基于广义Ricci曲率及深度信息的图像采样方法

随着采样技术的提高、数据量的剧增,给数据的存储及传输造成了一定困难,因此对数据进行重采样,以压缩数据量是解决该问题的一个有效手段.针对灰度图像采样问题,利用密度流形的广义Ricci曲率提出一种采样点之间相关性的衡量方法.首先,将图像看做是对二维流形的着色,通过处理目标物的深度或构造其深度,保留需要着重采样区域的深度信息;其次,结合深度与灰度信息计算密度流形的Ricci曲率;最后,根据相关性原则筛选采样点并重建图像.此外,针对采样过程提出了全局采样及加速的局部采样2种方式,用于权衡速度与精度.采用大量的标准测试图进行实验结果表明,该方法可以有效地应用于灰度图像的压缩;与已有方法相比,该方法在灰度变化剧烈、复杂的边缘采样点分布更为密集,同时对灰度变化平缓的区域采样点也相对更少.

基于软件界面的智能手机人机交互连接

软件界面与人机交互,即研究与设计之间的相互作用。旨在利用人类因素、用户界面设计优化,提升可用性与便捷性。提出了六种智能手机的连接方法,优选了绘制图案法,针对该方法设计了6种交互界面,并通过定量分析得到最优界面设计,研究了人类与计算机设计在UI、UX和交互设计方面的密切联系。

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。

色彩在动画空间叙事中的应用及优化策略探究

色彩作为动画创作中的重要视觉元素,不仅赋予作品以独特的视觉风格,更在叙事过程中起到关键作用。动画空间叙事中的色彩应用通过对场景、角色、情感和叙事节奏的塑造,有效增强了观众的沉浸感和情感共鸣。本研究旨在探讨色彩在动画空间叙事中的具体应用,分析其在角色塑造、情感传递、空间建构和节奏控制等方面的作用,并提出相应的优化策略。最后以具体的案例分析,展示这些策略在经典动画中的成功运用,进而为未来动画创作提供有益的参考。

改进Q学习的薄壁结构3D打印路径规划

3D打印是一项先进的制造技术,通过优化其中路径规划方案可以提高效率或成型质量。由于用于3D打印路径规划的传统方法在打印复杂薄壁结构时效果不佳,该文结合强化学习的智能性,提出了一种适用于复杂薄壁结构的路径规划方法。基于3D打印中的路径规划是填充任务,将强化学习中的路径规划任务转换为全遍历问题。为提高打印效率和成型质量,以最小化打印总成本为优化目标,根据优化目标设计强化学习中的约束条件,即最小化打印头的启停和转弯次数。建立单层切片的仿真环境,采用带有上述约束条件的Q-learning算法,通过计算总成本的值来引导学习,寻找最优路径方案。实验结果表明,该方法在打印复杂薄壁结构上的表现优于用于3D打印路径规划的传统方法。

两阶段的视频字幕检测和提取算法

视频字幕检测和提取是视频理解的关键技术之一。文中提出一种两阶段的字幕检测和提取算法,将字幕帧和字幕区域分开检测,从而提高检测效率和准确率。第一阶段进行字幕帧检测:首先,根据帧间差算法进行运动检测,对字幕进行初步判断,得到二值化图像序列;然后,根据普通字幕和滚动字幕的动态特征对该序列进行二次筛选,得到字幕帧。第二阶段对字幕帧进行字幕区域检测和提取:首先,利用Sobel边缘检测算法初检文字区域;然后,利用高度约束等剔除背景,并根据宽高比区分出纵向字幕和横向字幕,从而得到字幕帧中的所有字幕,即静止字幕、普通字幕、滚动字幕。该方法减少了需要检测的帧数,将字幕检测效率提高了约11%。实验对比结果证明,相比单一使用帧间差和边缘检测的方法,该方法在F值上提升约9%。

