多组比较样本含量及检验效能的线性算图估计

目的 为临床试验中多处理组比较时样本例数估计提供一种简单、实用的方法。方法 利用线性算图方法 ,通过计算“差别参数” ,得出在一定检验水准和效能下 ,多处理组比较时每组所需样本含量。结果 实例分析表明 ,该法所得结果与其他方法结果相近 ,但计算过程简单且可用于其他类型资料分析的样本例数估计。结论 线性算图法是确定多处理组样本含量的一种有效。

电器可靠性失效分析图估计方法的计算机实现

针对以往电器可靠性失效分析手工图估计法中存在着步骤烦琐、精度较低、数据重复性差等缺点 ,提出了电器可靠性失效分析图估计法的计算机实现方法。该方法具有使用方便、计算精度高、节省人力、数据重复性好等优点 ,具有较高的实用价值。

基于高斯密度图估计的自然场景汉字检测

针对自然场景下中文小文本难以定位的问题,提出了基于高斯密度图估计的并行深度网络对自然场景汉字进行检测。首先将中文数据集中的汉字位置信息转换为高斯文字密度图;其次引入一种多级并行连接结构,提高网络细节信息捕捉能力;最后再融合网络中的上采样特征信息得到高精度文字密度图,最终实现对文字区域的定位。在中文数据集CTW(Chinese text in the wild)上进行了实验,实验结果表明提出方法准确率和召回率均有较大提升,证明了该方法的可行性和准确性。

单矢量水听器方位估计的柱状图方法

单矢量水听器可以估计目标方位,矢量水听器信号处理中用到的平均声强器的处理方法能很好地抗各向同性的非相干干扰,但不能抗相干干扰。文中提出了一种新的单矢量水听器方位估计方法柱状图方位估计法,介绍了该方法的原理;对宽带信号中含强线谱相干干扰的情况进行了计算机仿真,结果表明该方法在强线谱相干干扰下能有效检测目标、估计目标方位;海试结果验证了该方法抗强线谱相干干扰的有效性。

基于B通道补偿的景深估计的图像去雾算法

为提高图像去雾效果,兼顾初始细节与亮度,提出一种基于B通道补偿的景深估计快速去雾算法。首先分析大气散射模型,根据B通道与雾浓度关系,构造B通道景深估计模型,计算景深,利用R、G通道分量绝对差补偿B通道景深;为防止近景过度补偿和远景漏补,利用图像的B通道分量来构造分割补偿模型,对远、近景的像素灰度值进行补偿。且通过设定半衰减因子,修正景深图,形成景深评估图;最后利用最小滤波和引导滤波优化景深图,实现图像去雾效果。实验结果显示:与当前图像去雾技术相比,所提算法具有更好的去雾效果,更好地保持了图像细节与亮度。

基于高级量测体系和图模型近邻估计的配电网拓扑辨识

针对目前配电网拓扑辨识方法在量测误差增大时误差率较高的问题,提出一种基于高级量测体系量测的图模型近邻估计的配电网拓扑辨识方法;该方法将相邻时刻高级量测体系的系统电压幅值量测之差视作高斯随机变量,建立由随机变量组成的概率图模型的精度矩阵估计模型,采用近邻估计算法求解图模型精度矩阵;根据精度矩阵的稀疏结构,采用生成树算法重建出配电网拓扑,并通过三相不平衡配电网算例和实际用电数据进行有效性验证。算例分析结果表明,该方法能够较好地辨识配电网拓扑结构。

基于图参数估计法和IPSO的地铁列车关键设备检修决策模型研究

为了提高地铁列车关键设备检修决策能力,建立服从三参数威布尔分布,利用图参数估计法和IPSO算法求解可靠度函数,从而达到优化修规程目的的检修决策模型。通过图参数估计法求解得到故障数据的三参数威布尔分布初始估计值和搜索空间;采用IPSO算法进行迭代计算获得最优参数,并进行K-S检验;结合可靠度衍变规律和故障数据对关键设备的检修决策进行优化。研究结果表明:提出的决策模型能够优化关键设备的修规程,且IPSO算法适用于解决三参数威布尔参数估计问题,为地铁列车关键设备的检修提供新的方法。

大规模网络图中4节点子图数量快速估计算法

针对大规模网络图中存在的大量4节点子图数量难以精确统计分析的问题,提出了一种大规模网络图中4节点子图数量快速估计算法(SmartMoss)。该算法通过随机变量方差分析技术对比3路径采样算法(3PS)和中心3路径采样算法(C3PS)两种前沿算法的估计误差得出其各自不同的适用范围,进而通过计算被测网络图权重密度分布与误差实时选择使用3PS算法或C3PS算法对网络图中4节点子图进行快速采样,通过采样比例混合3PS算法与C3PS算法的估计结果实现对网络图中各4节点子图出现数量的快速估计。实验结果表明,在同等估计误差下提出的SmartMoss算法比已有3PS算法和C3PS算法快10倍以上。SmartMoss算法可以实现对大规模网络图中4节点子图数量进行快速准确的估计,同时为网络社团演化和恶意代码检测等实际应用提供一定的理论参考。

