基于图神经网络的固定骨架蛋白质设计方法研究

针对图神经网络(GNN)ProteinSolver结构特征约束不充分的问题,增加了骨架二面角、配对氨基酸的相对位置编码和相对方向等结构约束,提出了一种基于GNN的固定骨架蛋白质设计方法。实现了基于Transformer多头注意力机制的GNN架构,将物理坐标添加到消息传递和更新步骤中,提高了原子坐标的等变特性。在CATH数据集上的训练和测试结果显示:该文模型平均困惑度为8.12,比ProteinSolver的平均困惑度8.97降低了0.85;在掩盖率为50%时,ProteinSolver的恢复率为28.7%;然后,增加更多的结构约束,恢复率达到了30.3%;随后,将ProteinSolver的GNN替换成基于Transformer的GNN,恢复率达到了34.3%;最后,通过再引入等变特性,恢复率进一步提高到35.0%。

台风螺旋云带骨架跟踪方法的研究

用紧邻交叉点的已跟踪编码过的一段象素点的编码信息,用最小二乘法向前作线性预测,求出交叉点处下一步的预测搜索方向,当用线性预测方法无法求出预测方向时,则计算交叉点前的已跟踪编码过的一段象素点的平均链码值作为预测搜索方向,最后以交叉点的各邻点方向中与预测搜索方向最接近的方向作为下一点的搜索方向。该方法有效地克服了基于链码的跟踪在交叉点处容易发生迷向的现象,同时跟踪速度和自动化程度得到了较大的提高。

基于方向链码去除骨架图像毛刺算法

毛刺的去除是模式识别中图像预处理的重要组成部分。针对毛刺的去除问题,提出一种基于方向链码去除毛刺的方法。首先利用节点和端点不同的八邻域特性,直接寻找节点;然后从节点开始,通过设定初始扫描方向数,可以首先扫描标记想要删除的毛刺或分支;再通过设定长度阈值,在方向链码标记跟踪图像的基础上,计算被跟踪分支的长度,并与设定的长度阈值比较;最终达到有效删除毛刺或不必要分支的目的。实验结果表明,所提方法在车牌识别和字符识别的图像预处理中,可以有效去除任意方向的毛刺,并保留图像的主体信息,对单像素骨架图像去除毛刺有一定的可行性。

基于位置判别的激光QR二维码定位方法

针对金属件激光QR二维码常因磨损、腐蚀等致使位置探测图形特征不满足1:1:3:1:1,导致难以使用现有方法定位的问题,提出一种基于位置判别的激光QR二维码定位方法.首先利用双边滤波消除图像中的背景噪声,再结合数学形态学轮廓检测与最大连通区域方法完成了QR二维码的粗定位;其次采用骨架细化算法提取图像的骨架,并融合最小外接矩形和位置探测图形位置判别算法实现了QR二维码的精定位.实验结果表明,当传统方法无法对位置探测图形不完整的激光二维码进行定位时,该方法可有效地对二维码进行精确定位,具有更高的可靠性.

基于差分链码曲率的转炉火焰边界弯曲度计算

转炉火焰图像边缘弯曲程度能表征炉内铁水碳含量的多少,准确计算曲线弯曲度,对火焰图像判断转炉吹炼终点有重要的意义。提出一种基于差分链码曲率的边界弯曲度计算方法,定义了基于差分链码的火焰边界曲率计算公式;为了保证曲率公式的有效性,对火焰原始图像作分割、标记、二值化、形态学边界提取等预处理;利用多边形近似方法重建了火焰边界的二值图像,有效克服了边界小尺度拐角对曲率公式的影响。实验结果表明,该方法与边界圆形度及火焰骨架曲率计算的方法相比,所提取出的特征值能明显区分吹炼的不同阶段,且计算速度快,具有较高的实用价值。

一种改进的基于形态骨架的二值图象编码

基于图象形态学的二值图象编码方法 ,近来在国际上得到了比较多的研究 .为了提高基于骨架的编码方法效率 ,提出了一种基于形态骨架的子集——终极腐蚀 ( ultimate erosion)二值图象编码方法 ,该方法是基于扩展的非骨架点判定定理 ,使得有更多的点在编码过程中被判为非骨架点 ,从而提高了编码效率 .与其他同类方法相比 ,这一方法更充分地去除了图象形态分析中的信息冗余 ,从而得到了很好的压缩效果 ,其对二值图象“工具”的压缩率达到 0 .0 65 ,大大优于游程码、四分树、链码等方法 .