基于曲率分级的形状编码及识别方法

形状识别是计算机识别领域中的基本问题,可以广泛地应用于对象识别、图像检索、图像配准、目标追踪等各个领域.现在的形状识别方法主要利用形状轮廓上采样点的相关性形成特征描述子,在实际应用中由于缩放、旋转、仿射、射影等变换,无法获取采样点之间的对应关系,形状匹配时间长,识别率低.为了克服基本的特征描述子的局限性,该文提出了一种基于曲率分级的形状编码方法.首先,将射影不变量引入到形状的基本表示中,以保证形状描述在各种变换下的稳定性;其次,以形状轮廓段为基本编码单位,对基本的描述子进行聚类编码;最后,为了使编码结果更好地代表形状轮廓信息,作者采用一种对轮廓段曲率分级的方式,将不同曲率级别的编码用max_pooling的方式提取特征作为形状的最终编码.在通用数据库上的实验表明,该方法可以有效地识别在射影变换下的形状,识别率高达98%,较基本的特征描述子提高了近10%,与其它基于编码的方法相比也有一定的优势.

基于区域检测和弧筛选的椭圆检测方法

椭圆检测是计算机视觉领域的热点问题,如何快速且准确地检测出椭圆,尤其是分辨率较低的小椭圆,是该问题面临的主要挑战.首先,通过构造不同尺寸椭圆的数据集,将深度学习中的目标检测方法引入椭圆检测过程中,实现对椭圆区域的检测;其次,提出了一种基于二次曲线约束的两阶段弧过滤策略,可以有效地检测嵌套椭圆,同时减少漏检和误检的椭圆个数;最后,对于没有检测到椭圆的预估计区域,采用Bicubic插值法扩大该区域,以检测小椭圆.实验结果表明,与现有方法相比,所提方法不仅检测精度有显著提升,检测速度也具有优势.特别是在小椭圆数据集上,所提方法的检测精度与传统方法相比提升约2倍以上.

稀疏光场的密集重建方法

针对光场技术中存在的角分辨率不足的问题,以稀疏光场为研究对象,提出了一种使用深度学习进行光场密集重建的方法,利用卷积神经网络从输入视图估计出新视角的深度信息,并融合输入图像颜色信息以及新视角的深度信息获得新视角的合成图;通过带有残差模块的卷积神经网络对新视角合成图进行高质量的修复重建,得到高质量的新视角合成图像。实验结果表明,所提方法较目前最新的方法有很大改进,尤其在图像的轮廓边缘、纹理丰富的地方重建得更好;可以从2×2的稀疏光场重建8×8甚至更加密集的光场。

以抗疫精神涵育时代新人的现实路径

从抗疫斗争中孕育出的抗疫精神核心内涵为生命至上、举国同心、舍生忘死、尊重科学、命运与共。时代新人的基本衡量标准为坚定理想信念、站稳人民立场、练就过硬本领、投身强国伟业、始终保持艰苦奋斗的前进姿态。因此,弘扬抗疫精神与涵育时代新人存在着必然耦合。从课堂教学、校园文化、网络空间、家庭教育与社会教育等路径将抗疫精神与涵育时代新人有机结合具有重要的现实意义。

融合决策下的数字序列跌倒检测方法

跌倒已成为老年人因伤致残的首要原因,及时准确地对跌倒事件示警是救助工作中非常重要的一环。为提高跌倒检测的准确率,提出了一种兼顾高维数字序列整体性和不同维度特异性的融合决策下的跌倒检测方法。对获取于手腕便携式传感器的输入数字序列根据合加速度的显著性进行窗口分割,保证数据时序性的同时提高跌倒信息的可辨识性。引入气压差字段和体温字段,建立具有九轴特征的归一化数字序列,探索更多与跌倒检测相关的信息。根据集成学习中具有互补性的梯度提升决策树(gradient boosting decision tree,GBDT)模型和随机森林(random forest,RF)模型的回归分类结果进行融合决策,得出跌倒事件是否发生的分类判别。实验结果显示,本文方法在自测数据上具有比单一采用GBDT模型和RF模型更高的跌倒检测准确率,在UR Fall和UMA Fall公开数据集上,文中提出的融合策略同样具有优异的跌倒检测准确率,说明了该方法的有效性和泛化能力。

