基于改进U-Net网络的相位解包裹技术研究

提出了一种结合深度学习的空间相位解包裹方法,采用基于改进U-Net网络的编码器-解码器架构,同时加入包含双向长短期记忆网络(BILSTM)的CBiLSTM模块,并且结合注意力机制,避免了典型卷积神经网络学习全局空间依赖关系的固有缺陷的同时增强了深度学习模型对相位解包裹任务中的关键信息的关注能力。通过大量的模拟数据,验证了文中方法在严重噪声(SNR=0)、不连续条件和混叠条件下的鲁棒性,在以上三种情况下,同其他深度学习网络模型进行对比,文中所提出的网络模型的归一化均方根误差(NRMSE)分别为0.75%、1.81%和1.68%;结构相似性指数(SSIM)分别为0.98、0.92和0.94;峰值信噪比(PSNR)分别为40.87、32.56、37.38;同时计算时间显著减少,适合应用到需要快速准确的空间相位解包裹任务中去。通过实际测量数据,验证了文中提出网络模型的可行性。该研究将双向长短期记忆网络(BILSTM)和注意力机制同时引入光学相位解包裹问题中,为解决复杂相位场的解包裹提供了新的思路和方案。

融合结构化卷积和双重注意力机制的轻量级眼底图像分割网络

眼底血管图像的自动分割对于多种眼科疾病的计算机辅助诊断具有重要作用.针对血管的尺度差异和图像噪声导致眼底血管图像分割困难、使用单一尺度卷积运算的深度学习方法获取的特征感受野有限,以及现有的方法复杂度过高的问题,提出一个融合结构化卷积和双重注意力机制的轻量级眼底图像分割网络.通过编码器增强、减少下采样次数和特征深度的编码-解码网络设计,实现参数量只有0.63M的轻量化网络.在编码阶段,提出一种结构化卷积方法,有效地避免了网络训练过拟合,提高了网络捕获差异化血管特征的能力;在解码阶段,采用基于空间和通道的双重注意力机制,使网络更加关注血管特征的上下文和几何空间信息,抑制病变等噪声的干扰.在DRIVE,CHASE_DB1和STARE数据集上进行实验的结果表明,所提网络图像分割的准确率分别为96.92%,97.57%和97.51%,灵敏度分别为83.68%,84.99%和84.87%,受试者曲线下的面积(AUC)分别为98.67%,99.05%和99.02%;并通过在DRIVE和STARE数据集上的交叉训练,验证了该网络的泛化能力.

深度网络生成式伪造人脸检测方法研究综述

随着深度网络生成式伪造人脸技术的迅速传播,不法分子通过伪造人脸图像和视频实施电信诈骗等犯罪活动,如何从海量数据中高效、准确地检测出伪造人脸成为研究焦点.文中从深度网络生成式伪造人脸图像和生成式伪造人脸视频2个角度出发,系统归纳、分析、比较了当前伪造人脸检测方法.针对伪造人脸图像,从基于数字图像处理基础、深层次特征提取、空间域特征分析、多特征融合分析和指纹检测5个类别详细介绍了检测方法;并从生理信号、身份信息、多模态和时空不一致4个类别对伪造人脸视频的检测方法进行了探讨.分析表明,目前深度网络生成式伪造人脸检测方法的泛化能力有待提高,在未来的研究中,应当着重提升模型的跨数据集泛化能力、准确性和实用性,从而更好地防范虚假信息传播,以保护个人隐私和维护网络安全环境.

数据驱动的三维服装快速建模

提出一种数据驱动的三维服装快速建模方法,可以从样本中快速生成新的三维服装模型.首先,输入三维服装模型集,通过形状款式分析,对三维服装进行语义分割.其次,将分割后的三维服装部件模型聚类为四大类(上身、下身、袖子、配件),构成三维服装部件库.然后,以服装部件模型的面积和边界周长比例为几何形状特征,定义度量服装部件重新组合的款式描述算子.最后,对三维服装部件模型聚类后的源模型进行优化,并通过自然拼接输出新的三维服装.实验结果表明,该方法提高了三维服装建模的效率,能较好地满足目前大规模三维服装数量的需求.

面向移动终端的三角网格逆细分压缩算法

针对移动用户的实时显示需求,提出一种基于逆细分的三角网格压缩算法.通过改进逆Butterfly简化算法,采用逆改版Loop模式,将细密的三角网格简化生成由稀疏的基网格和一系列偏移量组成的渐进网格;然后,通过设计偏移量小波树,将渐进网格进行嵌入式零树编码压缩.实验结果表明:该算法与以往方法相比,在获得较高压缩比的同时,运行速度较快.适用于几何模型的网络渐进传输和在移动终端上的3D图形实时渲染.