快速精确识别车牌字符的方法

提出了一种利用车牌字符集特征来优化字符骨骼处理、改进骨骼变长编码的新方法,并把其用于车牌字符精确识别。该方法先利用车牌字符集特征优化处理标准车牌字符骨骼,再将"替换规则"与8方向链码相结合对其进行变长编码的结果作为模板,然后用同样方法得到待识别的车牌字符编码,将该编码与模板进行最佳匹配。实验结果表明,该方法具有实现简单、处理数据量小、抗旋转和对低分辨率车牌字符识别性能好等优点。

一种快速人体骨架建模方法

提出从序列视频中快速建立人体骨架模型的方法。基于阴影特征采用Otsu算法完成运动目标检测中的阴影消除,得到准确的人体轮廓;对人体轮廓进行形态学的细化处理,采用新建立连通性结构标准和肢体关节点定位算法处理骨架建立人体骨架模型。实验结果表明,该方法对人体肢体部位各端点定位获得较高的准确率,能快速定位关节点,较好地得到人体骨架模型。

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。

基于IL的遗产软件规约析取算法研究

提出了一种基于中间语言IL(Intermediate Language)的遗产软件代码解析方法,所提方法从程序集信息解析、定位数据流,通过层次扫描方式从数据流分析程序框架的属性、类、函数、结构等软件要素,从代码语义等价地析取包括分支结构、控制结构和循环结构组成的基本结构集。实验结果表明所提方法能够有效地解析出Dot Net遗产代码的语义,可实现遗产代码的复用和集成。

噪声背景中离散二值图象的形态表示

本文首先提出了一种新的类型的图象的形态变换，研究了该变换可无失真恢复原始图象的条件及形式，给出了若干重要性质。为了消除变换域中可能存在的噪声，本文提出了基于两种变换的表示方式，并讨论了噪声环境中图象的最优恢复问题，理论分析与计算结果表明该方法比通常的形态骨架变换表示具有更佳的性能。

用户指导的并行化策略的研究与实现

提出的用户指导的并行化策略,提供给程序员一个图形化的交互界面,首先由程序员选择并行算法,然后通过配置向导对所选择的并行算法进行定制,生成配置文件,然后参照配置文件自动生成并行程序的框架代码,并将程序员提供的元任务的串行代码嵌入到框架代码中,最后生成并行程序,这样程序员就可以较方便高效地编写并行程序了。

基于Voxel编码的曲面重建

一个完整的基于轮廓的曲面重建方法必须建立轮廓对应、解决分支和三角面片的构建。然而大多数已有的曲面重建算法只能解决问题的某些方面,从而导致这些算法不能有效地运用到复杂曲面重建,比如用磁共振获取的人大脑序列切片等盘旋且多分支凸包数据。提出了一个基于Voxel(像素)编码技术的曲面重建算法,该算法能以一种完全自动的方式处理带有空洞的复杂多分支曲面。首先将两相邻断层轮廓投影到定位于中间的一个辅助平面上,求得其差区域,然后根据差区域的不同情形进行分组。对每组轮廓,从对应的差邻域中提取骨架,并用骨架来度量两轮廓的不相似量,对不相似的进行剪支分解,从而使不相似的、复杂的轮廓转换为简单且相似的骨架轮廓对,最后完成三角片构建。重建曲面由二维流体三角面片组成,且仅经过切片上的输入廓线。算法已用手工数据和复杂人脑皮层的磁共振数据进行了仿真测试,检验了算法的有效性。

基于链码的人体骨架建模

提出一种基于链码和曲率的人体骨架建模方法.先通过形态学方法得到人体骨架并将其简化后用邻域法求出骨架端点,然后用链码表示骨架遍历得到骨架分叉点,并通过上肢链码的曲率值得到骨架拐点,再对各个关键点进行相应的连接,建立人体骨架模型,进而表达人体上肢运动的有效信息.实验结果表明,该方法取得了较高的拐点检测准确率,且耗时较少,建模效果较好.

