强震大尺度有序图像预测法及其应用研究

在系统总结汶川8.0级、玉树7.1级等地震前大尺度有序图像演化过程的基础上,系统研究1952年以来青藏块体大尺度有序图像的特征及其与区域7级地震或地震组的关系,得出大尺度有序图像是一种具有动力学含义的地震活动图像,在青藏块体7级地震或地震组前普遍存在,对7级地震或地震组以及5级以上地震活动主体地区的判定具有中期预测意义,可进一步总结并提炼强震大尺度有序图像预测法。以2021年青海玛多7.4级地震前青藏块体5级以上地震大尺度有序图像的演化过程为例,检验和验证上述结论及大尺度有序图像预测法的有效性。

基于特定损失函数GAN的高质量CT图像预测

高放射剂量CT增加了患癌的风险,因此,针对治疗计划系统研究了超低剂量CT,但其含有的噪声造成诊断结果有较高的假阳性。针对上述问题,提出一种基于超低剂量CT预测高剂量CT的方法,并通过比较多种不同低剂量CT图像预测的高剂量CT图像,评估如何在保证图像质量的同时使放射剂量尽可能低。首先,基于改进的生成对抗网络模型提出一种特定损失函数,该损失函数可以有效地优化图像质量。然后,分别用10 mA·s,25 mA·s,100 mA·s和150 mA·s的低剂量CT图像数据训练不同的模型,最终在超低剂量CT中预测出令人满意的高剂量CT图像。为了验证算法的有效性,对预测结果进行主、客观评价并与存在的算法进行比较。实验结果表明,该模型可以基于10 mA·s的超低剂量预测高剂量图像的同时保证图像质量。

基于活动轮廓模型和影像组学的脑卒中图像预测方法

针对脑卒中患者的神经功能缺损程度预测问题,提出活动轮廓模型和影像组学的方法。首先提出基于模糊速度函数的活动轮廓模型方法对梗死病灶区分割。然后提取形态学、一阶统计和纹理特征,接着用LASSO方法来特征选择。最后采用距离加权KNN方法构建分类预测模型。结果表明,提出的分割算法获得的结果接近金标准,分类算法有较好的预测性能。

基于FPGA的图像预测编码压缩算法的实现

采用可编程逻辑门列阵(FPGA)和硬件描述语言,实现了图像预测压缩编码算法,介绍了图像预测压缩编码算法的工作原理,推导了预测器的图像掩模数学表达式,采用了嵌入式逻辑分析仪对本设计进行了测试,测试结果表明,本设计方案可行。

基于拉格朗日力学的雷达图像追踪预测方法

提出一种多普勒天气雷达回波图像追踪预测方法。该方法以拉格朗日力学作为动力学基础,利用雷达探测到的基本反射率因子作为输入场,结合分层抽稀技术捕捉回波在空间和时间上的位移矢量,并由此预测雷达回波的位置和强度,进而为短临天气预报业务的实施提供必要支撑。实验表明,该方法能够较准确地预测局地天气演变过程,1小时预测结果与实况的相关性达到70%以上,相关性的个体差异在20%以下。同时,表明该方法对于辅助预报未来1小时内的强对流事件是行之有效的。

基于深度学习的图像本征属性预测方法综述

真实世界的外观主要取决于场景内对象的几何形状、表面材质及光照的方向和强度等图像的本征属性。通过二维图像预测本征属性是计算机视觉和图形学中的经典问题,对于图像三维重建、增强现实等应用具有重要意义。然而二维图像的本征属性预测是一个高维的、不适定的逆向问题,通过传统算法无法得到理想结果。针对近年来随着深度学习在二维图像处理各个方面的应用,出现的大量利用深度学习对图像本征属性进行预测的研究成果,首先介绍了基于深度学习的图像本征属性预测算法框架,分析了以获得场景反射率和阴影图为主的本征图像预测、以获得图像中材质BRDF参数为主的本征属性预测及以获得图像光照相关信息为主的本征属性预测3个方向的国内外研究进展并总结了各自方法的优缺点,最后指出了图像本征属性预测的研究趋势和重点。

基于图像差分特征的彩色图像差分预测与信息提取算法研究

图像特征提取预测技术一直是图像处理领域研究的热点与难点。提出了一种包含图像归一化特征融合的图像差分预测算法。基于色彩的图像差分特征测量方法充分利用了图像的色彩信息,将色彩信息全部转换到一个色彩空间中,然后将图像归一化到特定的视角距离范围内来提取出图像差分特征(IDF)信息。最后做了大量的仿真实验,结果表明,提出的方法可以极大地提高彩色图像差分预测性能;同时对图像的色域映射所造成的亮度失真进行的多尺度分析结果表明,以不同尺度提取的基于亮度的图像差分特征比一般的图像失真具有更高的尺度间相关性。

不确定时延环境的图像序列预测理论

该文提出的“不确定时延环境的图像序列预测理论”从图像通信系统目端的角度出发 ,可以将接收端的不连续序列图像构造成连续的视频数据。即使图像源端发送出帧速率小于 2 4帧每秒的图像序列 (如每秒 15帧 ) 。