部件级表观模型的目标跟踪方法

因受遮挡、运动模糊、剧烈形变等因素的影响,稳定且准确的目标跟踪是当前计算机视觉研究领域重要挑战之一.首先采用中层视觉线索的超像素描述目标/背景的部件,以部件颜色直方图作为其特征,并通过聚类部件库的特征集构建初始表观模型,部件表达的局部性和灵活性使该模型能够准确描述目标/背景;然后,利用贝叶斯滤波模型计算目标框的初始状态,并提出相似物体干扰的检测和处理算法以避免跟踪漂移,得到更健壮的结果;最后,为了减弱形变、遮挡、模糊对表观模型的影响以更好地保持目标特征,提出一种基于部件库的特征补集的在线表观模型更新算法,根据部件变化实时反映目标/背景的变化情况.在多个具有跟踪挑战的视频序列上的实验结果表明(共12个视频序列):与现有跟踪方法相比,该算法跟踪结果的中心误差更小,成功帧数更多,能够更准确并稳定、有效地跟踪目标物体.

基于单水平集的多目标轮廓提取

多目标轮廓提取是图像分割的重要研究内容.文章在Chan和Vese的无边界主动轮廓模型(简称CV模型)的基础上,提出基于单水平集的多目标轮廓提取算法.CV模型只能实现单目标的轮廓提取,主要原因是不能使水平集函数驱动的轮廓线在某些目标区域正确分裂,没有有效利用轮廓线的拓扑分裂信息.通过修正CV模型,引入标记模板,用于追踪零水平集的分裂情况,对不同的准目标区域区别处理;引入图像区域均值模板,用于估计可能淹没在背景区域中的目标区域,促使水平集函数在上述目标区域充分变形,使对应零水平集充分分裂,实现多目标轮廓提取.并且文章提供了一系列不同条件下的实验结果,并与其它类似的研究成果进行比较,结果表明,该文的工作是有意义的.

三维紧身内衣的压力分布计算模型

基于弹性力学上的薄膜大变形理论 ,针对三维着装紧身内衣对人体的压力分布的计算问题 ,提出了一类可实际操作的计算模型 ,并给出相应的算法 .解决了服装CAD系统的受力试衣效果表示问题 .该模型计算稳定可靠 。

Netflow在边界网流量测量中的应用研究

对于网络管理员来说,理解网络流量的特性、了解用户的网络行为是网络管理的重要内容,这可以通过流量测量来实现,在边界网实施流量测量则是一个十分理想的地点。IPFlow提供了一种较好的方式,使在流量测量中得到数据的容量和携带的流量特性信息之间达到一个较好的平衡。Netflow是Cisco公司对IPFlow的具体实现,目前Cisco和Juniper路由器均支持netflow。Flow-tools可以实时采集和分析netflow数据,它是在边界网上流量测量分析的有效工具。

一种面向移动3D图形的几何简化方法

移动3D图形计算是无线网络和图形学高速发展产生的新研究领域.由于无线网络带宽和移动终端设备显示分辨率的限制,需要将3D图形进行分解压缩,依据不同的分辨率进行内容转码.提出了一种基于改进Loop细分的几何模型简化算法.一个稠密的几何网格通过反复操作3个步骤:顶点分裂、奇点预测和重新三角化,生成由稀疏的基网格和一系列偏移量组成的渐进网格.在奇点预测过程中,将改进Loop细分模板作为预测器.由于Loop细分相关联的顶点数目少,提高了几何模型简化和重建的速度.渐进网格易于在无线网络上渐进传输,并可在移动终端上无损重建3D图形.实验表明,算法简单、效率高,适用于移动环境下3D图形的应用.

融合结构与语义特征的代码注释决策支持方法

代码注释是辅助编程人员理解源代码的有效手段之一.高质量的注释决策不仅能够覆盖软件系统中的核心代码片段,还能避免产生多余的代码注释.然而在实际开发中,编程人员往往缺乏统一的注释规范,大部分的注释决策都取决于个人经验以及领域知识.对于新手程序员来说,注释决策显然成为一项重要而艰巨的任务.为了减少编程人员投入过多的精力在注释决策上,从大量的代码注释实例中学习出一种通用的注释决策规范,并提出了CommentAdviser方法,以辅助编程人员在代码开发过程中做出恰当的注释决策.由于注释决策与代码本身的上下文信息密切相关,因此,从当前代码行的上下文代码中提取代码结构特征以及代码语义特征作为支持注释决策的主要依据.然后,利用机器学习算法判定当前代码行是否为可能的注释点.在GitHub中的10个大型开源软件的数据集上评估了所提出的方法,实验结果以及用户调研表明,代码注释决策支持CommentAdviser方法的可行性和有效性.

