基于L-DeepLabv3+的轻量化光学遥感图像道路提取

针对DeepLabv3+在进行光学遥感图像道路提取任务时,存在模型参数量大、细节提取效果差等问题,提出一种改进DeepLabv3+的轻量化道路提取模型L-DeepLabv3+。首先通过将主干网络替换为MobileNetv2来减少模型参数量;其次,在编码层中设计一个改进的空洞空间卷积池化金字塔模块。该模块通过嵌入一个通道空间并联注意力模块和YOLOF模块来增强模型特征表达能力,并且将普通卷积替换为深度可分离卷积进一步减少模型参数量;最后组合采用Dice_loss和Focal_loss作为损失函数来解决正负样本不均衡问题。实验结果表明:L-DeepLabv3+在DeepGlobe Road数据集上进行道路提取的交并比达到68.40%,像素准确率达到82.67%,且模型参数量仅为5.63 MB,FPS达到72.3,与其他模型相比具有明显提升,实现了模型精度与轻量化之间更好的平衡。

基于MCRASN的遥感影像变化检测

为了提升经配准高分辨率遥感影像对变化检测的精度,基于ChangeFormer提出了一种将移动卷积与相对注意力相结合的孪生网络(mobile convolution and relative attention Siamese network,MCRASN)。该网络以垂直布局结合移动卷积和相对注意力,构建多阶段组合编码器替换原网络编码器,高效地捕捉所需的多尺度细节特征和像素间相互关系信息,改进差异模块为1个可学习的距离度量模块进行距离计算,同时通过引入EFL(equalized focal loss)损失函数解决数据集正负样本失衡的问题以实现精确的变化检测。实验结果表明,所提出的MCRASN算法在LEVIRCD数据集上具有更好的变化检测性能,其精确率、召回率、F1得分和总体精度分别为93.94%、89.26%、91.54%和99.18%,优于先前的多种检测方法。

复杂作业场景下的反光衣和安全帽检测方法

针对现有算法在复杂的工地环境中进行反光衣和安全帽检测时存在的无法有效区分目标和背景的微小差异问题,提出了一种改进YOLOX的反光衣和安全帽检测算法。首先,将主干网络中空间金字塔池化中的最大池化替换为平均池化,减少特征图的信息损失和过拟合风险;其次,设计一种带权注意力模块(Weighted Convolutional Block Attention Module,W-CBAM)嵌入特征融合层,通过权重系数提升对特征图空间维度的关注,增强特征图的表达能力;最后,添加自适应特征融合(Adaptively Spatial Feature Fusion,ASFF)模块,解决多尺度特征融合时存在的不一致性问题。在扩充后的公开反光衣安全帽数据集的试验结果表明,所提算法精度高达98.79%,优于原始的YOLOX算法和其他先进算法,同时具有较快的检测速度,满足施工环境检测需求。

一种改进Oriented RepPoints的遥感图像有向目标检测

为解决Oriented RepPoints算法在遥感图像有向目标检测中因遥感图像背景干扰信息较多和目标尺度大小不一所导致的检测精度不高、易漏检误检等问题,提出一种改进Oriented RepPoints的遥感图像有向目标检测方法MA-RPDet(Mixed Attention RepPoints Detector).首先,采用了PVTv2作为主干网络,该网络利用线性空间缩减自注意力机制提取出更具局部连续性的特征图,并保持与卷积运算类似的线性复杂度.其次,在特征融合阶段设计了串联性混合注意力模块,进一步强化了重要特征,促进了多尺度特征的高效交互.最后,引入平滑GIoU损失函数对模型学习策略进行优化,提高了检测精度.在两个遥感图像目标检测数据集DOTA和HRSC2016上的实验结果表明,所提方法的检测精度mAP分别达到了77.19%和90.3%,均高于其他对比算法,证明了本文方法的有效性.

基于改进YOLOv7-tiny的道路病害检测算法

针对目前道路病害检测方法参数量较大、小目标病害检测效果差且易出现误检、漏检的问题,提出一种基于改进YOLOv7-tiny的道路病害检测算法。引入深度可分离卷积(DSC)和无参注意力机制(SimAM)设计ELAN-SimAM-D结构,减少计算量和参数量以实现轻量化,同时加强模型的特征提取和特征融合的能力;引入自适应指数加权池化和自适应融合设计SPPAda结构作为空间金字塔池化结构,增强道路病害信息的保留程度,降低病害的漏检;新增P2小目标网络层,加强对较小目标病害的检测能力,提高模型的检测精度;设计新的损失函数NWD-EIOU替换原CIOU损失函数,提高小目标定位的精度。实验结果表明,相较于原始的YOLOv7-tiny算法,改进后的YOLOv7-tiny算法在自建实验数据集下mAP@0.5达到83.14%,提升了3.50%,召回率上提升了4.96%,模型的参数量降低了33.84%,能够满足道路病害检测的需求。

