基于双目立体视觉的多分辨率图像匹配方法研究

在双目立体视觉系统中,面对复杂场景时噪声会损害图像特征,增加提取难度,导致匹配精度和鲁棒性下降。因此,文中提出基于双目立体视觉的多分辨率图像匹配方法,旨在从不同尺度图像中有效获取信息并实现高精度匹配。该方法利用双目立体视觉模型的双目旋转相机扫描目标并进行成像,根据内、外空间标定提升双目旋转相机的位置精度,保证目标的多分辨率成像效果;将其输入金字塔立体匹配网络中,通过网络中的类金字塔多空洞卷积操作提取双目图像特征,在此基础上,基于可变卷积增强其纹理特征细节;结合细粒度特征和互注意力机制完成双目图像匹配。测试结果显示,空间标定后,左、右两个相机的成像误差最小值分别为0.6 Pixel和0.4 Pixel;匹配点坐标偏差均值和坐标偏差方差值分别低于0.012和0.011,匹配效果良好。

不同剂量替格瑞洛治疗ST段抬高型心肌梗死患者的有效性和安全性:基于倾向性评分匹配

背景双联抗血小板治疗是接受直接经皮冠状动脉介入治疗(PPCI)的ST段抬高型心肌梗死(STEMI)患者治疗的基础。阿司匹林联合替格瑞洛是STEMI患者抗血小板治疗的首选方案,与氯吡格雷相比,其能够更快、更有效地抑制血小板,并改善预后。但是尚缺乏在接受PPCI治疗的STEMI患者中应用减量替格瑞洛的研究。目的基于倾向性评分匹配(PSM)的方法,对比分析不同剂量替格瑞洛治疗STEMI患者的有效性和安全性。方法连续选取2019年6月—2021年5月在河北医科大学第二医院心血管内五科行PPCI并接受替格瑞洛治疗的STEMI患者为研究对象。根据应用替格瑞洛的维持剂量将患者分为减量组(60例:替格瑞洛60 mg/次,2次/d)和标准组(180例:替格瑞洛90 mg/次,2次/d)。采用PSM法对两组患者进行1∶1匹配,匹配变量包括性别、年龄、既往病史、入院时Killip分级和介入治疗相关参数等,最终减量组和标准组各纳入54例患者。分别于出院1、3、6个月时,对两组患者进行随访,记录和比较两组患者血小板功能相关参数和临床事件的发生情况。结果PSM后两组患者基线资料、介入治疗参数和住院期间主要不良心血管事件发生率比较,差异均无统计学意义(P>0.05)。基线时,两组患者血小板计数(PLT)、平均血小板体积(MPV)、血小板分布宽度(PDW)比较,差异均无统计学意义(P>0.05);减量组患者血小板聚集率(PAR)低于标准组(P<0.05)。出院时,减量组患者MPV高于标准组,PDW低于标准组(P<0.05)。出院1个月时,两组患者PLT、MPV、PDW、PAR比较,差异均无统计学意义(P>0.05)。出院3个月时,减量组患者PDW高于标准组(P<0.05)。出院6个月时,减量组患者MPV高于标准组(P<0.05)。减量组患者出院前后PLT、PAR比较,标准组患者出院前后PLT、PDW比较,差异均无统计学意义(P>0.05)。减量组、标准组患者出院时MPV高于基线,减量组患者出院时PDW低于基线,标准组患者出院时PAR低于基线(P<0.05)。减量组患者出院1、3、6个月MPV低于出院时,PDW高于出院时(P<0.05);标准组患者1、3、6个月PAR低于基线,高于出院时(P<0.05)。两组患者随访期间主要不良心血管事件、严重出血事件发生率比较,差异均无统计学意义(P>0.05)。结论在接受PPCI的STEMI患者中替格瑞洛60 mg治疗是安全有效的。