基于最优质量传输的Focus+Context可视化

在分辨率有限的显示设备上,Focus+Context技术可用于大型复杂模型的可视化。提出了一种基于最优质量传输的Focus+Context可视化方法。通过最优质量传输映射,对自身进行体积变形,将源测度(体素)转换为传输成本最小的目标测度;将求解最优质量传输问题等价于凸优化过程,转换为计算几何中经典的幂Voronoi图计算。与现有方法相比,本文方法具有坚实的理论基础,保证了解的存在性、唯一性和平滑性;允许用户精确控制目标测度,选择多个形状不规则的聚焦区域,使产生的变形是全局平滑的,并可自由翻转。用于自医学应用和科学仿真的几项体数据集,证明了所提方法是有效和高效的。

专业课程群知识图谱可视化平台的设计与现实

通过深入研究知识图谱理论与实现技术,利用自组织增量神经网络模型(SOINN)和先进的网络编程以及数据库技术,设计并建立了一个具有交互功能的"专业课程群知识图谱可视化平台"。该平台以可视化知识图谱的形式整合与教学主题相关的视频、讲义、习题等资源,可作为在线"微教学"和传统"课堂教学"的辅助资源。学生用户,利用该平台的可视化界面,可以通过输入"关键词"来进行知识搜索,得到相关专业知识体系的知识图谱图,进行知识的复习、预习,又可发觉出未预料的新知识,进行学习。该平台的设计思想、模型以及算法框架是通用的,可作为大学教育教学资源进行推广。

真实场景水下语义分割方法及数据集

随着水下生物抓取技术的不断发展,高精度的水下物体识别与分割成为了挑战。已有的水下目标检测技术仅能给出物体的大体位置,无法提供物体轮廓等更加细致的信息,严重影响了抓取效率。为了解决这一问题,标注并建立了真实场景水下语义分割数据集DUT-USEG,该数据集包含6617张图像,其中1487张具有语义分割和实例分割标注,剩余5130张图像具有目标检测框标注。基于该数据集,提出了一个关注边界的半监督水下语义分割网络(US-Net),该网络通过设计伪标签生成器和边界检测子网络,实现了对水下物体与背景之间边界的精细学习,提升了边界区域的分割效果。实验表明:所提方法在DUT-USEG数据集的海参、海胆和海星3个类别上相较于对比方法提升了6.7%,达到了目前最好的分割精度。

智能3D打印路径规划算法

大型工业制件在增材制造中的路径规划的优劣直接影响着制造质量和效率。现阶段常用的传统3D打印路径规划方法存在打印头转弯堆积和打印头起落次数较多等问题,并不完全适用于大型工业制造。因此,文中提出了一种智能路径规划方法。首先,将切片后得到的二维平面进行凹多边形凸分解,形成打印子区;然后,对每个分区内部进行沿分区长轴打印以减少打印路径数量和总行程;最后,将子分区的连接视作TSP旅行商问题,使用遗传算法完成子分区间的打印路径规划。同时,利用C#语言设计开发了一套智能3D打印路径规划系统,该系统具有切片面输入和显示、打印宽度设置、智能路径规划和G-code代码输出的功能。分别与两种传统路径规划算法进行对比实验,证明了智能路径规划算法生成的路径条数、空行程距离、打印头抬起次数均有明显减少。基于子分区的智能路径规划方法为大型工业制件的增材制造过程提供了新的思路。

基于无监督学习的多模态可变形配准

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂,大多已有方法严重依赖标签数据,现有方法不能完全解决此问题。提出一种基于无监督学习的深度多模态可变形图像配准框架。该框架由基于损失映射量的特征学习和基于最大后验概率的变形场学习组成,借助空间转换函数和可微分的互信息损失函数实现无监督训练。在MRI T1、MRI T2以及CT的3D多模态图像配准任务上,将所提方法与现有先进的多模态配准方法进行比较。此外,还在最新的COVID-19的CT数据上展示了所提方法的配准性能。大量结果表明:所提方法与其他方法相比,在配准精度上具有竞争优势,并且大大减少了计算时间。