基于并行结构骨架的程序设计环境研究与实现

并行结构骨架理论提供了一种描述并行程序设计模式的通用模型,对设计模式进行更高层次的抽象,能有效解决基于设计模式的并行程序设计方法的局限性问题,降低并行程序设计开发难度。基于并行结构骨架的并行程序设计环境——PASBPE在并行结构骨架理论的基础上,使用参数化设置快速生成用户所需并行程序框架,同时通过可视化的程序设计交互环境,简化并行程序的开发过程,提高开发效率。

三维人体骨骼动画自动合成方法研究

传统的人体骨骼动画制作方法是参考真实人体骨骼运动过程中各关节点的坐标位置变化轨迹,确定关键帧与插值帧模型,再进行必要的编辑处理,这需要大量的专业领域知识以及复杂的交互规则,人力物力成本高。为解决上述问题,提出了一种在给定任意两个人体骨骼动作数据作为首尾帧的条件下,自动合成完整三维人体骨骼动画序列的方法。方法由基于卷积自编码网络的骨骼动画特征提取模型和双线性插值与卷积相结合的插值帧自动合成模型两部分组成。随机从Mocap数据库中抽取两帧人体动作数据作为模型的输入,可以自动生成三维人体骨骼动画。文中方法与传统插值帧生成方法相比,具有较好的动作趋势转折信息的预测和还原能力,提升了动画系统的交互效率以及智能水平。

基于多描述子特征编码的人体行为识别

针对采用单一描述子和单一特征编码方法导致三维人体骨架序列的行为识别率较低的问题,提出一种基于多描述子特征编码的方法。首先,从三维人体骨架序列中分别提取运动姿态描述子和角度描述子。然后,对每种描述子分别进行向量量化编码、稀疏编码和局部约束线性编码,从而获得六种特征。最后,根据这六种特征分别构造线性分类器,通过投票机制得到最终的识别结果。为了验证所提方法的有效性,在三维人体骨架序列行为数据集MSR Action3D上进行了实验,实验结果表明该方法的识别率为94.9%,并且高于其他方法的识别率。

有机化学结构信息的计算机高效表达──化合物骨架的处理与编码

描述了一种能简便而准确地表达有机结构信息的线性标记处理方法．在高效处理官能团的表达与识别的基础上，进一步研究了化合物骨架的编码与表达，并给出数十种基本骨架的编码（骨架码）．该编码系统具有便于输出输入操作、环境紧凑明、存贮空间节省、代码直观易辨且完全只取决于结构信息的拓扑性质．

FJRR:一种基于阵列型数据划分应用的并行设计模式

并行设计模式能够降低并行编程的难度与复杂度。针对科学与工程计算领域大量耗时的数据密集型应用的计算,提出了一种能够适用于阵列数据划分应用的FJRR并行设计模式;鉴于开发者更习惯串行编程,在FJRR模式中提出并实现了一种类串行化并行程序设计的思想。通过两个示例进行了模式应用说明与性能分析,并将该模式在EasyPAB可扩展并行应用开发平台中实例化并应用。

基于机器视觉的高铁隧道衬砌裂缝骨架拐点识别

裂缝作为隧道工程衬砌结构中最为普遍的缺陷,具有不断生长延展的特性。以单裂缝为研究主题,采用基于机器视觉的检测系统对同一裂缝不同时期的高效识别可掌握病害发展状况并制定相应的整改措施。因此本文基于裂缝本身特征研究,提出一种裂缝骨架拐点识别的方法。采用改进的八方向Freeman链码技术,在对可疑拐点进行初步识别后,进行伪拐点剔除,得到真实拐点位置。试验证明,针对不同形态的裂缝图像,该算法具有良好的适应性,拐点剔除率达82%~96%,保留了真实有效的拐点。所提取的拐点前后线段长度比值及拐角作为裂缝特征,具有"基因"属性,该特征可用于匹配原始裂缝和延展裂缝,实现对同一裂缝不同时间点的精确定位。