智能指示标志在提高人群疏散效率中的应用研究

为了解决密闭空间内密集人群应急疏散效率低下的问题,构建了基于智能引导标志的人群疏散引导模型,提出了基于均衡拥堵策略的指示标志布局优化方法和基于社交网络搜索的指示标志引导权重优化方法,用以提高疏散效率。仿真实验证明:优化后的智能指示标志布局可以有效缓解疏散过程中的局部拥堵,减少行人由拥堵引起的时间消耗;优化后的智能指示标志引导权重可进一步均衡出口利用率,有利于充分利用环境资源,进一步提升人群疏散效率。

应用多尺度三维图搜索的SD-OCT图像层分割方法

频谱域光学相干层析技术(SD-OCT)是一种广泛应用于眼科领域的成像技术,视网膜组织层分割对视网膜疾病诊断起着至关重要的作用。传统的三维图搜索方法能够同时分割k(k≥1)个三维面,但其存在时间复杂度高、分割病变图像鲁棒性弱等问题。在传统三维图搜索模型的基础上引入多尺度思想,提出应用多尺度三维图搜索的SDOCT视网膜图像分割方法。首先根据每个组织层的特点,为每层构造一个合理的顶点权重;然后利用相邻列的最大与最小高度差构造列约束限制,改进表面的平滑约束条件;最后利用低尺度的图像,应用三维图搜索方法进行粗分割,逐步向高一尺度应用三维图搜索方法进行单表面细分割。使用改进算法对3组正常眼睛及1组老年黄斑变性视网膜图像进行分割,并将结果与手动分割及传统三维图搜索方法进行比较,实验结果表明,改进算法能够准确有效地分割出3个层边界(边界位置绝对误差是3.86±2.50μm),并且接近于手动分割结果(3.78±2.76μm),优于传统三维图搜索方法(7.92±3.31μm)。

应用改进的C-V模型分割牛肉眼肌图像

牛肉眼肌图像的分割是牛肉自动分级的重要步骤。基于水平集的C-V模型采用两个具有不同均值的分块连续区域分割图像,在迭代过程中,为了约束水平集保持为符号距离函数,必须对其进行重新初始化,大大增加了计算量,降低了曲线演化速度。为此,通过加入边缘检测函数和惩罚项因子,提出了改进的C-V水平集模型,并用于牛肉图像分割,同时与模糊C均值聚类、阈值分割法进行了对比。结果表明:采用改进的C-V模型对牛肉图像进行分割,准确提取了眼肌边缘,分割出了脂肪和肌肉区域,准确率高;曲线演化过程中无需对水平集函数符号初始化,加快了曲线演化速度。

青光眼视神经头参数与视网膜神经纤维层的相关性分析

青光眼是一种以视神经萎缩和视野缺损为共同特征的视网膜疾病,是导致人类失明的第二大视网膜疾病.青光眼的早期症状不明显,因此对早期青光眼的筛选和诊断将会阻止青光眼的进一步发展.文中提出一种评估青光眼发病机制的算法,首先利用随机森林分割视网膜神经纤维层,然后利用块搜索算法分割视盘与视杯,最后分析两者相关性.实验结果表明,视网膜神经纤维层与垂直杯盘比,视杯面积以及沿盘面积比的相关性大小为0.64,0.62和0.54,验证了在诊断青光眼方面计算视网膜神经纤维层厚度与杯盘比大小是密切相关和互补的,对研究青光眼的发展趋势具有重要意义.

基于混沌和自适应搜索策略的GSO算法分析与优化

针对基本萤火虫群算法在全局优化问题求解过程中存在的求解精度偏低、易陷入局部最优、收敛速度较慢等问题,提出一种基于混沌和自适应搜索策略的萤火虫优化算法(CSAGSO)。利用混沌搜索技术对萤火虫种群进行初始化以得到分布更为均匀、合理的较优初始解;运用混沌扰动优化策略对每一代适应度较差的部分萤火虫个体进行混沌扰动以增强种群多样性和提高全局搜索能力。采用动态步长的自适应搜索策略,并对寻优过程中静止不动的萤火虫个体位置进行更新,加快了算法前期收敛速度,减少了后期震荡现象发生。仿真实验结果表明,优化后的萤火虫算法参数较少并具有较好稳定性,同时在求解精度和收敛速度上都明显优于基本萤火虫群算法。

基于随机森林的频谱域光学相干层析技术的图像视网膜神经纤维层分割

频谱域光学相干层析技术是一种广泛应用于眼科疾病诊断的成像技术,而视网膜层分割对青光眼的诊断有很好的参考价值。该文利用随机森林分类器寻找视网膜层间单像素宽的边界,随机森林分类器由12个特征训练产生,其中相对灰度特征和邻域特征较好地解决灰度不均匀的分割误差大问题。对10组带有青光眼病变的视网膜图像进行分割,并与传统算法和Iowa软件进行比较,平均边界绝对误差为9.20±2.57μm,11.33±2.99μm和10.27±3.01μm。实验结果表明,改进算法可以较好地分割视网膜神经纤维层。

