基于模糊梯度卷积核的在线棒材断面中心识别

针对传动带上严重堆叠、形状尺寸不规则的棒材,提出基于模糊梯度卷积核的在线棒材断面中心识别方法。以标准圆边缘为中心环,结合棒材断面边缘点偏离中心环的程度定义一个模糊梯度卷积核;通过模糊梯度卷积核与实时棒材断面梯度图像的卷积操作,实现棒材断面中心的增强;依次执行候选点选取、局部峰值抑制、距离检测步骤确定中心位置。实验结果表明,该方法能有效抑制棒材中心增强过程中易产生的峰值扩散现象,减少误识别和漏识别;平均计算时间为8.3ms,满足系统实时性要求。

使用梯度卷积外力场的Snake算法及其医学应用

针对经典Snake算法以及GVF Snake算法容易受到图像噪声点的干扰而无法正确逼近目标物体边界的问题,提出了一种新的Snake外力场——通过边缘映射图的卷积方式扩展形成的梯度卷积外力场GCF。实验证明,基于这种GCF外力场的Snake算法在图像包含大量噪声的情况下,既能保留边缘信息又排除掉噪声带来的不良影响,正确收敛到目标物体的真实边界上,而且在深凹部位的收敛速度远远快于GVF Snake。将该算法应用于CT肺实质分割中,符合临床精确度要求。

基于数据局部相似性的卷积神经网络加速器

为提高卷积神经网络的处理速度,使用零梯度近似处理的卷积方法(梯度卷积)来提高数据的复用率,减少计算量。以卷积核为单位对数据进行梯度计算,针对不同网络的不同层次采用灵活的梯度阈值计算策略,以合理复用相邻窗口的卷积结果。将其中关键的梯度处理模块和卷积计算部分在现场可编程门阵列(Field-Programmable Gate Array,FPGA)上进行实现,与脉动阵列相结合以提高资源利用率,并针对负载不均衡的问题设计出适合梯度卷积的数据流。基于YOLOv3模型和Pascal VOC数据集的目标检测实验中,在付出较小精度损失的前提下,软件端减少约23.2%的计算量,结合硬件加速比约为17.8%。

基于梯度矢量卷积场的四阶各向异性扩散及图像去噪

进一步研究了基于偏微分方程的图像去噪方法。为了去除二阶偏微分方程(P-M模型)引起的阶梯效应以及提高四阶偏微分方程(Y-K模型)的边缘及纹理保护能力,本文将梯度矢量卷积场(GVC)引入到四阶偏微分方程Y-K模型中,提出了基于GVC的四阶各向异性扩散模型。首先,减去原始Y-K模型中的部分梯度方向扩散。然后,引入GVC场以代替图像在梯度方向的二阶导数直接计算。由于GVC场可以较准确地确定图像的边缘位置,并对噪声具有很强的鲁棒性,因此得到了有效的各向异性扩散模型。实验结果表明,运用本文去噪方法可以更好地保护图像边缘及纹理等细节特征,而且能够有效地提高峰值信噪比;文中所有在实验中得到的峰值信噪比均比原始模型高1dB以上。

海温垂直结构声特征提取的反演算法

针对自适应搜索算法在海温垂直结构冲激响应特征提取中运算速度慢、精度低的不足,引入共轭梯度反卷积算法CG(conjugate gradient method),得到海温垂直结构的冲激响应,利用层剥算法对所求得的冲激响应进行反演,得到海温垂直结构特征。结果表明:该算法能够克服单纯使用层剥算法而带来的反演不稳定现象,而且相比自适应搜索算法,反演速度快,反演精度高,具有一定的抗噪能力,并且声源信号的入射波形对反演效果影响较小,不同的迭代终止条件对反演结果也有较大的影响,在适当的范围内,减小迭代终止条件可以提高反演的精度,但是,如果迭代终止条件过小,则会引起虚假振荡,造成反演结果发散。