结合ASM及特征融合策略的Tagged MR左心室分割

提出了一种基于ASM框架的Tagged MR图像左心室分割方法。即从基于典型相关分析的特征融合角度对LM滤波器组提取的Tagged MR图像左心室纹理特征用典型相关分析进行优化组合,再用SVM构造分类器,通过分类器来确定边缘点,驱动ASM模型边界变形得到分割结果。通过典型相关分析的特征融合可以降低分类错误率,提高分类性能;用分类器代替经典ASM模型的基于轮廓灰度的匹配法来确定边缘点具有较强的鲁棒性。该方法在不同时刻不同断层Tagged MR图像上进行了验证,实验结果表明该方法具有较高的准确度和较强的鲁棒性。

结合纹理与形状的Tagged MR图像左心室分割算法

分割带标记线核磁共振(tagged MR)图像是左心室运动重建的前提.由于标记线的加载破坏了左心室的轮廓边缘和区域灰度一致性,再加上乳突肌的存在,使带标记线核磁共振图像的左心室内外轮廓分割变得相当困难.在变分框架下,将纹理分类信息与形状统计先验知识引入Mumford-Shah模型中,提出了一种改进的分割带标记线核磁共振图像的左心室内外轮廓的方法.该方法基于支持向量机对S滤波器组提取的纹理特征的分类结果,构造了一种新的图像能量表示;针对乳突肌及边缘断裂现象,引入形状统计先验信息来约束曲线的演化.因为分割过程利用了有监督学习策略,较好地克服了标记线对左心室区域灰度的影响,提高了分割精度.实验结果表明,该方法较以往方法具有更高的分割精度和更好的稳定性.

结合Hough变换与测地线轮廓模型的MR图像左心室自动分割

通过对MR图像左心室分割中各种主流方法的分析,提出一种自动分割MR图像左心室内外轮廓的算法.利用短轴图像上左心室心肌内外轮廓近似圆形的先验形状知识,先用Hough变换自动定位左心室的初始轮廓,然后在测地线轮廓模型基础上,结合K均值聚类提供的区域信息及心肌的生理结构约束对左心室的内外轮廓同时进行自动分割.实验结果表明,该算法能够有效地分割左心室内外轮廓.

结合有限元和非刚体运动估计的左心室应变分析

提出一种直观地分析左心室在心脏收缩期的应变情况的方法.首先利用心脏核磁共振图像数据对左心室进行三维实体建模,再进行有限元单元划分;然后,使用非刚体运动估计算法——单位法线及高斯曲率混合算法,在左心室收缩期相邻时刻的有限元模型表面上寻找最相似单元结点作为对应单元结点,计算各对应结点间的位移,并用α剪枝平均对位移过大的可疑结点进行处理;最后,利用弹塑性力学中应变与位移间的几何关系求解左心室表面各单元结点的应变,获得位移和应变的彩色云图.实验结果表明,该方法能直观、有效地反映左心室表面在整个心脏收缩期的形变情况和应变分布.

一种改进的M-Estimators基础矩阵鲁棒估计法

针对原M-Estimators算法完全依赖由线性最小二乘法估计得到的矩阵初始值,精度较低稳定性差的缺点,提出了一种改进的M-Estimators算法。通过考虑匹配点与对应极线的距离,计算求得较原M-Estimators算法更加精确的矩阵初始值,再利用此初始值剔除掉原匹配点集中的错误匹配点及坏点,最后运用Torr-M-Estimators法对新的匹配点集进行非线性优化计算,得到了真正的匹配点对,精确恢复了对极几何关系。以大量的模拟数据和真实图像进行了实验,给出了该算法与其他鲁棒性算法的比较结果,实验结果表明,该算法在误匹配以及高斯噪声存在的情况下,提高了基础矩阵的估计精度,并且同时具有很好的鲁棒性。

面向人体姿态估计的不可察局部对抗攻击

尽管深度神经网络在很多任务上取得了良好的结果,但是它们对于微小的对抗扰动却很容易出现预测错误.然而在人体姿态估计的对抗攻击任务中,通常需要添加较大的扰动噪声才能攻击成功,这使得其不可察性变差;减少扰动噪声又会削弱攻击效果.为了克服该矛盾,提出一种面向人体姿态估计的两阶段局部对抗攻击方法.所提方法首先通过预攻击估计出扰动关键区域,然后利用不可察性约束在关键区域内生成扰动.方法不仅可以对人体姿态进行有效攻击,而且还能确保最终扰动区域具有低可察性.采用COCO2017作为对抗扰动实验数据集并使用PCK(percentage of correct keypoints)作为评价指标,比较在人体姿态估计模型中IGSM和C&W方法的攻击效果,其PCK降低值分别提高了15.4%与2.8%.实验结果表明所提方法在保证攻击的低可察的同时,能够取得较好的攻击效果.