遥感军事坦克轻量化检测的MSG-YOLOv7算法

针对遥感图像下军事坦克检测模型体积大、计算量大等问题,提出一种轻量化的遥感军事坦克目标检测算法MSG-YOLOv7。首先,MSG-YOLOv7采用MobileNetv3作为主干网络,利用倒残差结构和自适应缩放的方法对特征进行提取,以减小模型的体积大小与运算量;其次,设计SD-MP结构来提高细节特征表达能力,解决因下采样操作导致的小目标特征丢失问题;最后,基于GCNet和深度可分离卷积设计出GD-ELAN模块,通过全局上下文建模来增强模型对长距离关系的感知,在轻量化的同时更有效地捕捉全局信息,提高模型的性能。实验结果表明,MSG-YOLOv7在公开的Google Earth遥感军事坦克数据集上的平均检测精度(AP)达到了99.02%,体积较原模型下降了60%,计算量为18.59 GFlops,FPS达到41,证明该模型适用于要求高性能、高速度和较小模型体积的遥感军事坦克检测场景中。

结合图自动编码器和结构化注意力机制的miRNA-疾病关联预测方法

MicroRNA(miRNA)-疾病关联预测的研究有助于人类进行疾病预防、诊断和治疗等,许多研究人员开发出了基于图自动编码器的miRNA-疾病关联预测方法,然而大多数编码器方法在对中心节点编码的时候并没有考虑到邻居节点之间的差异。因此,本文提出一种结合图自动编码器和结构化注意力机制的miRNA-疾病关联预测方法(SAAE)。SAAE模型使用基于图神经网络的编码器,该编码器采用多个编码层堆叠的方式以探索多阶邻居的信息。为了将中心节点与邻居节点不同权重的特征信息进行融合并捕获节点在图中的高阶结构信息,引进结构化注意力机制对图节点的原始信息进行编码,以生成新的特征信息。随后,通过解码器进行解码,解码后的特征信息使用随机森林算法挖掘miRNA和疾病节点之间的潜在联系。实验结果表明,SAAE在5倍交叉验证的曲线下的平均面积为94.53%。此外,本文还进行了关于肾脏肿瘤和肺部肿瘤的2个案例研究,验证了SAAE预测的有效性。

融合Swin Transformer与UNet的云检测架构

目前在遥感图像云检测的领域中,对于薄云和碎云以及不同下垫面的云检测精度还有待进一步提高,且存在较多误判漏判和数据不均衡等问题。针对这些问题,提出了一个结合Transformer和卷积思想的云检测网络架构Cloud TransUnet。首先,使用Transformer模块替换掉UNet编码器阶段的卷积模块,利用Transformer的全局注意力机制提取出更多的细节特征信息,减少误判和漏判的发生;同时,添加边缘检测模块,加强对边缘信息的提取,提高检测的精度;最后,使用中值频率平衡对损失函数进行改进以处理数据不平衡的问题。实验结果表明,Cloud TransUnet对薄云和碎云的检测、不同下垫面的云检测都具有良好的表现,与卷积语义分割网络UNet、SegNet、ResUnet和Swin_Unet相比,Cloud TransUnet在检测速度略微提升的同时,其MIoU、总体精度、精确率等指标都得到了一定的提升。

基于CT-YOLOX的反光衣与安全帽检测算法

穿着反光衣与佩戴安全帽是复杂场景下施工工作人员生命安全的保障,而现有的YOLOX算法无法同时兼顾大目标反光衣和小目标安全帽的检测,其精度与速度有待提高。基于此,提出了一种基于CT-YOLOX的反光衣与安全帽检测算法。首先,CT-YOLOX算法引入CAM模块,增强上下文信息和扩充模型的感受野;其次,设计TBCA模块提高特征表达能力,用混合卷积强化模型对不同尺度目标的融合能力;最后,采用Varifocal Loss损失函数缓解样本不均匀和难易样本问题,提高模型的分类准确性和鲁棒性。测试结果表明,CT-YOLOX算法比原始YOLOX算法检测速度提升的同时平均精度均值(mAP)也提高了2.1%,与SSD、CenterNet、YOLOv4、YOLOv5、YOLOv7-tiny与YOLOv8同类型算法相比,CT-YOLOX算法的mAP值分别高于10.27%、17.24%、4.14%、2.63%、6.14%、1.03%。