柔性织物三维动态模拟中的网格剖分研究

论述了基于弹簧质点模型的柔性织物在三维动态模拟中网格剖分问题 ,针对剖分子区域的划分、子区域间拼接光顺性和任意区域下的二维剖分算法进行了研究 ,提出了一种解决此类问题的方法。

虚拟穿衣中织物模型的建立和碰撞检测的处理

结合实现静态虚拟穿衣中的实际问题 ,详细地介绍了基于弹簧质点模型的织物变形模型和基于AABB层次包围盒的碰撞检测算法。借助层次空间分解法的思想 ,将缝合衣片的相对位置同人模自身的结构信息相结合 ,灵活地构造人模AABB树 ,减少了不相交元素的碰撞检测次数 ,从而提高了算法的效率。

基于Hot-Target图和特征边缘保持的图像收缩方法

图像收缩是缩小高分辨率图像以适应不同纵横比小尺寸显示屏幕的过程,关键是收缩后能够凸显图像重要区域,保持连续,避免扭曲.提出一种新的图像收缩方法,该方法首先基于能量失真约束,迭代收缩覆盖图像的四边形网格至目标大小,然后映射,插值目标网格实现图像收缩.能量失真反映了对重要区域的凸显程度、结构的保持效果以及扭曲避免情况,失真越小,目标图像越理想.在该约束下,构成网格的子四边形非均匀收缩,重要度大的收缩小.为准确计算子四边形的重要度,根据图像显著度和边缘构建反映图像重要度的Hot-Target图.最后,通过保持图像直线边,称为特征边缘,避免非均匀收缩引起的边缘扭曲.为提高效率,降低复杂度,该方法由迭代求解线性方程实现.实验结果验证了方法的有效性.

基于改进的弹簧质子模型的医学图像配准

提出基于改进的弹簧质子模型的图像配准算法.通过将基于模板图像、源图像的SDD测度关于质子偏离场的Gateaux导定义为模型外力,将图像配准问题转换成力学平衡问题.针对模型演化过程中出现的网格重叠问题(即不拓扑保形),提出通过实时修改质子运动速度,而不是添加力的方法,保证模型演变具备拓扑保形性;为提高模型收敛速度,进一步将分层策略应用于模型演化过程中.若干的实验结果说明作者的工作是有意义的.

一种电动汽车锂离子动力电池组一致性评估及维护方法

锂离子动力电池组一致性好坏直接影响着电动汽车使用效率。为了方便动力电池组的使用及维护,需采取一定的方法对电池组一致性进行监控。该文提出一种基于单体电池电压值标准偏差的锂离子动力电池组一致性评估方法,并将电池组一致性分为四个阶段,根据不同阶段采用不同的维护策略。实验通过对电动汽车锂离子动力电池组进行充放电测试,采用文中提出的方法获得了四个阶段的电池组一致性评估曲线,为电动汽车电池使用及维护提供指导。

织物仿真三维模型的建立方法

织物变形仿真是近年来计算机图形学的研究热点。对当前较为流行的仿真模型的建立方法分别从几何的、物理的和混合的 3个方面进行了综述 ,并在最后对 3种技术的优缺点进行了评价。

面向移动计算终端的渐进几何简化方法

在移动计算终端上进行移动三维图形计算是一个重要的课题.针对移动计算终端屏幕小、计算能力低、无线网络带宽受限等特点,研究如何进行移动三维图形的渐进显示具有十分重要的意义.提出了利用Kobbelt四边形细分算法的逆过程迭代地进行简化的方法,通过迭代地把模型分割为奇点和作为简化模型的偶点,实现了对四边形网格几何模型的渐进式简化;提出了渐进显示的模式,通过把每一层的奇点作为可添加的细节信息,可以支持在终端上渐进显示不同细节模型并实现原模型的无损还原.完整的简化方法简单快速,可以高效地实现移动三维图形的渐进简化显示.最后在型号为Mio336的PDA上的实验结果表明,研究成果在移动计算终端上进行实时交互等方面具有很好的应用前景.

人体热湿交换的数值模拟模型

考虑到人体形状对热湿交换过程的直接影响 ,文中用真人扫描得到的三维非结构化网格构造了一个人体几何模型 ,该数值人体模型更接近于真实的人 利用Gagge 2 node(热核core和皮肤skin两点 )热生理模型来描述皮肤表面每一个细胞与外界环境的热调节过程 ,得到皮肤和外界环境的动态的温度和湿度分布 。

基于细分曲面的三维服装柔性实体模拟

提出一种基于细分曲面的三维服装柔性实体模拟算法 该算法将整个模拟过程分为两个阶段 :首先利用四点细分曲面造型方法生成三维服装刚性曲面 ,然后在刚性曲面基础上通过引入织物的物理模型来模拟三维服装柔性曲面 通过物理和几何模拟方法有机结合 ,算法有效解决了复杂衣片间的缝合问题 ,较大地提高了模拟的计算效率 同时 ,也提出了一种基于细分曲面层次数据结构的碰撞检测算法 ,有效提高了模拟速度 提出的算法已全部在所开发的三维虚拟服装试衣系统中得以实现 实验结果表明 :该算法具有模拟效率高。