基于多特征流形学习和矩阵分解的路面裂缝检测

针对单一属性特征的路面裂缝检测方法无法从复杂背景噪声中准确提取裂缝信息的缺陷,提出一种结合多特征流形学习和矩阵分解的路面裂缝检测算法。该算法首先根据路面裂缝子块的统计、形状和纹理特性抽取多重属性特征并构造多个流形正则项,将流形正则项嵌入于矩阵分解的目标函数中,采用交替迭代法在统一框架下实现裂缝子块降维和多特征自适应融合。为进一步提高聚类准确率,对路面裂缝图像采用各向异性算法增强得到少量有效样本标签,实现算法的半监督扩展。在公开数据集(Crack IT)和实际采集的沪宁高速(HN)路面图像库上的实验结果表明,该算法可以有效提高路面裂缝识别率,验证了算法的有效性。

基于低秩分解的鲁棒典型相关分析

典型相关分析(CCA)是一种经典的多特征提取算法,它能够有效地抽取两组特征之间的相关性,现已被广泛应用于模式识别。在含噪声数据情况下,CCA的特征表示性能受到限制。为了使CCA更好地处理含噪声数据,提出一种基于低秩分解的典型相关分析算法——鲁棒典型相关分析(robust canonical correlation analysis,Rb CCA)。Rb CCA首先对特征集进行低秩分解,得到低秩分量和噪声分量,以此分别构建对应的协方差矩阵。通过最大化低秩分量的相关性,同时最小化噪声分量的相关性来建立判别准则函数,进而求取鉴别投影矢量。在MFEAT手写体数据库、ORL和Yale人脸数据中的实验结果表明,在包含噪声的情况下,Rb CCA的识别效果优于现有的典型相关分析方法。

分数阶嵌入的广义多重集典型相关分析

随着数据处理方式以及描述角度的不同,同一模式总是能够获得多种不同的特征表示.由于这些特征表示总是反映了同一模式的不同特性或视角,因此,对其进行有效地抽取与融合后,不仅可以保留参与抽取的多组特征的有效鉴别信息,还可以在一定程度上消除特征间的冗余信息,降低识别算法的复杂度,对模式分类来说无疑具有重要的实际意义.由于传统的维数约减方法,如主成分分析(PCA)与线性鉴别分析(LDA),主要针对模式的一组特征进行处理,并不适合对多表示数据进行融合与特征抽取,因此,本文以多表示数据为研究对象,深入研究了多重集典型相关分析的相关理论与算法,采用分数阶思想对组内与组间样本协方差的特征值和奇异值进行重新估计,然后建立分数阶组内与组间散布矩阵,同时引入监督信息,构建了分数阶嵌入的多重集典型相关分析(FEGMCCA)理论框架.

SUS2矫治器联合直丝弓技术治疗恒牙早期安氏Ⅱ类错

目的观察SUS2下颌前伸矫治器联合直丝弓矫治器对生长期安氏Ⅱ类错的治疗效果。方法选择11例安氏Ⅱ类错的患者,其中男3例,女8例,均为恒牙早期。Ⅹ线头影测量显示为下颌后缩及轻微上颌前突,颈椎分析显示为生长发育高峰期或高峰前期,所有病人用SUS2下颌前伸矫治器联合直丝弓矫治器进行治疗,然后应用头影测量进行效果评估,分析该矫治器的疗效。结果平均疗程18.4个月,矫正后下切牙唇倾,下颌磨牙近中移动,磨牙关系均达Ⅰ类或接近Ⅰ类,下颌骨的长度增加,下磨牙前移升高,前后牙垂直方向变化导致上下平面顺时针旋转,软组织侧貌明显改善。结论 SUS2下颌前伸矫治器与直丝弓矫治器联合使用,装配简便,对生长期安氏Ⅱ类错的患者既可刺激下颌骨的生长同时又可抑制上颌骨的生长,从而产生一定的生长改良作用,通过对牙、颌作用而取得比较明显的骨骼以及侧貌的改变。

微螺钉支抗矫治前牙外伤及深覆盖的临床研究

目的应用微螺钉支抗矫治有前牙外伤的深覆盖患者,探索如何解决深覆盖同时最大限度保存外伤前牙。方法选择有前牙外伤史的深覆盖患者60例,分别在上颌两侧第一恒磨牙和第二双尖牙之间植入支抗钉,应用MBT直丝弓矫治器常规矫治。外伤牙根据病情选择合适的疗法。结果软、硬组织侧貌显著改善。外伤牙症状无加重。结论微螺钉支抗矫治深覆盖效果满意,外伤牙可良好保存。

无序拔牙与错畸形关系的探讨

目的 探索无序拔牙与牙齿错牙合畸形的关系。方法 对 2 10 5例恒牙期儿童进行检查 ,将查出有牙牙合畸形的儿童 ,根据是否有不正确的序列拔牙史进行分组 ,然后进行统计学分析。结果 无序拔牙组的错牙合畸形发生率高于对照组。结论 替牙牙合期的暂时性前牙拥挤 。

低分辨率行人重识别数据集及其基准方法

目的行人重识别旨在解决多个非重叠摄像头下行人的查询和识别问题。在很多实际的应用场景中,监控摄像头获取的是低分辨率行人图像,而现有的许多行人重识别方法很少关注真实场景中低分辨率行人相互匹配的问题。为研究该问题,本文收集并标注了一个新的基于枪球摄像头的行人重识别数据集,并基于此设计了一种低分辨率行人重识别模型来提升低分辨率行人匹配性能。方法该数据集由部署在3个不同位置的枪机摄像头和球机摄像头收集裁剪得到,最终形成包含200个有身份标签的行人和320个无身份标签的行人重识别数据集。与同类其他数据集不同,该数据集为每个行人同时提供高分辨率和低分辨率图像。针对低分辨率下的行人匹配难题,本文提出的基准模型考虑了图像超分、行人特征学习以及判别3个方面因素,并设计了相应的超分模块、特征学习模块和特征判别器模块,分别完成低分辨率图像超分、行人特征学习以及行人特征判断。结果提出的基准模型在枪球行人重识别数据集上的实验表明,对比于经典的行人重识别模型,新基准模型在平均精度均值(mean average precision,mAP)和Rank-1指标上分别提高了3.1%和6.1%。结论本文构建了典型的低分辨率行人重识别数据集,为研究低分辨率行人重识别问题提供了重要的数据来源,并基于该数据集研究了低分辨率下行人重识别基础方法。研究表明,提出的基准方法能够有效地解决低分辨行人匹配问题。