科学思维方法与专业课深度融合的教学改革探索——以信号与系统课程为例

为践行新时代高等教育“以学生发展为中心,培养学生高阶能力”的教学理念,基于信号与系统课程进行教学研究与实践,探索一种科学思维方法与专业课教学深度融合的教学模式。运用科学有效的思维方法指导教与学的过程,通过营造思维刻意训练的学习氛围、普及科学思维的方法理论、在学科背景中应用实践、提供精细化的教师指导,并在教学实践中持续改进,促使学生建立学科思维,发展科学思维。实践表明,该教学模式切合学生实际情况,能够促进学生科学地、普遍地发展,并且有利于营造自我成长型的学习文化。

图像场景语义分类研究进展综述

场景语义分类是图像理解领域中一个重要的研究方向,涉及到信号处理、模式识别、计算机视觉和认知科学等多学科交叉。场景分类任务中,图像内容描述和分类判决是两大关键问题。图像内容描述力图得到关于场景图像最具判别意义的表示,而分类判决则对训练样本集的图像内容描述学习、训练,并建模得到某类场景图像区别于其他场景类图像的计算模型。目前,很多场景分类方法针对图像内容描述和图像分类进行了深入的研究,对室外人造场景、室外自然场景和室内场景图像进行分类,取得了较好的分类效果。然而,场景图像自身内容上的变化和差异,既会造成同一场景类内对象的差异性,同时也造成不同场景类之间图像的视觉相似性,特别是对于不同的室内场景类。因此,场景语义分类任务十分困难,是计算机视觉和认知心理学领域中一个颇具挑战性的难题。室外图像场景分类研究相对成熟,而室内图像场景分类研究却进展缓慢。本文综述了图像场景语义分类的研究进展,并分析了场景分类算法的性能,指出场景语义分类研究中存在的问题。

基于语义标签生成和偏序结构的图像层级分类

智能电子设备和互联网的普及,使得图像数据爆炸性膨胀.为了有效管理复杂图像资源,提出一种基于加权语义邻近集和形式概念偏序结构的图像层级分类方法.首先,根据图像语义相关分数,对不同程度语义设定自适应权系数,从训练图库中构建加权语义邻近集,通过对语义邻近集中图像的词频分布进行判决,自动生成图像的多个语义标签;然后,以每幅图像为对象,以每幅图像自动生成的语义标签为属性,构建形式背景,通过偏序结构算法对复杂图像集进行有效的层级分类.该方法可以得到图像库中图像之间明确的结构关系和图像类别之间的从属关系,为复杂图像大数据进行层级分类管理提供了有效的思路.对Corel5k、Esp Game和Iaprtc12这3个数据库进行了图像标注实验,证明了标注的语义完整性和主要语义的准确性;并对Corel5k数据库进行了图像的层级分类实验,结果表明,层级分类效果显著.

基于形式概念分析和语义关联规则的目标图像标注

基于目标的图像标注一直是图像处理和计算机视觉领域中一个重要的研究问题.图像目标的多尺度性、多形变性使得图像标注十分困难.目标分割和目标识别是目标图像标注任务中两大关键问题.本文提出一种基于形式概念分析(Formal concept analysis, FCA)和语义关联规则的目标图像标注方法,针对目标建议算法生成图像块中存在的高度重叠问题,借鉴形式概念分析中概念格的思想,按照图像块的共性将其归成几个图像簇挖掘图像类别模式,利用类别概率分布判决和平坦度判决分别去除目标噪声块和背景噪声块,最终得到目标语义簇;针对语义目标判别问题,首先对有效图像簇进行特征融合形成共性特征描述,通过分类器进行类别判决,生成初始目标图像标注,然后利用图像语义标注词挖掘语义关联规则,进行图像标注的语义补充,以避免挖掘类别模式时丢失较小的语义目标.实验表明,本文提出的图像标注算法既能保证语义标注的准确性,又能保证语义标注的完整性,具有较好的图像标注性能.

白细胞图像的自动分割算法

根据白细胞核在其饱和度分量S和绿分量G中的分布特点,构造细胞变换图像,提取细胞核,实现白细胞的初步定位。对存在细胞粘连的细胞图像,利用细胞边缘的相位角变化来检测细胞粘连区域并除之,采用线性插值法拟合边缘曲线,得到封闭的白细胞边缘轮廓,最终提取白细胞。本算法可自动分割白细胞,具有很好的分割效果。

全局运动序列的视频对象分割算法

针对全局运动视频序列,本文提出一种快速有效的基于边缘均灰度投影匹配的全局运动估计与补偿算法,将连续几帧图像的相同背景稳定在同一幅图像的相同位置上,从而能够沿用静止背景序列的视频对象分割算法。实验结果证明,该方法能够从背景变化的视频序列中较好地提取运动对象,具有较强的鲁棒性。