基于P-CenterNet的光学遥感图像烟囱检测

工业烟囱排放是城市空气污染的主要因素之一,城市环境质量与烟囱数量成反比。因此,烟囱位置检测对城市环境检测和治理具有积极的影响。在烟囱检测任务中,针对光学遥感图像背景复杂、目标小,存在大量相似对象导致的检测精度低的问题,提出了一种基于CenterNet的检测器P-CenterNet。首先,为了获得更丰富的语义特征,P-CenterNet使用了金字塔卷积取代骨干网络中的普通卷积;其次,并行于骨干网络设计了一个多尺度上下文特征提取模块来保留有助于从背景区域中区分对象区域的低级特征信息;最后,增加了一个卷积块注意力模块进一步提取骨干网络的输出特征,提高检测器对小目标的表达能力。实验使用了DIOR这个大规模的公开数据集来验证模型的有效性,采用线上、线下2种增强手段对数据集进行扩充,增强模型的鲁棒性。结果表明,与Faster-RCNN和YOLOv3这类模型相比,P-CenterNet在检测时间成本相近的情况下,明显提高了检测精度,mAP达到了89.77%。

基于YOLOv4-MP的绝缘子爆裂缺陷检测方法

针对输电线路绝缘子爆裂缺陷检测中缺陷目标小、背景复杂多样导致检测精度低的问题,提出了一种基于YOLOv4改进的检测算法YOLOv4-MP。首先,为减少复杂背景的干扰,在特征提取网络中嵌入Shuffle Attention注意力模块,使模型能够提取到更加有效的特征信息。其次,为增强特征融合的效果,在空间金字塔池化中引入带空洞的池化层,能够有效增大感受野。最后,为减少低层信息的丢失,采用Mish函数作为路径增强网络的激活函数。实验结果表明,YOLOv4-MP的平均精度均值(Mean Average Precision,mAP)达到了93.60%,比YOLOv4算法提升了6.37%。与常用的检测算法相比,YOLOv4-MP具有更好的检测性能,对于绝缘子爆裂缺陷检测具有较大应用价值。

基于堆叠算法的代码混淆有效性评估模型

为解决代码混淆算法有效性评估模型存在评价指标不全面、单一学习器泛化能力低的问题,提出一种融合自适应增强训练机制和Stacking算法的代码混淆算法有效性评估模型SDF-Stacking。构建一个包括强度、弹性、开销、隐蔽性4大特征的代码混淆有效性评价指标集合;在模型的基分类器训练阶段引入自适应增强训练机制,提高基分类器的预测精度和多样性;使用最大互信息算法做数据融合,增大元分类器训练数据信息量。实验结果表明,该模型在多个评价指标上均优于其它对比模型,准确率可达98.6%。

基于嘴巴特征点曲线拟合的哈欠检测

针对疲劳分析中哈欠检测具有嘴角点定位困难、嘴巴张开大小及持续时间因人而异的特点,提出一种基于嘴巴内轮廓角点检测与曲线拟合的哈欠检测方法。首先利用角点检测获取嘴巴内轮廓上的若干点,对这些点进行曲线拟合建立嘴唇内轮廓数学模型;然后再对张口度曲线进行时间维度的分析,对哈欠进行二次判决。实验结果表明,该方法不仅能够更精确地获取开口度的大小,而且还能够降低哈欠的误检率。

基于像素置乱和比特替换的混沌图像加密算法

分析了当前一类基于混沌系统的图像加密算法,指出普遍存在安全性方面的不足.基于此,提出了一种全新的基于像素置乱和比特替换的混沌图像加密算法.该算法采用了Kent映射和Logistic映射,并且使加密过程与明文图像的大小及像素值总和等特性密切相关.首先,使用Kent映射产生混沌序列使得明文图像位置的全局置乱;然后,使用Logistic映射产生两组混沌序列,将位置置乱后的图像序列巧妙地融合到两组混沌序列中产生两个中间密文,使得明文图像信息得到很好的隐藏.通过实验仿真表明,该算法不仅能较好地抵抗差分攻击、统计特性分析,还能有效地抵抗选择明文(密文)攻击,而且密钥空间大、加密效果好.

一种新的基于比特置乱的超混沌图像加密算法

提出了一种新的基于超混沌和比特替换的图像加密算法.算法所采用的混沌系统为Hyperhenon映射和Kent映射,而且在加密过程中引入了与图像本身特性密切相关的参数.首先是利用Kent映射所产生的一组混沌序列来对明文图像位置进行置乱;再通过Hyperhenon映射产生的混沌序列,结合该混沌序列的特性来对每个像素进行内部比特置乱和像素扩散,从而使明文图像达到更好地加密效果.实验仿真结果显示,新的加密算法既能较好地抵抗统计特性分析和差分攻击,又能有效抵抗选择明文(密文)攻击,还具有密钥空间大、加密效果好等优点.

