稀疏约束与时间一致的背景感知相关滤波目标跟踪

背景感知滤波算法通过循环移位采集真实负样本,有效解决了边界效应.但在复杂场景例如遮挡、快速移动、背景干扰等,其较大的采样区域导致过多背景在杂波干扰,从而影响跟踪效果.针对这一问题,本文首先提取灰度HOG特征与颜色CN特征来提高目标外观模型,在基准目标函数基础上引入L1稀疏正则约束形成弹性网络以自适应筛选关键特征,增强滤波器在复杂背景下的判别能力.同时针对BACF在跟踪过程中目标快速变化,本文引入时间正则项提高滤波器抑制畸变的能力.最后,本文提出了一种独立的尺度滤波器算法,准确提供目标尺度大小.实验仿真结果表明,在公开数据集OTB-2013和OTB-2015上,本文算法较基准算法有很大提升,能够较好应对不同复杂场景下的跟踪难题.

融合梯度先验与全局聚合的立体匹配算法

现有基于学习的立体匹配算法具有一定局限性,通常特征提取部分使用的常规卷积倾向于捕捉外观信息,忽略了结构信息的提取,并且由于卷积感受野的限制,这些算法在弱纹理、重复纹理等病态区域性能较差.为此本文提出了一种融合梯度信息及全局代价聚合的立体匹配网络模型(GFGANet).首先,设计了差分卷积残差组(CDC-ResBlock-Groups),显式编码结构信息提高特征表达,然后设计全局代价聚合模块(Trans-Hourglass),有效聚合代价体并捕获全局上下文,最后采用加窗视差回归降低了视差标签不平衡的影响,此外使用StereoDRNet的后处理进行视差细化.实验表明,所提方法在重复纹理,弱纹理区域表现优异,在SceneFlow中的端点误差(EPE)仅为0.645px,KITTI 2015上的误匹配率为2.04%,与基础模型PSMNet相比,性能显著提升.

三维打印个性化钛网在美学区牙槽骨缺损骨增量中应用的效果评估

目的对三维打印个性化钛网在美学区骨增量中的临床应用效果进行评价。方法选择2018年1月至2020年6月于重庆医科大学附属口腔医院种植科行个性化钛网骨增量治疗的患者43例,男性21例,女性22例,年龄(30.1±5.8)岁。根据患者术前锥形束CT数据,将43例患者按骨缺损类型分为水平骨缺损(14例)、垂直骨缺损(15例)及水平-垂直联合骨缺损(14例)3组。综合患者骨量及美学要求设计个性化钛网并进行三维打印。术中以1∶1比例混合自体骨与异种骨颗粒,联合可注射富血小板纤维蛋白及个性化钛网进行骨增量手术。所有患者于术后1、3、6个月复查,观察是否出现钛网暴露;术后6个月评估骨增量效果;种植体植入并修复后评估患者粉白美学指数。结果术后仅1例患者出现钛网早期暴露,未见明显感染。与术前相比,各组患者术后即刻骨量均显著高于术前[术前水平骨缺损组骨宽度、垂直骨缺损组骨高度、水平-垂直联合骨缺损组骨宽度和骨高度分别为(3.27±0.13)、(17.41±0.46)、(3.76±0.24)、(14.37±0.89) mm;术后即刻分别为(5.25±0.15)、(26.10±0.55)、(6.35±0.29)、(22.52±0.90) mm,P<0.01];与术后即刻相比,术后6个月未见明显骨吸收[分别为(5.14±0.14)、(25.67±0.52)、(6.13±0.26)、(22.35±0.89) mm,P>0.05]。3组患者粉白美学指数评分均较高。结论个性化钛网修复美学区骨缺损效果显著,种植修复后可获得优异的美学效果。