白细胞图像的柔性组合分割算法

根据细胞图像的饱和度分量S和绿分量G中白细胞核分布的特点,构造组合加权图像,柔性调节权系数,提取细胞核,实现白细胞的初步定位。针对图像中红、白细胞的粘连现象,利用细胞图像红分量R和蓝分量B的分布,构造组合图像,提取白细胞。本文提出的柔性组合分割算法简单,计算量小,具有很好的分割效果,且分量权系数可自动调节,具有普适性。

最优区域与离散小波变换结合的颜色恒常性计算算法

颜色恒常性计算就是通过消除光照对颜色的影响,得到与光照无关的稳定的颜色描述因子。目前基于底层特征驱动的颜色恒常性算法,大多数利用整幅图像的像素信息来估计场景的光照。然而,并不是所有的像素点都包含颜色恒常性计算的有效信息,而且没有考虑像素点周围的空间信息的影响。本文针对这两个问题提出一种基于最优区域选择和离散小波变换结合的颜色恒常性算法,在分割区域上进行不同尺度的离散小波变换,利用得到的小波系数估计出不同区域不同尺度上的误差,选择出误差最小的分割区域用于整幅图像的光照估计。该算法简单易行,实验结果证明可以取得比较好的光照估计效果。

融合前景和背景种子点扩散的显著性目标检测

针对图像显著性检测问题,本文提出一种融合前景和背景种子点扩散的显著性目标检测算法,扩散即为对种子点进行有效的传播.首先选取种子点,同时选择前景点和背景点作为种子点,丰富了种子点信息;然后,分别对背景种子和前景种子进行显著性扩散,并融合各自得到的显著图;最后,通过聚类优化和抑制函数完善显著图,使显著区域更加突出,背景区域得到更多的抑制,从而得到最终的显著图.本文算法在MSRA-1000和DUT-OMRON数据库上进行评估,并与其它六种算法进行对比评测,实验结果证明了本文算法的优越性.

基于非对称监督深度离散哈希的图像检索

哈希广泛应用于图像检索任务。针对现有深度监督哈希方法的局限性,该文提出了一种新的非对称监督深度离散哈希(ASDDH)方法来保持不同类别之间的语义结构,同时生成二进制码。首先利用深度网络提取图像特征,根据图像的语义标签来揭示每对图像之间的相似性。为了增强二进制码之间的相似性,并保证多标签语义保持,该文设计了一种非对称哈希方法,并利用多标签二进制码映射,使哈希码具有多标签语义信息。此外,引入二进制码的位平衡性对每个位进行平衡,鼓励所有训练样本中的–1和+1的数目近似。在两个常用数据集上的实验结果表明,该方法在图像检索方面的性能优于其他方法。

基于多层次特征表示的图像场景分类算法

传统场景分类采用底层尺度不变特征变换(SIFT)特征,运用词袋(BoW)模型以及空间金字塔(SPM)模型进行分类判别。然而,单一的低层描述的识别精度有限,无法有效表征内容多变的场景图像。本文提出基于多层次特征表示的图像场景分类算法,利用滑动窗均匀采样图像块,分别提取图像块的密集SIFT特征和卷积层卷积神经网络(CNN)特征,使用聚集局部描述符编码(VLAD)方法分别编码图像块的局部特征,将一幅图像的多个图像块特征顺序级联形成该幅图像的描述,由此构建包含局部语义信息的低层图像描述和中层图像描述。与此同时,将图像的低层描述与中层描述融合到图像的全连接层的高层语义中,从而获得整合了局部空间信息和全局语义信息的精确图像表示。本文在两个常用的场景数据集上进行了分类实验,结果表明,融合多层次特征描述的图像表示能够取得更好的分类结果。

基于多尺度排序递归图的糖尿病轻度认知障碍脑电信号分析

研究糖尿病轻度认知障碍(MCI)脑电信号多尺度的确定性特性,有利于其早期预防和诊断。基于多尺度下的排序递归图,对15通道闭眼静息态的脑电信号进行多尺度排序递归图确定性分析。4组被试分别为14例糖尿病轻度认知障碍(DM-MCI)、11例糖尿病认知功能正常(DM-nMCI)的患者以及16例无糖尿病轻度认知障碍(n DM-MCI)、10例无糖尿病认知功能正常(n DM-nMCI)的患者。利用单因素方差分析(one-way ANOVA)对4组被试脑电信号的多尺度确定性值进行统计分析,利用皮尔森相关方法研究多尺度确定性与认知功能之间的相关性。结果显示,小尺度1≤s≤4时,n DM-MCI组和n DM-nMCI组确定性DET值明显高于DM-MCI组和DM-nMCI组的DET值;大尺度12≤s≤15时,4组DET值差异性小,且DM-MCI组所有电极不同尺度下的确定性值均要高于DMn MCI;轻度认知障碍患者在C3(DM-MCI:0.83±0.09,n DM-MCI:0.86±0.09)和C4(DM-MCI:0.85±0.08,n DMMCI:0.88±0.08,)电极的小尺度下确定性值显著增高,是认知障碍的主要特征,且与Boston(P=0.033),FAQ(P=0.026),WAIS(P=0.037),MoCA(P=0.039,P=0.017)等多项认知功能显著相关;糖尿病患者在Fp1(DMMCI:0.80±0.09,DM-nMCI:0.75±0.07)、Fp2(DM-MCI:0.80±0.09,DM-nMCI:0.75±0.01)和Oz(DM-MCI:0.76±0.06,DM-nMCI:0.73±0.07)小尺度确定性和Fp2(DM-MCI:0.96±0.03,DM-nMCI:0.94±0.01)大尺度确定性显著降低,是糖尿病的重要特征。基于多尺度排序递归图的确定性可用于分析与认知功能下降和糖尿病相关的脑电特征。