基于测地曲线约束函数映射的三维模型等距配准

针对三维模型之间的等距配准问题,基于函数映射框架,提出了一种测地曲线约束能同时检测同方向和对称方向2个等距配准的方法.首先,计算模型上的2组对称点对,进而建立2个模型间同方向和对称方向上的4组对应点对;其次,理论上证明2个模型上4组对应点之间的测地曲线是等距配准的,进一步利用以上4组对应点对得到配准的6组测地曲线对;最后,将以上测地曲线作为几何描述子约束添加到函数映射框架中,可以同时求解三维模型间同方向和对称方向上2个等距配准.同时从理论上证明镜面型内蕴对称对应的函数映射表示矩阵是对称正交的,并将其作为表示矩阵的正则化项添加到基于测地曲线约束的函数映射框架中检测三维模型内蕴对称.在公开的非刚性三维模型数据库的实验结果表明,所提方法在三维模型等距配准和内蕴对称上的测地距离误差小于以前的工作.

基于OBJ模型的三维彩色切片技术研究

近年来,随着3D打印技术的不断进步,彩色3D打印正成为行业的普遍需求。然而作为目前3D打印领域模型描述的标准文件格式,STL文件并不存储三维模型的颜色信息,无法满足彩色3D打印对模型信息提取和切片处理过程的新需求。在此背景下,选取OBJ彩色模型作为彩色切片技术的研究对象,解析其文件结构,提取其中保存的模型几何和颜色相关信息,并进行切片过程优化处理;结合OBJ模型的具体特点,在传统拓扑切片算法的基础上,提出基于模型连续性的彩色切片算法,给出了算法的整体流程步骤。应用该算法的切片处理提高了分层处理的效率,得到了模型的分层轮廓信息,完成了彩色切片的处理过程。实验结果证明该技术可对OBJ模型进行彩色切片处理,其效果良好,稳定可靠。

基于光场焦点堆栈的鲁棒深度估计

传统的深度估计方法通常利用普通相机记录的二维图像进行单目或多目深度估计.因这种方式仅利用了光线的强度信息,忽略了它的方向信息,其深度估计的效果并不理想.相比之下,光场记录的信息不仅包含了光线的强度信息,还包含了方向信息.因此,基于深度学习的光场深度估计方法越来越引起该领域研究人员的关注,现已成为深度估计方向的研究热点.然而,目前大部分的研究工作从极平面图像(EPI)或子孔径图像着手进行深度估计,而不能有效利用焦点堆栈含有的丰富深度信息.为此,本文提出了基于光场焦点堆栈的鲁棒深度估计方法.本文设计了一种上下文推理单元(CRU),它能够有效地挖掘焦点堆栈和RGB图像的内部空间相关性.同时,本文提出了注意力引导的跨模态融合模块(CMFA),对上下文推理单元提取的空间相关性信息进行有效融合.为了验证本方法的准确性,在DUT-LFDD和LFSD数据集上进行了广泛的验证.实验结果表明,本文方法的准确率相比现有的EPINet和PADMM分别提高了1.2%和2.25%.为进一步证明本方法的有效性,我们在现有公开的手机数据集上进行了反复的测试.可视化测试结果表明,本方法在普通消费级手机获取的图像上亦可取得满意的效果,能够适应现实应用场景.

智能随访管理系统的建设与应用探讨

随访管理是医院管理现代化和规范化的有力手段,开发基于医患需求的智能随访管理系统,对提高医院诊疗管理的质量、效率以及科研水平的提升具有重要意义。本研究结合B/S(Browser/Server)和C/S(Client/Server)架构,构建了一套具有患者管理、随访计划定制、随访数据管理、医患互动等功能的随访管理系统。实践表明,随访管理系统有利于提高医患随访的积极性和满意度,提升患者黏度和医院知名度。