The instability of water-mud interface in viscous two-layer flow with large viscosity contrast

The temporal instability of parallel viscous two-phase mixing layers is extended to current-fluid mud by considering a composite error function velocity profile. The influence of viscosity ratio, Reynolds number, and Froude number on the instability of the system are discussed and a new phenomenon never discussed is investigated based on our numerical results. It is shown that viscosity can enlarge the unstable wave number range, cause new instability modes, and certainly reduce the growth rate of Kelvin-Helmholtz （K-H） instability.

Application of contrast-enhanced ultrasound after livertransplantation:Current status and perspectives

Liver transplantation is an effective treatment for patients with end-stage liver disease. Accurate imaging evaluation of the transplanted patient is critical for ensuring that the limited donor liver is functioning appropriately. Ultrasound contrast agents(UCAs), in combination with contrastspecific imaging techniques, are increasingly accepted in clinical use for the assessment of the hepatic vasculature, bile ducts and liver parenchyma in pre-, intra- and posttransplant patients. We describe UCAs, their technical requirements, the recommended clinical indications, image interpretation and the limitations for contrastenhanced ultrasound applications in liver transplantation.

多任务联合学习的图卷积神经网络推荐

基于图神经网络的协同过滤推荐可以更有效地挖掘用户项目之间的交互信息,但其性能依然受到数据稀疏和表征学习质量不高问题的影响,因此提出一种多任务联合学习的图卷积神经网络推荐(multi-task joint learning for graph convolutional neural network recommendations,MTJL-GCN)模型。利用图神经网络在用户-项目交互图上所聚集到的同质结构信息与初始嵌入信息形成结构邻居关系,设计节点邻居关系的对比学习辅助任务来缓解数据稀疏问题;向节点的原始表征添加随机的统一噪声进行表征级数据增强,构建节点表征关系的对比学习辅助任务,并提出直接优化对齐性和均匀性两个属性的学习目标来提高表征学习质量;将图协同过滤推荐任务与对比学习辅助任务和直接优化学习目标进行联合训练,从而提升推荐性能。在Amazon-books和Yelp2018两个公开数据集上进行实验,该模型在Recall@k和NDCG@k两个推荐性能指标上的表现均优于基线模型,证明了MTJL-GCN模型的有效性。

基于层级过滤器和时间卷积增强自注意力网络的序列推荐

针对实际推荐场景中用户意外交互产生的噪声问题,以及自注意力机制中注意力分布分散导致用户短期需求偏移难以捕获的问题,提出一种基于层级过滤器和时间卷积增强自注意力网络的序列推荐(FTARec)模型。首先,通过层级过滤器过滤原始数据中的噪声;其次,结合时间卷积增强自注意力网络和解耦混合位置编码获取用户嵌入,该过程通过时间卷积增强补充自注意力网络在项目短期依赖建模上的不足;最后,结合对比学习改善用户嵌入,并根据最终用户嵌入进行预测。相较于自注意力序列推荐(SASRec)、过滤增强的多层感知器序列推荐方法(FMLPRec)等现有序列推荐模型,FTARec在3个公开数据集Beauty、Clothing和Sports上取得了更高的命中率(HR)和归一化折损累计增益(NDCG),相较于次优的DuoRec,HR@10分别提高了7.91%、13.27%和12.84%,NDCG@10分别提高了5.52%、8.33%和9.88%,验证了所提模型的有效性。

基于最大对比度的联合相位误差校正方法

针对高分辨率逆合成孔径雷达(ISAR)成像过程中,因目标转动所引入的转动相位误差无法被忽略,以及由于转动相位误差使得传统平动相位误差校正方法性能严重下降的问题,提出了一种基于最大对比度的联合相位误差校正的方法,可同时校正残余的平动相位误差和转动相位误差,进一步提高成像的质量。首先利用传统的运动补偿方法对回波信号进行处理,其次根据最大对比度准则,将相位误差校正问题转化为最大对比度优化问题,最后利用改进的拟牛顿算法进行求解。该方法能使高分辨率ISAR进行精准成像,且所得图像聚焦效果良好。通过对仿真数据和实测数据的处理,验证了文中方法的有效性。

