基于深度SSD改进模型的传动设备状态在线监测研究

针对现有传动设备在线监测算法存在的检测精度低、效率差等问题,提出一种基于改进SSD网络模型的在线检测算法;先对故障集进行预处理,通过滤波调制、共振解调等环节滤除原始故障集的噪声干扰;以VGG-16为基础设计了SSD网络结构,同时增加了辅助卷积层和预测层;对SSD网络模型进行改进,引入了注意力机制模块和特征增强模块,改善模型各层的数据共享性能同时提高了模型的数据训练效率;基于通道拼合方式对故障数据进行多尺度特征融合,并优化SSD模型的各层金字塔结构,以更好的匹配先验框及选择最佳的损失函数;实验结果显示,提出算法的传动设备故障检测率达到98.8%,参与对比的3种传统算法故障检测率分别为94.2%、93.6%和93.7%,同时提出算法的检测效率也优于传统算法。

改进的线性判别分析算法及其在人脸识别中的应用

提出了一种改进的线性判别分析(LDA)算法,能有效地解决传统LDA算法的两个局限,即小样本问题及在多类情况下传统的Fisher准则非最优.该算法还能提高某一(几)个指定类别的分类率.这种算法的关键在于使用不损失"有判别力信息"的方法来降维,同时在传统的Fisher准则中引入加权函数,得到与分类率直接相关的改进准则.在ORL人脸数据库上的比较实验结果证实了该算法的有效性.

结合双重注意力机制的遮挡感知行人检测

针对行人检测算法在交通场景下应用时的遮挡问题,提出一种结合双重注意力机制的遮挡感知行人检测算法。以RetinaNet作为基础框架,在回归和分类支路分别添加空间注意力和通道注意力子网络,增强网络对于行人可见区域的关注;同时引入行人可见边界框信息对传统的回归损失函数进行优化,使其能够随着遮挡程度自适应地调节预测框贡献的权重。在Caltech和CityPerson数据集上的实验结果表明:相较于RetinaNet等8种先进算法,该方法具有较好的鲁棒性和检测精度,尤其是严重遮挡情况下,该算法的对数平均漏检率仅为45.69%,小于其他算法12%以上;此外,该算法能够实现准实时检测,在Caltech和CityPerson上的检测速度分别为11.8帧/s和10.0帧/s。所提出的双重注意力机制和遮挡感知回归损失函数的检测方法具有可行性和有效性,对于遮挡行人的处理有显著优势。

一种加权核鉴别分析方法

基于Fisher准则的核鉴别分析法(KDA)是最常用的非线性特征提取方法之一,但对于多类识别问题,就分类率而言Fisher准则并不是最优。本文提出了一种加权核鉴别分析方法(KIDA)。首先利用非线性映射将原始样本隐式地映射到高维隐特征空间;在此特征空间内使用权函数重新估计类间离散度矩阵得到优化的准则函数;最后采用同时对角化方案求解最优鉴别矢量。在ORL和Yale人脸数据库上的实验结果验证了本文方法的有效性。

大细胞间变性淋巴瘤1例

大细胞间变性淋巴瘤１例周大可，张秀芳，张玉卿，姜亦斌（包头市第二医院）患者，女，２２岁。１年前因感昌后引起咳嗽，咯痰，低热，乏力，盗汗。先后在几家医院就诊，诊断为＂肺结核＂，经抗痨治疗，病情未见好转，并逐渐加重，来我院就诊。检查：右锁骨上，右腋窝可触...

乳腺肿块快速病理诊断340例分析

乳腺肿块快速病理诊断３４０例分析周大可，张秀芳（包头市第二医院病理科，包头０１４０４０）乳腺癌是妇女最常见的恶性肿瘤，临床需与乳腺其它疾病相鉴别。乳腺癌主要以手术治疗为主，在术中鉴别良恶性病变的快速病理诊断，则是最可靠的方法之一。我们对３４０例乳腺肿...