利用改进的Hausdorff距离匹配多尺度线要素

传统Hausdorff距离对噪声较敏感,在进行多尺度线要素匹配时,易导致漏匹配和误匹配。为提高匹配正确率,提出了一种改进的Hausdorff距离算法。针对部分匹配问题,采用曲线分割算法,以短曲线分割长曲线;针对点位分布差异问题,采用曲线加密算法,以匹配曲线的中间节点进行双向加密;针对曲线点集自身的噪声问题,以距离集合的中位数作为相似性指标,判断匹配要素是否为同名要素。选取不同尺度的行政区划界线和道路网数据进行匹配,以验证该算法。结果表明,该算法具有较好的匹配效果。

基于背衬层匹配的压电式柔性超声传感器优化

基于聚偏氟乙烯(PVDF)压电薄膜的柔性超声传感器具有体积小、质量轻、易于阵列化等优点,但容易受到背部杂波干扰和阻抗不匹配的影响,导致回波信号频率成分复杂且信噪比较低。为有效吸收传感器背部杂波,提升超声波单向辐射的能力,利用钨粉和硅胶设计针对柔性超声传感器的背衬层,在保持传感器整体柔性的同时使传感器的信号电压幅值提高了200%。其次,根据柔性超声传感器的电学特性提出了柔性超声传感器阻抗匹配优化方法,并通过梯度实验获得最佳匹配参数,使传感器的信噪比从2 dB提高到30 dB。优化后的柔性超声传感器具有宽频带、高频率、窄脉冲的优良性能,对不同曲率、不同壁厚的管道试件厚度的测量实验结果表明其可以达到0.01 mm的精度。

基于渐进机器学习的中文问句匹配方法

问句匹配旨在判断不同问句的意图是否相近.近年来,随着大型预训练语言模型的发展,利用其挖掘问句对在语义层面隐含的匹配信息,取得了目前为止最好的性能.然而,由于基于独立同分布假设,在真实场景中,这些深度学习模型的性能仍然受制于训练数据的充足程度和目标数据与训练数据之间的分布漂移.本文提出一种基于渐进机器学习的中文问句匹配方法.该方法基于渐进机器学习框架,从不同角度提取问句特征,构建融合各类特征信息的因子图,然后通过迭代的因子推理实现从易到难的渐进学习.在特征建模中,设计并实现了两种类型特征的提取:(1)基于TF-IDF(Term frequency-inverse document frequency)的关键词特征;(2)基于DNN(Deep neural network)的深度语义特征.最后,通过通用的基准中文数据集LCQMC和BQ corpus验证了所提方法的有效性.实验表明,相比于单纯的深度学习模型,基于渐进机器学习的方法可以有效提升问句匹配的准确率,且其性能优势随着标签训练数据的减少而增大.

基于Hausdorff距离的多尺度轮廓匹配算法

在提取碎片轮廓线的基础上 ,提出一种以Hausdorff距离为度量准则的轮廓匹配方法。该方法的基本思想是首先采用卷积积分的方法 ,在多尺度空间里通过对轮廓进行重采样来计算轮廓上每一点的曲率并选取特征点。特征点及其两侧的若干点构成轮廓的特征段 ,然后由特征段之间的Hausdorff距离来比较二者的相似性 ,即为匹配程度。当Hausdorff距离小于给定的容差时 ,说明与特征段相对应的轮廓是匹配的。

基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达(SAR)图像与光学图像匹配算法。在这种算法中,首先针对SAR图像低信噪比(SNR)与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上,根据Hausdorff距离具有强抗干扰能力和容错能力的特点,采用了改进的Hausdorff距离作为相似性测度。在搜索策略上,根据遗传算法的固有的并行性,采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明,这种算法鲁棒性好,匹配精度高,计算速度快。