结合MAML和Dirichlet过程的小样本点云分类

点云被广泛使用在各种三维应用场景中,但是实际应用中通常存在扫描、标注费时费力等局限性,因此基于小样本数据集的点云分类网络更加符合应用需求.为了有效地提高深度学习分类算法在小样本点云数据集上的分类效果,提出一种针对小样本数据集的点云分类方法.针对训练数据集不平衡问题,首先采用基于相似度依赖的Dirichlet中餐馆过程对数据集进行预处理,在无需人工指定聚类个数的前提下对样本进行重新聚类,以提升分类网络在小样本数据集上的性能;然后在重新聚类后的样本上使用模型无关(model agnostic meta learning,MAML)算法训练PointNet++,达到用少量点云样本就能快速适应新任务的能力.所提方法不但降低了模型对数据量的依赖,提高了模型泛化能力,而且成功地把MAML算法从二维图像分类拓展到三维点云分类中;在Modelnet40数据集上的实验结果表明,与PointNet++相比,该方法的训练时间减少了一半,分类准确率平均提高6.67%,验证了该方法在小样本数据集上的有效性.

面向三维模型视图特征提取的残差卷积网络优化

在已有残差卷积神经网络基础上,采用加权损失函数提高视图特征的可分性,提出面向三维模型视图特征提取的残差卷积网络优化算法.首先对三维模型进行多视图渲染得到二维视图;然后通过残差网络扩展模块加深网络深度;最后采用中心损失函数和交叉熵损失函数定义加权损失函数,解决交叉熵损失函数因为类内距离小于类间距离而导致的特征不可分问题.在ModelNet数据集上的实验结果表明,该算法提取到的特征在三维模型分类问题上性能表现优异.

基于YOLOv5和RCF的足部尺寸测量系统

市场主流基于传统图像处理的足部尺寸测量算法存在工作运行效率低、测量结果误差大等问题.针对该问题,本文提出一种基于深度学习与传统图像处理相结合的足部尺寸测量系统.首先,使用YOLOv5(you only look once v5)检测出A4纸的有效区域,再采用RCF(richer convolutional features for edge detection)边缘检测方法提取A4纸及足部的边缘信息,通过A4纸的边缘估计出4个顶点来进行图像矫正.最后,对已矫正的图像使用降噪、滤波与二值化处理,从而计算出足部尺寸.在自行收集的足部样本数据集上进行测试,准确性为97.36%.实验结果表明,本文提出的基于YOLOv5和RCF的足部尺寸测量系统,提高了足部测量的精度以及运行效率,可帮助用户更便捷更高效更精确地获取个人足部数据,具有较好的实用价值和较广的应用前景.

北大荒纪事

人上了岁数，总爱回忆过去。春播、夏除……拓荒年代工作生活的一幕幕，不时地浮现在眼前。

伏秋涝年份翌年麦地的整地质量问题

小兴凯湖以北、完达山以南的滨湖地区,麦类作物占总播种面积的40～45%。在伏秋涝情况下,下年麦类作物产量的高低,取决于能否播在高产期,而能否播在高产期又取决于上年的整地质量。一、伏秋涝年份要千方百计把下年的麦地翻过来该地区多为白浆土,次为潜育草甸土,

基于核线性分类分析的三维模型检索算法

为提高检索精确度,提出了一种利用核线性分类分析来对模型特征进行优化的新方法。其主要思想是通过满足Mercer条件的非线性映射将低维空间下线性不可分的样本映射到高维空间,在高维空间中利用线性分类分析将原有的三维模型特征投影到特定的子空间。该方法能够在保持类间距离基础上得到具有鉴别信息的低维特征用于三维模型检索。实验结果表明,核线性分类分析方法速度较快,可在秒级完成三维特征优化,同时优化特征在本文测试数据集上可平均提高搜索准确度15%。

具身交互与全身交互的比较

具身交互和全身交互都把身体作为活动和认知的主体,近年来成为吸引着大量学者的交互方式,但少有将二者结合在一起的报道.文中首先有针对性地凝练现象学的代表性理论,明晰现象学与具身交互的关系,并对具身交互的本质特征——具身化的存在和存在模式进行解析,洞悉具身交互的内涵;然后利用近几年比较成功的一些交互案例重新解读具身交互设计原则,提高设计原则的可读性;再通过对全身交互发展历程的描述,明确了"整体"是全身交互的核心思想;最后着重比较二者所属的交互模式和处理内隐活动的能力,并从评价角度进行分析,找出二者的联系和差异.实现了对具身交互和全身交互比较全面而深入的讨论.