基于感知推理和外部空间先验特征的图像修复

在基于深度学习的图像修复算法中,当存在大面积掩码时,由于缺乏合理的先验信息指导,修复结果往往会出现伪影和模糊纹理等现象。针对此问题,提出将先验特征与图像预测滤波相结合的图像修复算法。该算法包含两个分支:图像滤波核预测分支和特征推理与图像滤波分支。从图像滤波核预测分支的解码器部分提取特征,利用多尺度外部空间特征融合对掩码区域特征进行重建,并传递给另一分支的解码阶段作为先验特征,为图像修复提供更为丰富的语义信息。然后,在特征推理和图像滤波分支部分引入空间特征感知推理块,它能够过滤掉分散注意力的特征,同时捕捉信息丰富的远距离图像上下文进行推理。最后,使用图像预测滤波核进行过滤消除伪影。在CelebA和Places2数据集上与其他修复网络进行对比实验,证明了该方法在修复质量上的优越性。

GPS时间比对机对天文预测图像的时间定标

本文介绍了GPS时间比对机利用GPS时标为基准 ,对天文图像进行时间定标的设计原理、可能出现的各种差错和纠正方法、模拟实验和主要误差分析。时间定标精度为 1 .0 85微秒 ,其均方根为 0 .5

基于文本引导的注意力图像转发预测排序网络

转发预测在社交媒体网站(Social media sites,SMS)中是一个很有挑战性的问题.本文研究了SMS中的图像转发预测问题,预测用户再次转发图像推特的图像共享行为.与现有的研究不同,本文首先提出异构图像转发建模网络(Image retweet modeling,IRM),所利用的是用户之前转发图像推特中的相关内容、之后在SMS中的联系和被转发者的偏好三方面的内容.在此基础上,提出文本引导的多模态神经网络,构建新型多方面注意力排序网络学习框架,从而学习预测任务中的联合图像推特表征和用户偏好表征.在Twitter的大规模数据集上进行的大量实验表明,我们的方法较之现有的解决方案而言取得了更好的效果.

基于多项式回归与线性插值的全场纳米谱学成像背景序列预测

全场纳米谱学成像(TXM-XANES)是将透射X射线显微镜(Transmission X-ray Microscope,TXM)与X射线近边吸收结构(X-ray Absorption Near Edge Structural,XANES)有机结合的成像方法,通过测量感兴趣元素K边前后多个能量点的TXM图像,无损获得样品内部纳米尺度化学元素价态分布,已应用于能源材料、生物医学和地球科学等多个学科领域。常规TXM-XANES数据需要采集每个能量点下的图像和背景图像,数据量大,采集时间长,由于纳米尺度下机械结构的不稳定和样品的移动都会对TXM-XANES数据分析产生一定的影响。基于已知数据,利用机器学习的算法建立了多项式回归与线性插值运算模型,实现了仅通过两张谱学背景图像完成背景图像序列预测建模。利用该方法对标准样品及锂电池正极材料进行谱学成像分析,结果表明:相对于常规TXM-XANES方法,该方法具有数据量少、采集时间短等优势,可显著提升TXM-XANES的实验效率。

河道治理：基于深度学习的河道漂浮物图像识别与预测

本文我们在于了解目标检验模型在检验水面漂浮物,尤其是非物体种类时的属性。基于此,我们开发了一个小型水面漂浮物数据集,该集合涵盖了漂浮着的落叶和水草。之后我们通过预训练模型收集水面漂浮物的数据资料,检验对水面漂浮物的范围,达成预期学习目标。

基于深度和子树约束最小树形图的高编码效率图像删除

图像删除是指从一个压缩图像集中去除一个或多个图像,生成一个新的压缩图像集。针对当前图像删除方法存在搜寻的预测参考图像不佳,导致编码效率不足的问题,提出一种基于深度和子树约束最小树形图的高编码效率图像删除方法。该方法充分考虑所有剩余图像之间的相关性,确定最佳的预测参考。首先,提出一种新的图像分类方法,将所有图像分成需编码图像、无需编码图像和待删除图像等三类;其次,设计一种新的深度和子树约束最小树形图法,深入探究需编码图像之间以及需编码图像和无需编码图像之间的关系,构建新压缩图像集的最小树形图;最后,根据得到的最小树形图对需编码图像进行压缩,生成新的压缩图像集,实现图像删除。实验结果表明,与现有先进方法相比,所提方法取得了更高的编码效率,同时却有着相近的计算复杂度。