基于改进ViBe算法以及改进CLAHE算法的烟雾信息增强技术

对于在火灾刚开始发生时,烟雾信息较弱且不明显的问题,提出了一种使用视频图像序列进行烟雾信息增强的技术。使用改进的ViBe算法对整个视频进行检测,获得每帧图像的运动蒙板。采用去除离群值的帧间差分放大算法对烟雾信息进行放大。通过改进后的限制对比度的自适应直方图均衡化算法(CLAHE)来提高烟雾区域对比度,并使用合并蒙板保存烟雾信息,用翻转蒙板保留原始图像背景信息,最后进行烟雾区域与背景区域的融合,得到最终图像。实验结果表明,算法可以将烟雾泄漏区域的对比度进行较大程度的提高,并且由于融合了原始图像背景,因此,背景噪声也处于较低水平。

基于对比学习和语义增强的多模态推荐算法

产品的多模态数据通常被作为额外的辅助信息引入推荐算法中,丰富用户与产品的表示特征,有效融合用户与产品的交互信息和多模态信息是关键研究内容之一.现有方法在特征融合与语义关联建模上仍存在不足,对此,文中从特征融合视角出发,构建基于对比学习和语义增强的多模态推荐算法.首先,采用图神经网络与注意力机制充分融合协同特征与多模态特征.然后,以协同信息中的交互结构为指导,学习各模态内的语义关联结构.同时,采用对比学习范式捕捉跨模态的表征依赖关系,在对比损失中引入可靠性因子,自适应调整对多模态特征的约束强度,抑制数据噪声的影响.最后,联合优化上述任务,生成推荐结果.在4个真实数据集上的实验表明文中算法的优越性.

面向室内弱光环境的视觉与惯导融合算法研究

针对视觉惯性里程计算法在低光照或黑暗等复杂条件下定位精度差的问题,提出了一种基于多状态约束卡尔曼滤波(MSCKF)算法的适应弱光环境的视觉惯性里程计算法。结合离散余弦变换(DCT)同态滤波和限制对比度的自适应图像均衡化处理图像,然后将增强后的图像应用于MSCKF中,计算出精确的初始位姿估计。基于多状态观测约束策略计算特征重投影误差,以更新系统状态。该算法在公开数据集EuRoC上进行了测试。结果表明,不管在正常光照还是弱光照的场景下,该算法相较于原始算法精度均有所提升,最大均方根误差从1.778 m降低到0.249 m,平均均方根误差降低57.7%。

融合原型对比与特征筛选的图协同过滤模型

图卷积在协同过滤推荐系统上取得了巨大的成功,但在真实的推荐场景中基于协同过滤的推荐方法往往会受到稀疏数据的影响,同时现有的图协同过滤方法又普遍存在对用户-项目交互信息的分析和利用不彻底的问题,如未对交互特征中的噪声进行处理,这些问题使得现有方法的推荐效果不理想。针对上述问题,提出了一种融合原型对比与特征筛选的图协同过滤模型,在对交互信息进行噪声特征过滤的同时,利用提出的原型对比学习任务捕捉节点间的潜在联系,以此增强用户和项目的表示。在3个真实的数据集上的实验结果表明,该方法在缓解数据稀疏问题的同时,提高了推荐的效率和性能。

