAP为99.14%,且模型的GFLOPs为7.194 G,Params为7.175,原始的YOLOv5s平均mAP为96.86%,GFLOPs为6.89 G,Params为6.596,虽然Params以及GFLOPs有所增大,但是还是满足轻量网络的要求,并且精度相对于YOLOv5s提高了2.25%,且对于每个类别的缺陷识别准确率都有改善,大幅减少计算量和模型参数的同时保证了准确率,满足工业检测生产需求的同时便于移动端部署。

基于大气散射模型的图像去雾及亮度增强算法

针对雾图能见度低和去雾图像亮度偏暗的问题,提出一种基于大气散射模型的双阶段去雾算法。首先使用线性变换估算复原图像亮度,使用拉伸方法估算复原图像饱和度,根据复原图像亮度、饱和度估算其最小通道,联合雾图最小通道获取粗糙透射率。在不同阶段分别使用双梯度代价函数、导向滤波优化粗糙透射率,依据大气散射模型复原图像和增强亮度。实验结果表明,所提算法复原图像更清晰明亮;图像综合质量、峰值信噪比和运行时间等客观指标均值优于所有比较算法,其中图像综合质量最少提高1.55倍,运行速度最少加速1.50倍。所提算法有效地增强了雾图的能见度和明亮度。

基于光纤传感技术的海洋立管形态重构研究

海洋立管是海洋工程中的重要结构,为了确保立管的正常工作,本文提出了利用弱光纤布拉格光栅传感光缆完成立管形态重构的方法,并利用有限元仿真实验进行了验证。首先将传感光缆按照背负式管道的形式沿立管轴向安装,基于Frenet-Serret框架设计了立管的形态重构算法;然后构建了立管监测有限元模型,求解并提取了多种变形情况下传感光缆内部应变数据,结合算法完成了立管的三维形状重建;最后对形态重构误差进行了分析和计算。结果表明,设计的立管形态重构方法的尾端误差控制在1.7%以内。该方法的立管形态重建效果较好,监测形式简单,具有一定工程应用价值。

高功率水平阵列半导体激光器干冰冷却性能的研究

本研究设计了一种针对高功率半导体激光器散热问题的干冰微粒喷雾冷却散热器,并利用FLUENT软件对其热流场进行了模拟仿真。得出:入口带有多出口喷嘴的散热器,冷流体在针柱的扰动后对高功率半导体激光器的散热效果最好。干冰流速为0.5 m/s,稳定后的温度为24.79℃。实验测试与模拟仿真结果对比,得出最大相对误差分别为8.3%、8.8%。此外,与微通道水冷相比,干冰冷却降温的激光器整体温度低,电光转换效率高,沿垂直条宽方向温度分布均匀,热应力减小,“smile”效应减弱。研究结果为开发高功率水平阵列半导体激光器干冰冷却打下基础。

多尺度特征与双注意力机制的高光谱影像分类

针对经典卷积神经网络(convolutional neural network, CNN)的高光谱影像分类方法存在关键细节特征表现不足、训练需要大量样本等问题,提出一种基于多尺度特征与双注意力机制的高光谱影像分类方法。首先,利用三维卷积提取影像的空谱特征,并采用转置卷积获得特征的细节信息;然后,通过不同尺寸的卷积核运算提取多尺度特征并实现不同感受野下多尺度特征的融合;最后,设计双注意力机制抑制混淆的区域特征,同时突出区分性特征。在两幅高光谱影像上进行的实验结果表明:分别在每类地物中随机选取10%和0.5%的样本作为训练样本,提出模型的总体分类精度分别提高到99.44%和98.86%;对比一些主流深度学习分类模型,提出模型能够关注于对分类任务贡献最大的关键特征,可以获取更高的分类精度。

双分支特征提取与循环细化的动态场景去模糊

针对现有的动态场景图像去模糊方法存在的特征提取不准确、未充分利用有效特征的问题,本文提出了一种基于双分支特征提取与循环细化的动态场景图像去模糊网络。整个网络包括特征提取网络、循环细化网络(cyclic refinement network,CRN)、图像重建(image reconstruction,IR)3部分。其中,特征提取网络包括模糊图像细节和轮廓特征(contour feature,CF)的提取,以残差单元作为特征提取网络的基本单元;循环细化网络通过交替融合轮廓特征和细节特征(detail feature,DF)来细化特征图,得到模糊图像的细化特征(refinement feature,RF);最后,在图像重建阶段,复用轮廓和细节特征,结合残差学习策略将轮廓特征、细节特征和细化后的特征逐级融合后通过非线性映射的方式重建清晰图像。在广泛使用的动态场景模糊数据集GOPRO上的实验结果表明,该方法的平均峰值信噪比(peak signal to noise ratio,PSNR)达到31.86,平均结构相似度(structure similarity,SSIM)达到0.9473,所提方法复原的图像包含丰富细节,具有更好的去模糊效果,在客观评价指标和主观视觉效果上均优于对比方法。

基于多尺度一致性与注意力机制的视网膜血管分割网络

针对现有的视网膜血管分割方法存在对微血管和毛细血管的分割能力不足,导致血管断连和末端血管漏分,造成视网膜血管分割性能不佳的问题,本文提出一种基于多尺度一致性与注意力机制的视网膜血管分割网络(multi-scale consistency and attention mechanism U-Net,MCAU-Net)。首先,该网络在瓶颈特征层嵌入注意力细化模块(attention refinement module,ARM),能有效细化瓶颈层冗余的特征,抑制背景等无关像素的权值。其次,将上下文特征融合模块(context fusion module,CFM)与传统的跳跃连接相结合,以此补充在特征提取过程中逐渐丢失的信息,加强网络对微血管和毛细血管的构建能力。最后,基于网络的多尺度输出设计了一种多尺度一致性的训练方式,以增强网络对不同尺度特征的敏感性。在DRIVE和CHASE_DB1公开数据集上进行的对比实验表明本文网络具有良好的分割性能。