采用混沌搜索技术对萤火虫算法优化研究

针对基本萤火虫算法易于早熟收敛、求解精度不高、后收敛较慢等问题,为提高算法的快速性,提出一种改进萤火虫算法局部搜索能力的优化算法。采用切比雪夫混沌映射函数生成混沌序列,初始化萤火虫群体以获得较优初始解,在算法迭代过程采用设计的混沌局部搜索算子进行局部搜索以增强局部开采寻优能力,同时进行动态变化搜索区域以提高收敛速度。仿真结果表明,改进算法与萤火虫算法相比,在寻优精度和收敛速度方面都有明显提高。

引入细节约束因子的半耦合字典学习超分辨率重构模型

为了提升单幅图像的超分辨率重构细节,提出了一种基于细节保持的超分辨率重构方法。针对半耦合字典学习超分辨率算法细节保持不够高的缺陷,采用细节约束因子与半耦合字典交替学习策略。在重构阶段,利用图像水平方向与垂直方向的梯度构建细节约束因子,并引入到半耦合字典学习框架,进一步提高重构精度。为了改进细节约束因子在重构过程中的贡献度,采用边界差异的拉普拉斯分布实现参数的自适应选择。相比于半耦合字典学习超分辨率算法,该方法在峰值信噪比方面平均提升1.5%。实验结果表明,该方法在主观和客观评价标准下均取得了较好的重构效果,提升了超分辨率重构质量。

基于CUDA的加速双边滤波算法

双边滤波算法在去噪的同时能够很好地保持图像边缘细节信息,因此在图像处理领域中得到了广泛的应用。但双边滤波算法复杂度较高,无法满足实时处理的要求。因此首先对双边滤波算法进行分析研究,提出了基于CUDA的并行化双边滤波算法;其次,根据CUDA的特性对算法进行优化;最后,通过实验分析证明,该方法能够在不改变双边滤波的效果下,使加速比达到75以上。

分类法定量评估频谱光学相干层析图像杯盘比

在青光眼检测中,基于频谱光学相干层析图像较眼底图像具有更高的精确度和可靠性,为了克服眼底图像评估杯盘比精度不高的缺陷,提出一种基于频谱光学相干层析图像进行视网膜色素上皮层断点检测的杯盘比评估方法.首先利用主成分分析和支持向量机将频谱光学相干层析图像与其投影图像限定断点搜索区域,并对限定的图像区域进行断点识别;然后借助于类别标签矩阵对断点进行纠正;最后根据视杯视盘与断点的关系测量杯盘比.实验结果表明,该方法在准确检测视网膜色素上皮层断点、提高杯盘比测量精度方面效果显著.

基于图搜索和梯度弱化的SDOCT图像ILM层分割

频域光学断层相干扫描(SDOCT)图像针对视网膜中的RNFL层的精确检测,对于一些眼科疾病诊断有很好的参考价值,需要精确分割该层的上表面ILM边界。给出一种3D图搜索与梯度弱化方式相结合的分割ILM表面的方法,提出一种梯度弱化的方法,弱化了图像中其他高对比度区域的梯度,降低其他层对ILM表面分割的干扰,从而在图像中仅有在ILM表面附近较大梯度的前提下,利用经典三维图搜索方法实现对ILM表面的精确分割。分割过程中采用多尺度的分割方法,降低了三维图搜索算法本身时间复杂度和空间复杂度。采用斯坦福大学的25对眼睛的频域光学相干断层(SDOCT)图像,共50组3D图像体数据实验,结合ITK-SNAP软件的半自动分割结果进行实验对比。实验结果表明给出的方法对50组数据中的43组数据能够实现ILM表面的快速精确分割。

新工科背景下人工神经网络课程教学改革

针对人工神经网络教学过程中面临的一系列问题,基于以成果为导向、以学生为中心的教育理念,提出线上线下BOPPPS混合式任务驱动教学改革新模式,介绍教学改革过程并给出实验教学设计,最后说明教学改革效果。

基于正则化约束的遥感图像多尺度去模糊

目的遥感成像过程中的图像降质严重影响了高分辨率成像与高精度探测,为了改善遥感图像质量,提出了基于正则化约束的遥感图像多尺度去模糊方法。方法首先利用双边滤波器和冲击滤波对遥感图像进行预处理,然后结合遥感图像模糊核的稀疏特性,使用正则化方法迭代求解模糊核最优解,最后利用基于梯度稀疏的非盲反卷积方法得到去模糊结果。此外,针对图像模糊程度较严重的情况,分析了尺度信息对去模糊结果的影响,提出了多尺度迭代优化方法。结果采用本文方法对大量遥感图像进行去模糊,实验结果表明该方法能有效地去除遥感成像产生的模糊,在保持图像边缘和细节的同时,可有效抑制振铃效应。相比其他方法,本文方法恢复图像的边缘强度平均提高28.7%,对比度平均提高17.6%。结论提出一种正则化约束的遥感图像多尺度去模糊方法,主观视觉感受和客观评价指标都表明该方法可以有效提升遥感图像质量。

基于分组主成分分析的光学相干图像降斑算法

通过分析临床医学图像中光学相干断层成像(OCT)的相干斑噪声模型,提出了一种基于局部分组主成分分析的光学相干断层图像降斑算法。根据相干图像的统计特征,利用同态滤波将乘性噪声转换为加性噪声;将训练集中待处理的像素及其邻域表示成子块向量,利用块相似性度量对子块进行分组,并用于主成分分析。为有效抑制相干图像中病灶的噪声干扰,将该算法执行两次。实验结果表明:所提算法在降斑的同时较好地保留了图像的细节信息,而且获得了较高的客观评价指标。