基于Seq2Seq和Attention的时序卫星云图台风等级预测

台风预测可为台风预警预报提供先验信息,辅助相关部门进行科学决策,以减少灾害损失。利用时间序列台风卫星云图,提出一种新的台风等级预测模型SeqTyphoon,将注意力机制和序列到序列引入模型预测未来时刻台风图像,然后利用卷积神经网络对预测的台风图像进行台风等级预测。通过日本气象厅发布的1981—2017年3万多张时序台风卫星云图,构建了训练集、验证集和测试集,分别对应29519、3804、1995张台风图像。针对SeqTyphoon模型,分别进行了台风云图的不同时间间隔、不同预测时长及不同空间分辨率对台风图像预测精度影响的对比实验。实验结果表明,台风云图均为32像素×32像素,时间间隔为6 h比时间间隔为12 h的训练集和验证集的均方根误差分别降低5.41%、5.72%,前者训练集的均方根误差达到0.0922,验证集为0.0954,前者台风等级预测准确率为后者的2倍;台风云图为32像素×32像素,时间间隔为6 h时,预测未来6~48 h的台风图像,训练集和验证集的均方根误差均递增,台风等级预测准确率递减;时间间隔为6 h,图像为64像素×64像素的训练集的均方根误差为0.0896,验证集为0.0911,台风等级预测总体准确率为83.2%。综上,影响台风图像的最主要因素是相邻台风云图的时间间隔,其次是预测时长与空间分辨率大小。

图像无失真压缩编码的理论和方法研究

笔者于2002年3月16日,由山东大学公派前往香港理工大学电子计算学系开展合作研究,经过近5个月的合作,于2002年8月12日返回山东大学。 1 研究课题与背景按照双方的合作计划,此次开展的研究课题是"图像无失真压缩编码理论和方法的研究"。

AAA和PDIP算法在非均整模式容积调强放射治疗剂量预测方面的差异

目的:探究各项异性算法(AAA)和射野剂量图像预测(PDIP)算法在非均整模式(FFF)容积调强放射治疗计划治疗前验证γ分析中的差异以及计划复杂程度对这种差异的影响,为临床上基于电子射野影像系统(EPID)的剂量预测算法的选择提供依据。方法:选取能量为6 MV FFF的两种测试野和16例头颈部肿瘤治疗计划,利用PDIP和AAA两种算法分别生成预测数据并与EPID实测数据进行γ分析,统计两种算法在不同γ评判标准下的通过率并计算通过率差异(Deltaγ)。计算上述病例每个射野的复杂系数,分析不同标准下两种算法的Deltaγ与复杂系数的相关性;利用γmean、γsd、γ1和γ通过率共同描述γ分布,并分析其与复杂系数间的相关性。结果:当评判标准为3%/3 mm或2%/2 mm时,不同算法下测试射野的Deltaγ较小。当评判标准为1%/1 mm,不同开野的Deltaγ变化明显:射野较小时,PDIP算法的通过率低于AAA;当射野增大到(10×10)cm2时,通过率基本一致;当射野继续增大时,PDIP算法的通过率逐渐高于AAA。全部射野的通过率与评判标准的关系类似:在3%/3 mm标准下,两种算法的结果基本一致;随着标准的提高,两种算法的通过率逐渐下降,二者之间的差异也逐渐明显。复杂系数与Deltaγ、γmean、γsd和γ1为正相关,与γ通过率为负相关。结论:PDIP算法对于有机械臂支撑的EPID的剂量预测更准确;AAA则适用于无机械臂支撑的EPID或机械臂反散射影响较小的射野。当计划复杂程度或评判标准提高时,两种算法的差异也增大。计划复杂程度对FFF计划验证结果的影响是负面的。上述结果提示临床应针对性地选择计划验证工具来确保治疗的安全有效。

JPEG2000图像无线传输统计性能分析与误码保护研究

JPEG2000标准是最新的图像压缩标准.首先分析了JPEG2000标准中的抗误码方法,进而提出了一个分析模型来预测在无线信道上传输的JPEG2000编码图像重建质量,并通过仿真加以验证.此分析模型可用来在无线基站上为JPEG2000编码图像的传输设计高效的非均匀误码保护方案.基于该分析模型,定义了一个效用函数来在图像重建质量和传输开销之间进行折中,以决定采用何种非均匀误码保护方案,达到最佳的传输质量.

一种图像隐写分析方法

针对现有隐写分析算法对彩色图像的检测效果不理想的问题,提出一种基于小波统计特征的隐写分析算法来分析嵌入信息前后载体图像与隐写图像之间的统计特征的差异。该算法首先将图像变换到YCbCr空间,其次通过小波分解提取预测子带的小波系数概率密度函数矩(PDF)和预测误差图像的子带系数直方图特征函数矩(CF),最后运用支持向量机(SVM)进行分类。实验表明,该方法对于流行的F5、OutGuess和Jphide&Seek隐写方法具有较强的检测能力。

Bayer图像的无损压缩算法及其硬件实现

Bayer格式是目前应用最广的图像传感器数据输出格式,在数码相机成像端直接对Bayer图像进行无损压缩可以显著降低后续处理芯片的内存消耗。主流图像压缩标准复杂度较高,并且对Bayer图像压缩性能一般,故此提出了一种适合于FPGA实现的无损编码方案。该方案将图像分割成的若干个子块作为编码单元,使用多种预测模式降低图像信息在空间上的冗余性。同时提出一种改进的自适应Huffman编码算法,根据已编码图像块中的预测残差信息动态调整Huffman树,降低了计算复杂度。测试结果表明,该方案在满足实时性的条件下以更少的资源消耗达到了主流无损压缩方案的压缩性能。