并行化碰撞检测算法综述

随着不同应用领域对实时碰撞检测算法需求的增长,利用多核CPU和GPU的并行处理能力来提高碰撞检测算法的处理速度已经得到了广泛的关注。文中回顾了碰撞检测算法的发展历史并从多个角度对目前现有的算法进行了分类归纳;介绍了十余种代表性的基于CPU和GPU并行化碰撞检测算法,并从算法的可扩展性和存储空间消耗以及任务量均衡化等方面分析了这些算法的优缺点。最后总结了并行化碰撞检测算法研究中存在的问题和新的发展方向以及常用的实验测试数据。

大豆化肥施肥部位研究报告

大豆施肥方法对大豆产量起着决定性的影响,若做种肥施法不当易产生烧种和抑苗现象,还能抑制根瘤菌的活性,减弱固氮能力。因此,从1983～1985年进行了大豆施肥方法的研究。现将研究结果总结如下:

基于卷积神经网络的深度图姿态估计算法研究

随着深度相机的应用,三维场景的重建越来越简单、快速。从单视角的深度场景图像中检索出物体还是比较困难,特别是物体的姿态估计。提出了一种基于卷积神经网络的深度图像姿态估计算法。该算法采用了回归估计来实现姿态的估计。通过3D模型合成大量不同姿态的深度图像样本,从而解决回归估计需要稠密采样的训练数据问题。对于不同类别的物体,分别用线性回归估计来拟合姿态函数。在基于Le Net-5模型上修改了卷积神经网络的结构,使得该网络适用于回归估计。实验结果表明:我们的方法取得了平均误差约4.3°的估计结果,优于其他文献的方法。

基于哈希自注意力端到端网络的三维模型草图检索

为了提高草图和三维模型视图嵌入特征的聚类性,提出一种结合自注意力和哈希正则化约束的特征提取算法.首先将三维模型渲染得到二维视图集,并通过边缘检测在草图和视图之间建立统一的特征描述空间;然后在共享权重网络中嵌入自注意力层,通过结构信息自相关性编码提高草图和视图的聚类性,避免局部差异性对结果的影响;最后对特征进行哈希编码,并嵌入哈希正则化约束和交叉熵损失函数,避免特征值发散.对基准数据集SHREC13和SHREC14的实验结果表明,该算法在哈希自注意力端到端网络的检索准确率方面优于已有的典型算法,平均准确率性能提高了6%.

基于卷积神经网络的单幅图像室内物体姿态估计

单幅图像的目标检测和物体姿态估计一直是计算机视觉领域中非常重要的研究内容.利用卷积神经网络对单幅室内场景图像进行研究分析,提出了一种基于卷积神经网络的单幅图像室内物体姿态估计算法.该算法采用直接分类预测的方法来实现物体的姿态估计.通过改进Faster-RCNN网络结构,利用室内场景数据集SUNRGB-D训练网络,实现端到端单幅室内图像目标检测和姿态估计.实验结果表明,该算法目标检测平均准确度为70%,姿态估计结果中平移估计准确度为28%,旋转角度估计准确度为30%.

宋氏全家照年代略考

宋氏家族,在中国近代政治舞台上,有着非常重要的地位,影响中国政治前后长达半个多世纪。上海孙中山故居现珍藏着一幅宋氏全家照(见封三),此照片是所知现存的唯一的一幅宋氏全家照。但此照片既无说明,亦无确切的年代,现我们根据有关资料,试探讨一下此照片的年代问题。这张照片上共有八人,分别是父亲宋嘉树、母亲倪桂珍,以及他们的六个子女,宋霭龄宋庆龄、宋子文、宋美龄、宋子良和宋子安。宋嘉树,字耀如,海南省文昌县人。

对密虎地区农场不同熟期类型小麦品种搭配比例的探讨

对密虎地区农场不同熟期类型小麦品种搭配比例的探讨刘复昌，张明晨，张凤虎，周长流，刘皑玉（八五七农场）该地区拥有１１个国营农场，４００多万亩耕地，是我省商品粮生产基地之一。粮食市场开放之前，小麦面积占耕地面积的４０％左右，几乎全部为机耕队承包经营，小麦...