DCP算法下三维图像对比度多尺度分数阶增强

由于二维图像映射到三维模型表面时,三维图像会产生纹理特征缺失和颜色失真等问题,使得生成的三维图像的对比度过高或过低,导致三维图像的清晰度较差。对此,提出一种DCP算法下三维图像对比度多尺度分数阶增强方法。采用最佳阈值方法分割三维图像,并通过DCP算法实现图像去雾处理,确保图像中的颜色与实际颜色保持一致。基于动态梯度自适应能力,依据去雾的图像的实际情况自适应调整阶数,提取图像纹理特征;采用拉普拉斯金字塔算法多尺度融合纹理特征,提升三维图像对比度。测试结果表明:所提方法增强后的三维图像的图像方差和图像熵结果分别在0.931和0.927以上,具有较为平衡的对比度,且图像的清晰度较高。

基于对比学习和注意力机制的文本分类方法

文本分类作为自然语言处理领域的基本任务,在信息检索、机器翻译和情感分析等应用中发挥着重要作用。然而大多数深度模型在预测时未充分考虑训练实例的丰富信息,导致学到的文本特征不够全面。为了充分利用训练实例信息,提出一种基于对比学习和注意力机制的文本分类方法。首先,设计一种有监督对比学习训练策略,旨在优化模型对文本向量表征的检索,提高模型在推理过程中检索到的训练实例的质量;然后,构建注意力机制,对获取的训练文本特征进行注意力分布学习,聚焦关联性更强的相邻实例信息,获得更多隐含的相似特征;最后,将注意力机制与模型网络相结合,融合相邻的训练实例信息,增强模型提取多样性特征的能力,实现全局特征和局部特征的提取。实验结果表明,所提方法在卷积神经网络(CNN)、双向长短期记忆网络(Bi LSTM)、图卷积网络(GCN)、BERT和Ro BERTa等多个模型上都取得了显著的性能提升。以CNN模型为例,其在THUCNews数据集、今日头条数据集和搜狗数据集上宏F1值分别提高了4.15、6.2和1.92个百分点。因此,该方法也为文本分类任务提供了一种有效的解决方案。

基于LASSO回归探讨多种生物标志物预测急性冠脉综合征病人PCI术后造影剂肾病的价值

目的:基于最小绝对收缩与选择算法(LASSO)回归探讨多种生物标志物预测急性冠脉综合征病人经皮冠状动脉介入治疗(PCI)术后造影剂肾病的价值。方法:选取2020年1月-2022年6月在海南医学院第一附属医院就诊的119例急性冠脉综合征病人作为研究对象,记录病人一般情况、血液生化指标、炎性因子、生物标志物及PCI术后3 d造影剂肾病发生情况,以病人PCI术后3 d是否发生造影剂肾病为因变量,运用10折交叉验证LASSO回归进行特征性变量筛选,以特征性变量作为自变量代入多因素Logistic回归模型获得急性冠脉综合征病人PCI术后发生造影剂肾病的独立预测因素,重点分析生物标志物与病人PCI术后发生造影剂肾病的关系,并基于独立预测因素构建联合预测模型和列线图模型,绘制校准曲线以验证列线图模型的预测效能。结果:10折交叉验证LASSO回归筛选出最具泛化能力的4个特征性变量糖尿病、尿肾损伤分子-1(KIM-1)、尿中性粒细胞明胶酶相关载脂蛋白(NGAL)以及尿胱抑素C(CysC),其对应的LASSO回归系数分别为0.436,0.624,0.916及2.745,多因素Logistic回归分析调整和校正混杂因素后,糖尿病、尿KIM-1、尿NGAL以及尿CysC为急性冠脉综合征病人PCI术后发生造影剂肾病的独立预测因素(P<0.05),基于急性冠脉综合征病人PCI术后发生造影剂肾病的独立预测因素糖尿病、尿KIM-1、尿NGAL以及尿CysC构建列线图模型,P=1/(1+e^(-x)),X=-2.345+0.824×尿CysC+0.565×糖尿病+0.685×尿NGAL+0.634×尿KIM-1,列线图模型的校准曲线显示,急性冠脉综合征病人PCI术后发生造影剂肾病风险的预测值与实际观测值符合度良好。结论:糖尿病、尿KIM-1、尿NGAL以及尿CysC为急性冠脉综合征病人PCI术后发生造影剂肾病的独立预测因素,基于独立预测因素建立的列线图模型具有较高的预测价值。