倾向性评分匹配分析硬膜囊内型腰椎间盘突出症的相关危险因素

背景:根据腰椎间盘组织突出的不同位置可以将其分为诸多类型,其中硬膜囊内型腰椎间盘突出症患者的临床症状严重,极大影响患者的生活质量,因此研究其发病的危险因素,提高术前诊断率,对该病的治疗与预防具有重要意义。目的:探讨硬膜囊内型腰椎间盘突出症发生的危险因素。方法:回顾性分析徐州市3家医院自2014年5月至2022年11月收治的囊内型腰椎间盘突出症患者15例(突入组),并运用倾向性评分按照1∶4的比例与未突入硬膜的腰椎间盘突出症患者进行匹配,共筛选出59例纳入未突入组。观察两组临床资料,采用单因素和二元逻辑回归分析、多元线性回归、PROBIT回归分析法明确硬膜囊内型腰椎间盘突出症的相关危险因素。结果与结论:①单因素分析结果示,突入组与未突入组的平均病程、突出节段、改良Pfirrmann分级、骶骨倾斜角、既往腰椎手术史占比、重体力劳动占比、腰椎管狭窄占比、马尾神经冗余占比及后纵韧带骨化占比相比,差异均有显著性意义(P<0.05);②多因素回归分析显示病程时间、突出节段、腰椎手术史、改良Pfirrmann分级、马尾神经冗余、腰椎管狭窄是发生硬膜囊内型腰椎间盘突出症的独立危险因素;③根据影响因素构建的受试者工作特征曲线图显示,曲线下面积为0.956(95%CI:0.913-0.998),具有较好的区分度;④提示病程时间、突出节段、腰椎手术史、改良Pfirrmann分级、马尾神经冗余、腰椎管狭窄与硬膜囊内型腰椎间盘突出症的发病率存在显著相关性。

加权Hausdorff距离算法在SAR/INS景象匹配中的应用

提出了一种基于特征图像分支点提取的加权H ausdorff距离图像匹配算法,并给出了相应的权值求解公式.为满足景象匹配导航系统实时性的要求,给出了细化处理的预处理方法,减少了特征文件的冗余度,提高了匹配搜索的快速性.同时,基于细化后提取出的分支特征点,应用加权H ausdorff距离算法进行图像匹配,克服了斑点噪声对合成孔径雷达(SAR)图像匹配的影响.仿真分析表明,该算法能满足SAR/IN S景象匹配辅助导航系统实时性和准确性的要求.

一种改进的部分Hausdorff距离检测技术和遗传算法在图像匹配识别中的应用

本文提出一种改进的部分Hausdorff距离作为模板和图像中物体轮廓相似性的测度,较大地减少计算量。同时把遗传算法引入图像匹配识别,由于GA的高并行性和鲁棒性,可以较快地完成全局搜索,而不会陷入局部最优,因此GA和改进的Hausdorff距离相结合能有效地检测出具有平移、旋转和尺度变化的物体,以达到模板和图像间的有效匹配。

基于 Hausdorff 距离的图像匹配技术

文中给出一种新的点匹配方法，这种方法对从传感器图像中抽取的点与从参考图像抽取的图像点进行匹配。点匹配算法要求从两个点集之间得到仿射变换，这种变换使得一个点集到另一个点集的距离最小。在这里一种新的距离度量———Ｈａｕｓｄｏｒｆ距离作为点匹配的距离度量（相似性度量）得到应用，给出了在匹配度量下图像匹配的结果，说明这种方法有很强的抗干扰性和容错性。

基于Hausdorff距离的海底地形匹配算法仿真研究

地形匹配算法是海底地形辅助导航系统的关键技术之一。根据海底地形的特殊特性,传统地形匹配算法直接应用于STAN时,易出现定位精度大幅降低和算法不稳定性问题。该文提出一种基于地形轮廓匹配原理的新算法,该算法利用改进的Hausdorff距离作为水深实时测量曲线与海底地形图水深曲线之间的度量函数。改进的Hausdorff距离对匹配对象存在的小误差不敏感,在一定程度上还可反映空间两条曲线的方位关系,该算法定位精度高、稳定性好。利用某海域地形图进行的仿真实验表明:该算法是可行的,定位精度比现有算法提高一倍左右。

一种鲁棒型Hausdorff距离图像匹配方法

图像匹配是图像处理的一项关键技术,传统方法受光照、噪声和遮挡的影响,使匹配过程变得困难。为了提高图像匹配的鲁棒性,提出了一种基于方向信息的鲁棒型Hausdorff距离匹配方法。该方法采用方向信息提取图像边缘,通过计算边缘匹配率(edge matching rate,EMR)获得候选匹配区域,然后采用修正后的Hausdorff距离构造相似性测度。实验结果表明,该方法加快了匹配过程,提高了抗噪性能,并能够准确匹配含有遮挡和伪边缘点的图像,从而解决了基于传统Hausdorff距离匹配方法因噪声点、伪边缘点和出格点而造成的误匹配问题。