基于深度卷积神经网络的田间麦穗密度估计及计数

小麦的最终产量可由单位面积的小麦麦穗数侧面反映,为了快速准确统计小麦麦穗数,该研究给出一种在单幅图像上利用深度卷积神经网络估计田间麦穗密度图并进行麦穗计数的方法。首先对采集的田间小麦图像进行直方图均衡化及阈值分割预处理,以减少图像中光照及一些复杂背景对计数的影响;然后根据灌浆期田间小麦图像麦穗密集的特点,引入拥挤场景识别网络(Congested Scene Recognition Network,CSRNet)构建麦穗密度图估计模型,并采用迁移学习方法,利用小麦图像公开数据集对模型进行预训练,再用所采集的小麦图像数据集进行模型参数调整和优化;利用得到的模型生成单幅小麦图像的麦穗密度图,根据密度图中所有密度值的总和对图像进行麦穗计数。最后根据对单幅麦穗图像的试验数据,构建田间麦穗计数函数模型,实现田间小麦麦穗数估计。通过对所采集的安农170、苏麦188、乐麦608和宁麦24这4个品种共296幅小麦图像进行试验,平均绝对误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Squared Error,RMSE)分别为16.44和17.89,4个品种小麦的麦穗计数值与真实值的决定系数R^2均在0.9左右,表明该方法对单幅图像小麦麦穗计数精度较高。此外,通过对田间小麦麦穗数进行估计试验,结果表明,随面积的增大麦穗估计的误差越小,研究结果可以为小麦的产量自动估计提供参考。

基于Retinex和ADMM优化的水下光照不均匀图像增强算法

针对水下光照不均匀及光照较弱引起的成像模糊及失真问题,提出了一种基于Retinex和ADMM优化的水下图像增强方法。提取原始图像Lab空间的L分量作为初始光照图,并基于交替方向乘子法(ADMM)构造增广拉格朗日框架,对初始光照图进行优化获得精准的光照图像,并且通过伽马校正在亮度域对光照图进行进一步校正;结合Retinex理论中物体颜色恒常性的特性,求取物体的反射图像;利用双边滤波器抑制了水下噪声,获得更细致的增强图像。实验结果表明,所提的水下光照不均匀图像增强算法能有效解决因自然光或人工光源引起的光照不均匀及水下弱光照现象,提高了水下图像的质量,相较于其他算法,具有更好的性能。

基于透射图融合的红外图像传感器信号增强方法

针对红外图像动态范围压缩问题,提出一个基于透射图融合的红外图像传感器信号增强方法。首先,对红外图像进行多尺度聚类处理,并利用散射模型和图像先验知识对聚类结果分别进行透射率估计。然后,对各透射图进行基于融合权重图的信息筛选和基于图像金字塔模型的逐层融合,并基于变分模型对融合结果进行优化处理。最后,利用优化后的透射图对红外信号进行逐点补偿便可得到增强后的红外图像。对比实验结果证明了所提方法的有效性和鲁棒性。

基于透射先验的弱光照图像增强方法

为了增强弱光照图像的纹理细节,提升整体的视觉效果,本文提出了一种基于透射先验的弱光照图像增强方法。首先,利用两种透射先验对弱光照图像分别进行独立的透射图估计,从而生成两幅富含不同有效增益的子透射图;然后,将两幅子透射图输入到所搭建的子透射图融合网络中,获得融合后的透射图;最后,将融合后的透射图代入低像素强度图像退化模型中,获得增强后的图像。实验结果证明了本方法在鲁棒性、有效信息增益和视觉效果增强等方面的有效性。

AMSAA模型的参数估计方法

对AMSAA模型,很多学者已研究出许多参数估计的方法。在本文中,我们对最小二乘法,图估计法,极大似然法,Bayes估计法,微分回归法,正态概率积分变换法,最佳线性无偏估计法,最佳线性不变估计法,矩估计法和指数平滑法等估计方法进行了系统的总结,对某些问题进行了进一步的讨论。

一种新的夜间单图像去雾方法

夜间去雾算法相较于昼间去雾更加困难,夜间雾霾图像由于不存在全局统一的大气光值,使得其在求解模型过程中不仅要根据单图像来估计透射率图,同时还需要对光照情况进行估计后才能求解得到无雾图像。而现有的夜间去雾算法或多或少存在颜色偏移,其去雾效果难以令人满意,其主要原因在于利用单图像进行去雾时,所依赖的图像信息较少,各种先验假设条件难以在夜间得到满足。提出了一种新的夜晚图像去雾方法,通过层分离的方法,从带雾图像中分离出图像的光照层,据此估计带雾图像的光照情况,并进一步根据图像光照层来对图像透射率图进行估计,从而解决了夜晚大气光不统一难以准确估计且透射率难以求解的问题,实验结果表明,新算法取得了较好的实验效果。