MCL4DGA:基于多视角对比学习的DGA域名检测方法

在网络安全领域,由域名生成算法(domain generation algorithm,DGA)产生的虚假域名被称为DGA域名.与正常域名类似的是,DGA域名通常是字母或数字的随机组合,这使得DGA域名具有较强的伪装性.网络黑客利用DGA域名的伪装性实施网络攻击,以达到绕过安全检测的目的.如何有效地对DGA域名进行检测,进而维护信息系统安全,成为当前的研究热点.传统的统计机器学习检测方法需要人工构建域名字符特征集合.然而,人工或者半自动化方式构建的域名特征存在质量参差不齐的情况,进而影响检测的准确性.鉴于深度神经网络强大的特征自动化抽取和表示能力,提出一种基于多视角对比学习的DGA域名检测方法(MCL4DGA).与现有方法不同的是,所提方法结合了注意力神经网络、卷积神经网络和循环神经网络,能够有效地捕获域名字符序列中的全局、局部和双向多视角特征依赖关系.除此之外,通过多视角表示向量之间的对比学习而产生的自监督信号,能够增强模型的学习能力,进而提高检测的准确性.通过在真实数据集上与当前DGA域名检测方法实验对比验证了所提方法的有效性.

基于多视图融合跨层对比学习的推荐算法

现有基于图对比学习的推荐模型在图数据增强方面通常只采用一种视图增强方法,忽略了单一方法存在的局限性,在对比学习方面通常只对比同一节点的一对视图,未充分利用各个视图不同的层嵌入。为此,提出一种基于多视图融合跨层对比学习的推荐算法框架(MFCCL)。MFCCL分别使用随机边丢弃和随机添加噪声的增强方法构建2个全局视图,使用奇异值分解的方法构建局部视图,通过3种不同的视图增强方法构造全局和局部共3个视图,以实现有效的用户表示。同时,提出一种新的多视图融合跨层对比学习方法,该方法将2个全局视图不同的层嵌入通过平行和交叉2种方式进行融合后作对比,以获取更多的特征信息。将多视图融合跨层对比学习与全局-局部视图对比学习相结合,联合优化模型,从而提升推荐性能。在Yelp、Tmall和Amazon-book这3个公开数据集上进行实验,结果表明,MFCCL在推荐任务中具有有效性和可行性,相较于对比模型中性能最优的基线模型SimGCL,MFCCL在3个数据集中的Recall@20增益分别达到15.0%、13.3%和28.7%,NDCG@20值分别提升14.3%、13.2%和29.6%。

基于色彩恒常理论的图像去雾技术

针对户外图像采集处理系统,讨论了1种有效的图像去雾方法。由于雾退化图像对比度较低,从图像增强角度入手,将雾的退化作用等效成景物的照度变化,根据色彩恒常理论,采用Frankle-McCann Retinex(FMR)算法进行图像去雾处理;结合人眼对亮度的指数视觉特性,采用软复位算法对其进行改进。仿真分析表明,改进后的算法可以有效增强雾退化图像的对比度,获得满意的视觉效果。