基于梯度相位和显著性约束的Hausdorff距离模板匹配方法

针对复杂背景下形状不规则、高度较低的平面目标自动识别问题,提出了一种基于Hausdorff距离的模板匹配方法。在完成平面目标前视模板制备后,文中首先定义了基于边缘位置、梯度相位和边缘点显著性约束的相似性度量方法,模板与实时图中对应两个边缘点位置越近、梯度相位差越小及实时图边缘点越显著,这两点的匹配就越好;然后融合三种度量结果,设计了一种基于边缘相位和显著性约束的Hausdorff距离模板匹配方法,实现了平面目标轮廓的准确匹配。实测数据处理结果表明,该方法能够实现复杂地面场景中任意形状的平面目标轮廓的匹配定位,并且定位精度高、鲁棒性好、适用范围广。

改进的Hausdorff距离和遗传算法在图像匹配中的应用

研究模板和图像间的有效匹配 .将部分 Hausdorff距离的计算进行改进 ,提出一种改进的部分 Hausdorff距离作为检测模板和图像中物体轮廓相似性的测度 ,可以较大地减少计算量 .同时把遗传算法引入图像匹配识别 .由于遗传算法的高并行性和鲁棒性 ,可以较快地完成全局搜索 ,而不会陷入局部最优 ,因此该算法和改进的 Hausdorff距离相结合能有效地检测出具有平移、旋转和尺度变化的物体 .

基于新的加权Hausdorff距离的图像匹配

Hausdorff距离(HD)用于度量两个点集之间的距离,它不要求点之间的一一对应,是一种模糊度量,因而在匹配来自不同传感器的图像时广泛使用。在分析了传统HD算法的基础上,提出了一种基于结构张量加权的HD,称为STWHD。红外与可见光图像匹配的仿真实验表明,其抗噪能力较传统的HD算法有较大的提高。

Hausdorff距离下的景像特征快速匹配

针对灰度相关法鲁棒性差的缺点,提出一种以图像特征进行匹配的新方法。采用具有良好稳定性和旋转不变性的图像奇异值分解作为匹配特征,并根据奇异值的数值特点,采用规范化奇异值的Hausdorff距离作为特征匹配的相似性度量;通过变模板分级匹配的策略,在保证匹配精度的前提下,使匹配时间减少到约10%。在加入方差σ=35的高斯噪声,灰度变化25%的情况下对旋转变化的景像目标进行匹配实验,结果证实了本文算法的有效性和鲁棒性及快速性。

Hausdorff距离在图像匹配中的应用

在图像匹配过程中 ,经常有目标图像被遮掩和外部点存在的情形 ,使识别过程较为困难。介绍了将部分Hausdorff距离和基于平均距离值的 MHD相结合 ,用改进的 Hausdorff距离对有遮掩和有外部点存在的目标图像进行匹配 ,仿真结果验证了该算法的有效性。

一种基于边缘测度的加权Hausdorff景象匹配方法

针对经典Hausdorff距离匹配算法中仅考虑图像间边缘点的几何关系,而未充分考虑边缘点边缘测度显著性差异对Hausdorff有向距离贡献不同的特点,提出一种基于边缘测度的加权Hausdorff距离(EM-WHD)景象匹配方法。该方法集合结构张量和局部均值比方法构造出边缘测度图像,并根据测度图提取图像边缘;在图像匹配过程中,基于边缘测度的显著性不同,对每个边缘点采用不同权值的加权Hausdorff距离进行图像匹配定位。仿真实验结果证明了本文方法的有效性和计算快速性。

基于Hausdorff距离的地形匹配

Hausdorff距离是用于二值图像比较的一种有效的相似度量。利用Hausdorff距离作为图像差异的度量进行地形匹配的算法 ,首先 ,提取地形结构线作为特征 ,计算Hausdorff距离 ,Haus dorff距离的最小值对应最佳匹配。实验结果表明该算法是有效的。