基于平滑最小方差无失真响应的一致性同步算法研究

脑电信号一致性反映双通道信号在一定频率范围上波动形式的一致程度,反映相应位点大脑之间的联络性。将基于最小方差无失真响应的一致性算法与核滤波相结合,提出平滑最小方差无失真响应一致性算法(SMVDR);仿真实验表明,SMVDR在窄带信号和宽带信号中均有较好的准确性和抗噪性能。利用新算法SMVDR,对31例糖尿病患者(遗忘型轻度认知障碍aMCI组18人,认知功能正常对照组13人)的脑电信号在大脑不同区域、不同频带(δ,θ,α,β)进行一致性分析,统计分析发现:aMCI组在左右颞间δ频段的一致性下降而β频段一致性增加,前额-枕区的θ频段的一致性增加,右颞-枕区和前额-右颞区域的α频段一致性下降。一致性值与MOCA得分的相关性分析发现,在特征通道下δ和α频段的一致性与MOCA得分存在显著的正相关,θ和β频段一致性与MOCA分数呈负相关。SMVDR算法可以更好地计算双通道脑电信号之间的一致程度,对于理解老年期轻度认知障碍的患病机制并进行早期诊断与干预具有重要的意义。

基于目标匹配的视频对象跟踪算法

视频对象分割算法的性能好坏将直接影响MPEG-4编码产品的质量。连续两次差分后自适应处理,对差分图像取交集获得运动对象的边界,形态学处理后获得二值分割掩模进而提取运动目标。基于改进的Hausdorff距离度量法对后续帧中视频对象进行跟踪。实验结果证明,该方法能够从背景不变的图像序列中较好的提取出运动对象,具有较强的鲁棒性。

基于“点到面”策略的图像检索

图像检索是计算机视觉领域的一个重要分支。其主要目的是从图像数据库中找出与查询图像相似的语义图像。传统的图像检索方法是在查询图像和数据库图像之间进行“点到点”检索。但是,单个查询图像包含的类别提示较少,即类别信息较弱,使得检索结果并不理想。为了解决这个问题,本文提出了一种基于“点到面”的类别检索策略来扩展一个图像(点)到一个图像类别(面),这意味着从单个查询图像到整个图像类别的语义扩展。该方法挖掘了查询图像的类别信息。在两个常用的数据集上对所提出方法的性能进行了评估。实验表明,该方法可以显著提高图像检索的性能。

一种信道预测下的自适应QAM调制方法

提出一种自适应矩形多幅度调制方法,能够更有效应用于无线移动通信中的多径衰落信道。其中发送端的信道状态信息(CSI)通过基于预处理的ESPRIT信道预测算法获得。理论分析和仿真实验表明,这种信道预测算法下的自适应QAM调制方法,在保证目标误码率的前提下,实现了比无自适应传输技术更快的比特率,提高了带宽利用率。

齿轮泵齿轮基本参数的优化设计

在分析齿轮泵各性能指标的基础上，构建了一个多目标离散变量优化设计数学模型，并综合应用约束变尺度法ＣＶＭＯＬ和离散变量复合形法ＭＤＣＰ两种优化方法，解决了求解离散变量最优化问题。通过对引进新产品ＱＣ１６／１７型齿轮动力油泵进行优化后发现：优化结果与泵的实际参数很吻合。

外啮合齿轮泵困油历程的仿真研究

依据外啮合齿轮泵的困油原理 ,着重分析困油容积 /困油压力与卸荷槽宽度及齿侧间隙之间的关系 ,据此建立其相应的微分方程组模型 ,利用现有的求解微分方程组软件模拟其动态历程。此类仿真数据结果对外啮合齿轮泵设计具有指导意义。

一种采用背景统计技术的视频对象分割算法

利用背景统计技术从累积的帧差信息中构建出完整、可靠的背景区域,并将其与当前帧相比较,得到初始对象分割掩膜;再对之进行后处理,以消除噪声影响和平滑对象边界,从而获得较好的对象分割掩膜,并提取出视频对象。该算法不需要预知运动对象的形状、数目等,就能较好地从静止背景中分离出目标,实验证明,它具有一定的实用性和鲁棒性。

基于对象的视频分割算法研究与实现

通过对连续3帧图像进行二次差分,自适应估计差分图像的噪声特征参数并滤除噪声,结合边界信息进行数学形态学运算,最终提取运动目标。实验结果证明,该方法能够从背景不变的图像序列中较好的提取出视频运动对象,具有较强的鲁棒性。