对比度和细节增强显著性检测方法研究

针对现阶段已经存在的显著性检测算法存在对比度不鲜明,显著图的图像细节不够明显,背景抑制不彻底的不足,提出一种基于对比度拉伸算法和用拉普拉斯算法改进Robert交叉梯度锐化的全频域显著性检测CRT算法,该方法利用FT算法自身运算速度快,具有去噪效果的优点以及对比度拉伸提升显著图对比度以及Robert梯度锐化算法提升边缘细节的特点以及提出的背景修正算法对背景能够进一步抑制的特点,最终将获得对比度更高,显著图细节更明显,背景抑制效果更好的显著图。该算法使用MSRA10K和THUR15K数据集做显著性检测检验,与其他6种流行的显著性检测方法做对比。从主观上得到显著图的对比度,图像细节均优秀于与它对比的6种算法。客观的指标显示,该算法用MSRA10K数据集进行显著性检测得到的MAE值是0.12,在THUR15K数据集上得到的MAE值是0.06,均优于与它对比的6种算法。平均结构性指标S-measure值为0.8,只略低于HC算法,优于其他5种算法。即该算法得到的显著图既具有对比度和图像细节增强,而且具有背景抑制效果更好的优点。

基于改进NL-means算法的显微CT图像降噪

显微CT(Computed Tomography)采用微焦点射线源,射线剂量低,CT图像噪声大,对其降噪十分必要.综述了现存主要CT图像降噪算法及其优缺点,介绍了NL(nonlo-cal)-means算法,根据实验结果分析了其会在图像平滑区域引入人工伪影的不足.根据NL-means算法的不足,在原算法中引入图像的梯度信息,提出了改进的降噪算法,改进算法保持了原算法优良的降噪功能,并能有效抑制人工伪影,且能够提高图像细节对比度,实验结果验证了改进算法的有效性.

基于DSP和FPGA的嵌入式实时图像增强系统

为了获得更加清晰、更高质量的图像,设计了以高性能DSP芯片TMS320VC6455作为中央处理器,结合现场可编程门阵列FPGA构成外围电路逻辑控制的嵌入式高速图像增强处理平台,并提出了一种新的快速自适应图像增强算法。首先将彩色图像从RGB空间转化为HIS空间,然后对亮度空间进行多尺度Retinex增强处理,最后进行对比度调节处理并转化到RGB空间进行输出。利用真实图像验证了本文提出的方法,实验结果表明,该系统可以有效地提高对比度,获得了较好的增强效果,同时计算时间少,能够满足工程中的需要。

改进的CLAHE无芒隐子草叶切片图像增强

无芒隐子草叶切片图像在获取过程中不可避免产生低对比度图像,对后续处理产生影响。为此,针对传统的限制对比度自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对较暗图像处理效果不佳的问题,提出了基于自适应亮度调整的CLAHE图像增强算法。该算法首先将图像RGB空间转换到HSV空间,提取图像的亮度分量,再根据图像的亮度值,自适应调整RGB通道图像整体亮度,最后应用CLAHE算法实现图像增强。采用50张无芒隐子草叶切片图像为样本进行试验,结果表明:该算法相比于传统的CLAHE算法,图像信息熵、图像对比度、图像平均梯度和图像的峰值信噪比均显著提高,有效克服了传统CLAHE算法对过暗图像增强效果不佳问题,能使图像局部细节信息和清晰程度得到明显提高,不仅适合无芒隐子草叶切片低对比度图像增强,也可为其他植物叶切片图像增强提供参考。

基于FFST和方向特性对比度的图像融合算法

为了克服红外可见光图像融合方法存在的不足,结合快速有限剪切波变换(Fast Finite Shearlet Transform,FFST)的平移不变性以及较高的方向敏感性,提出了一种基于快速有限剪切波变换域的自适应多方向图像融合新方法。首先,对严格配准后的图像进行快速有限剪切波变换分解,得到低频子带和高频子带系数;然后,对低频子带系数采用非负矩阵分解的一个约束稀疏算法,即在基本非负矩阵分解的优化函数中施加稀疏性约束,使分解更优,以此来提高重构后图像的清晰度;高频子带系数则采用联合方向特性的对比度进行选取,以得到丰富的细节信息。最后,利用快速有限剪切波逆变换得到重构后的图像。实验结果表明,融合后的图像充分结合了源图像的有用信息,整体轮廓清晰,在客观评价上也有一定的提高。