组织细胞性坏死性淋巴结炎20例临床病理分析

组织细胞性坏死性淋巴结炎(Kikuchi),是非肿瘤性淋巴结肿大炎性疾病。临床特征,好发于青壮年,女性多见,以颈部淋巴结或全身表浅淋巴结肿大、发热、白细胞减少、皮疹。现将我科在1984~2009年收集20例淋巴结活检证实为组织细胞性坏死性淋巴结炎病例,报道如下。1资料和方法1.1临床资料本组病例20例,女12例,男8例,最大年龄是42岁,最小年龄是18岁,平均年龄26岁。

术中快速冰冻病理切片质量探讨

术中快速冰冻病理切片是外科手术中不可缺少的病理诊断方法,术中冰冻切片在诊断过程中,制片质量对诊断时间和准确性直接影响着病人的治疗过程,为避免误诊或术中推迟诊断现象的发生,取得满意的切片效果,在总结我院3年来术中快速冰冻病理,影响制片质量的因素,报告如下。1无法切片制片组织内脂肪含量过多,恒温冷冻切片机冰室温度过高,组织内坏死组织过多造成组织软,硬度不足不易切片,及组织过度冷冻,切片时组织易呈粉沫状,不能完整切成切片。2切片不全或切片卷缩组织包埋不平整造成局部切片。

Mean-Shift跟踪算法中目标模型的自适应更新

针对Mean-shift跟踪算法中的模型更新问题,提出利用目标历史模型和当前匹配位置处得到的观测模型,对目标核函数直方图进行Kalman滤波,从而对目标模型进行及时更新。在滤波过程中,通过分析滤波残差动态,调整滤波方程中的各种参数。Bhattacharyya系数被用作模型更新的准则。该系统能够有效地处理遮挡、光照变化等干扰,避免了模型的过更新。大量视频序列测试的结果表明,在场景遮挡、光照变化等因素的影响下,算法能够对目标外观以及尺度的变化进行稳健、实时和有效的跟踪。

基于多特征融合的粒子滤波自适应目标跟踪算法

为解决用单一特征无法保持在复杂环境下跟踪的鲁棒性以及粒子数量增多导致的算法效率低下的问题,选择多个特征融合的策略来保证跟踪的持续稳定,并自适应地调整每个特征的权值来适应环境的变化;为提高算法的实时性,采用自适应的粒子数量。实验结果表明:本文算法有效地解决了目标旋转、目标遮挡以及背景混淆等诸多问题,具有较高的鲁棒性。

基于MAP的自适应图像配准及超分辨率重建

图像超分辨率重建是一种将多幅低分辨率图像合成为高分辨率图像的技术。当前的超分辨重建技术主要分为图像配准和超分辨率重建2个步骤,提出一种基于最大后验概率的图像超分辨率重建算法,将这2个步骤合二为一;与此同时,为了解决配准参数以及点扩展函数估计值的不精确性问题,在每一幅低分辨率图像代价函数的残差项引入了自适应加权系数并随之给出了迭代算法的总体框架。实验表明,该算法在收敛性和精确性上都达到了较好的效果。

基于改进ASM的三维人脸自动对齐算法

针对传统三维人脸对齐算法需要大量人工操作和数据冗余的不足,提出一种基于改进主动形状模型的三维人脸自动对齐算法。该算法对二维人脸进行快速自动特征定位,根据三维人脸柱面展开的二维纹理图进行自动特征定位并分片。采用基于平面模板的重采样算法,自动实现三维人脸顶点稠密对齐。实验结果表明,该算法在提高运算速率的同时,得到的归一化结果与原始数据仍能保持99%形状相似度。

基于投影修正和POCS的图像超分辨率重建

针对超分辨重建技术中传统POCS图像重建算法存在的Gibbs效应问题,提出一种采用投影修正机制抑制Gibbs效应的图像超分辨率重建算法.首先针对初始图像采用方向差分方法获得图像的边缘约束算子;随后在每一次的迭代重建过程中,结合前后重建结果的差值和边缘约束算子设计投影修正算子,并对残差阈值和点扩散函数分别进行修正,从而获得修正后的数据一致性投影过程;最后利用修正的投影过程获得最终重建图像.试验结果表明:改进算法具有较好的峰值信噪比,并且有效抑制了Gibbs效应,具有较好的应用前景.

