融合纹理增强层的轻量级智能骨骼图像分类器

针对骨骼图像特征提取存在的问题,基于MobileNetV3 large网络设计了一种融合纹理增强层的轻量级骨骼图像分类器。首先对骨骼图像进行旋转不变纹理增强处理,然后采用MobileNetV3 large网络构建分类器并对其进行训练,最后通过可视化标量对训练参数寻优。该分类器能够适应不同尺寸的骨骼图像,并对其纹理特征进行针对性训练,具有较强的鲁棒性,有效增强了梯度传播,达到分类智能化。实验表明,分类器在MURA数据集骨骼分类中的平均准确率达96.9%。

基于双树复小波域统计建模的煤岩识别方法

针对煤炭开采与加工过程中采煤机滚筒高度调节、选煤厂预排矸等工程实际问题,提出了1种有效的基于双树复小波域统计建模的煤岩识别方法。首先,通过双树复小波变换对煤岩图像进行多级分解;然后,提出了1种旋转不变增强策略,即对每1级双树复小波变换产生的高频子带按系数模的均值和方差之积从大到小排列;接着,提出了高频子带系数模符合广义伽玛分布模型的假设,并采用1种基于尺度独立形状估计方程的广义伽玛分布参数估计方法确定模型参数;最后,根据相对熵相似性测度完成煤岩图像的自动识别。结果表明:在双树复小波域中,广义伽玛分布模型具有较强的区分煤岩图像的能力;所提出的旋转不变增强策略在一定程度上提高了煤岩识别的正确识别率,并且使正确识别率与时间复杂度之间的折中权衡变得更加灵活;与现有的其他方法相比,所提出方法具有更高的正确识别率,其时间复杂度也是可以接受的。