基于暗通道先验的图像去雾算法改进

为了实现基于物理模型的图像复原去雾算法,文中提出了一种改进的基于暗通道先验的图像去雾算法。介绍了雾天图像退化模型和基于该雾天图像退化模型的几种去雾算法。详细介绍了何恺明提出的基于暗通道先验的去雾算法,该算法在估计光线传播图时使用的基于导向滤波的软抠图非常耗时,经过改进,直接使用景深估计光线传播图,算法运行时间大大减少。最后,使用MATLAB对改进的去雾算法进行仿真,并与原算法的运行时间进行比较。结果显示新方法对光线传播图的估计可靠,运行时间对比改进前大约下降60%,实时性大大提高。带有天空的有雾图像去雾后色斑和光晕大幅减少,取得了很好的效果。改进的去雾算法运行速度快、去雾效果好,新提出的光线传播图估计方法可靠,并且去雾过程中得到的光线传播图可以用于其他应用。

基于循环神经网络的散焦图像去模糊算法

近年来,基于深度学习的运动模糊去除算法得到了广泛关注,然而单幅散焦图像去模糊算法鲜有研究。为针对性地解决单幅图像的散焦模糊问题,提出一种基于循环神经网络的散焦图像去模糊算法。首先级联两个残差网络,分别完成散焦图估计和图像去模糊;随后,为了保证散焦图和清晰图像的深度特征可以更好地跨阶段传播以及阶段内相互作用,在残差网络中引入LSTM(long short-term memory)循环层;最后,整个残差网络进行了多次迭代,迭代过程中网络参数共享。为了训练网络,制作了一个合成散焦图像数据集,每一张散焦图像都包含对应的清晰图像和散焦图。实验结果表明,该算法相较于对比算法在主客观图像质量评价上均有显著优势,在复原结果中具有更锐利的边缘和清晰的细节。对于真实双像素图像散焦模糊数据集DPD,该算法相比DPDNet-Single在峰值信噪比(PSNR)和结构相似性(SSIM)上分别提高了0.77 dB、5.6%,因此所提方法可以有效处理真实场景散焦模糊。

MSIANet:多尺度交互注意力人群计数网络

尺度变化、遮挡和复杂背景等因素使得拥挤场景下的人群数量估计成为一项具有挑战性的任务。为了应对人群图像中的尺度变化和现有多列网络中规模限制及特征相似性问题,该文提出一种多尺度交互注意力人群计数网络(Multi-Scale Interactive Attention crowd counting Network,MSIANet)。首先,设计了一个多尺度注意力模块,该模块使用4个具有不同感受野的分支提取不同尺度的特征,并将各分支提取的尺度特征进行交互,同时,使用注意力机制来限制多列网络的特征相似性问题。其次,在多尺度注意力模块的基础上设计了一个语义信息融合模块,该模块将主干网络的不同层次的语义信息进行交互,并将多尺度注意力模块分层堆叠,以充分利用多层语义信息。最后,基于多尺度注意力模块和语义信息融合模块构建了多尺度交互注意力人群计数网络,该网络充分利用多层次语义信息和多尺度信息生成高质量人群密度图。实验结果表明,与现有代表性的人群计数方法相比,该文提出的MSIANet可有效提升人群计数任务的准确性和鲁棒性。

基于深度学习的人群计数研究综述

人群计数旨在估计图像或视频中人群的数量、密度或分布,属于目标计数(object counting)领域的研究范畴,广泛应用于人群行为分析、公共安全管理之中,以便及时发现人群拥挤或异常行为,避免事故发生.鉴于人群计数系统强大的实用性,自21世纪以来,研究者对其方法及应用进行了大量广泛的研究.近年来,深度学习技术发展迅猛,很多工作发现深度学习技术可以有效地解决人群计数系统存在的一系列关键问题,例如跨场景计数、透视畸变、尺度变化等.因此,对基于深度学习的人群计数这一研究领域进行回顾、分析和展望.具体地,首先从概念、步骤、方法等维度详细介绍人群计数模型,分析基于传统方法和基于深度学习方法这2类人群计数模型的差异.然后,从计数网络结构、ground-truth生成、损失函数、评价指标这4个方面阐述基于深度学习的人群计数模型的研究现状.最后,比较分析了各种人群计数数据集的特点,并探讨和展望人群计数领域未来可能的研究方向.

汽车电器系统振动模拟试验寿命研究

为研究某汽车电器系统振动寿命,采用一种与用户相关的汽车试验场试验新规范开展试验场道路试验,利用加速度传感器法,采集试验场道路谱。对采集的道路谱作强化处理,根据处理后的数据进行汽车电器系统振动模拟试验,并运用图估计法分析模拟试验结果,建立此车型电器系统振动模拟试验寿命曲线图。结果表明,利用寿命曲线图计算汽车电器系统寿命里程,能大大缩短试验周期,具有一定的运用价值。

滚动轴承寿命与可靠性试验的评定方法

轴承寿命与可靠性试验后,需要对试验数据进行处理,从而做出试验评定。介绍了Weibull分布图估计和参数估计方法,并进行了实例分析。结果表明,采用序贯试验方法对小子样失效或无失效数据进行处理,可以较快得出评定结果,大大提高了试验效率。