基于形变模型的三维人脸快速重建改进算法

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷,提出一种三维人脸重建改进算法。该算法基于ASM(Active Shape Model)增强算法,自动地对特定二维人脸特征区域进行准确定位,并实现三维人脸数据库的归一化;利用稀疏形变模型对特定正面二维人脸进行快速三维重建;采用明暗纹理恢复算法对重建后的三维模型人脸特征区域的每个顶点法线进行约束,并将其应用于人脸识别中。实验结果表明,该方法可实现对特定正面二维人脸快速三维重建,并取得较好的三维重建精度与识别率,与经典ASM算法相比,精度提高12.3%,迭代次数减少6次。

基于分类预测器及退化模型的图像超分辨率快速重建

对基于学习的领域嵌套超分辨率重建方法进行了有效改进,提出了一种基于分类预测器以及退化模型的图像超分辨率重建技术.首先,利用退化模型得到图像训练集,并基于邻域嵌套进行分块;其次,根据图像各自特点提取灰度和梯度特征,并进行特征融合,从而实现了训练过程中噪声信息的有效抑制及图像中边缘信息的锐化;然后,引入分类预测器的思想,设计了一种离线的分类预测器,对预测器进行离线训练,得出优化参数,从而大幅度减少了优化时间;最后,利用L2范数对低分辨率图像分块进行分类,将分块送入相应子预测器中进行快速超分辨率重建.实验结果表明,该算法具有良好的实时性和有效性.

基于特征分块的三维人脸重建和识别

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷,提出一种基于特征分块的三维人脸重建算法,并将此算法应用到三维人脸识别中,实现了基于特征分块的加权三维人脸识别。首先,利用基于平面模板的非均匀重采样法对原始数据进行归一化;其次,采用主动形状模型(ASM)算法对三维人脸和二维人脸图像进行特征定位和特征分块;然后,利用基于分块主元分析(PCA)的稀疏形变模型算法实现每个人脸分块的三维重建;最后,实现了此算法在三维人脸识别中的应用。实验表明,此重建算法具有较高的精度和重建效率,还可以达到全局最优,并且可以提高三维人脸的识别率。

基于自适应双边全变差的图像超分辨率重建

超分辨率图像重建技术就是通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像(或视频序列)来重建一幅高质量高分辨率图像.MAP估计算法是一种广泛使用的统计重建方法.针对标准的MAP算法引入了自适应概念,引入了图像自适应加权系数矩阵;据此给出一种基于自适应双边全变差的图像超分辨率重建算法,该方法不仅能在图像超分辨率重建过程中抑制噪声,而且能锐化图像中的边缘信息;建立了自适应重建模型并用梯度下降法推导出迭代计算公式.实验表明,该算法在收敛性和精确性上都达到了较好的效果.

基于局部均值分解和矩特征的图像拼接检测

数字图像的真实性检测在信息安全领域有着重要的应用。图像拼接是图像篡改中最常用的手段之一,拼接检测的关键在于提取区分自然图像和篡改图像的有效特征,为此提出了一种基于局部均值分解(LMD)和矩特征的数字图像拼接篡改盲检测算法。该方法将图像检测问题转化为两分类模式识别问题,分别提取图像的LMD特征和矩特征,得到混合特征,并用Adaboost算法进行分类检测。在哥伦比亚大学数字图像拼接检测数据库上的实验结果表明,该算法的检测准确率达到93.61%,优于其他几种常用的检测算法。

基于卷积神经网络的表情不变三维人脸识别

针对三维人脸识别中的表情问题,提出一种基于卷积神经网络的三维人脸识别方法。根据人脸先验知识,构建基于测地线距离的三维人脸特征点模型;利用该模型,提取输入三维人脸的局域Gabor特征和测地线距离特征,进而获得表情不变的人脸表述;将上述特征输入类Lenet-5卷积神经网络,获得最终的识别结果。在Facewarehouse三维人脸数据库上的实验结果表明,该方法的正确识别率达到97.60%,优于几种经典三维人脸识别方法,对表情变化均有较强的稳健性。

基于证据理论和多核函数融合的目标跟踪

针对目标长时间大面积被物体遮挡所导致的跟踪位置偏差或丢失,提出一种基于证据理论和多核函数融合的目标跟踪方法.首先,采用Mean-Shift方法分别计算边缘方向直方图模型和颜色直方图模型;其次,使用特征融合的方法将2种特征模型进行融合;再采用多核函数计算出多个相对应的目标位置估计;运用基于证据理论的方法对已获得的不同目标位置估计进行判断取舍和计算,计算出最理想的目标区域作为最终的目标位置.经过这样的处理和计算可以保证在遮挡的情况下能够实时准确地跟踪上原始目标.实验结果表明,所提算法在处理目标大面积遮挡、光照变化等问题时具有更好的性能和鲁棒性.