基于比特置乱的量子混沌图像加密算法

针对当前主流混沌置乱加密算法防御性不强的问题,提出一种新的量子混沌图像加密算法,采用量子Logistic混沌序列与比特置乱后的图像进行加密运算。对明文各像素比特位进行全局置乱,再对中间密文进行加密运算,得到加密图像。通过引入量子混沌系统,解决了Logistic混沌系统随机性差、控制参数少的问题。实验结果表明,该算法摒弃了传统加密算法常用的异或运算,在统计特性和抗攻击性等方面比常规算法性能更好。

比索洛尔联合依那普利、螺内酯治疗风湿性心脏病慢性心力衰竭的效果观察

目的 观察对比比索洛尔、依那普利联合螺内酯治疗风湿性心脏病慢性心力衰竭患者的有效性。方法 选取2015年6月-2016年6月我院收治的94例风湿性心脏病慢性心力衰竭患者作为研究对象,随机均分为实验组与对照组,每组各47例。对照组患者给予常规药物治疗,实验组患者则采用比索洛尔、依那普利联合螺内酯治疗,观察并比较两组患者的治疗效果。结果 实验组患者总有效率为95.75%（45/47）,明显高于对照组的82.98%（39/47）,差异有统计学意义（P〈0.05）;治疗后,实验组患者的LVESD、LVEDD及LVEF水平均明显优于对照组,差异有统计学意义（P〈0.05）。结论 采用比索洛尔、依那普利及螺内酯联合治疗风湿性心脏病慢性心力衰竭效果较好,值得进行进一步的研究及应用。

基于改进YOLOv4算法的高压塔鸟巢检测

针对现有算法对高压塔上鸟巢检测存在参数量过大,实时性不足及对小目标检测能力较弱的问题,提出了一种改进的YOLOv4算法。首先使用Mobilenetv2网络代替CSPDarknet53网络作为主干网络,减少算法的参数量且提升检测速度;同时在Mobilenetv2网络的逆残差网络中嵌入注意力Coordinate Attention模块,增强网络对目标特征提取能力。然后,对PANet网络进行改进,获取更多的细节特征信息,提高对小目标鸟巢的检测能力。最后,使用Focal Loss函数优化损失函数,降低大量简单背景样本训练的权重,提升对小目标鸟巢困难样本训练的侧重,进一步提高对小目标鸟巢的检测能力。实验结果表明,较原始的YOLOv4算法,改进后的YOLOv4算法的参数量减少了48.1%,检测速度和精度分别提高了12.9 fps和2.33%。即改进后的YOLOv4算法大幅度减少了算法参数量,且对鸟巢的检测拥有更好的检测性能。

血浆五聚素3(PTX3)浓度与冠心病相关性研究

目的探讨血浆五聚素3（PTX3）浓度与冠心病发生、发展的相关性。方法选取2013年6月~2014年12月我院60例冠心病（CHD）患者作为CHD组,其中急性心肌梗塞（AMI）组、稳定型心绞痛（SAP）组及不稳定型心绞痛（UAP）各20例,另选择20例健康体检者作为对照组,就四组患者的hs-CRP、PTX3水平及Genisin评分进行比较。同时对CHD近期预后的危险因素进行logistic回归分析。结果 CHD组患者的hs-CRP、PTX3及Genisin评分均明显高于对照组,差异有统计学意义（P〈0.05）,UAP组和AMI组在hs-CRP、PTX3及Genisin评分上与SAP组比较,差异均有统计学意义（P〈0.05）。在hs-CRP及PTX3上,AMI组与UAP组比较,差异无统计学意义（P〉0.05）,两组Genisin评分比较,差异有统计学意义（P〈0.05）。结论高血压、LDL-C、hs-CRP及PTX3是CHD近期预后的影响因素,伴有急性冠脉综合征的患者,其PTX水平明显升高,可作为早期诊断急性冠脉综合征的临床指标,对于CHD患者的预后评估也能发挥积极作用。

二维离散分数阶Fourier变换的双混沌图像加密算法

针对现今分数阶Fourier变换和传统混沌加密的不足,提出了一种基于二维离散分数阶Fourier变换的双混沌图像加密算法。该算法首先借助明文图像信息生成辅助密钥矩阵与输入密钥相结合得到混沌序列,再将生成的中间密文作为二维离散分数阶Fourier变换输入,最后进行置乱操作,使得明文信息得到很好的隐藏。通过实验仿真表明,该算法不仅能有效抵抗统计特征攻击、差分攻击,而且大大改善经传统分数阶Fourier变换后直方图像不平滑的缺点,达到很好的加密效果。