基于MSFA-Net的车辆及车道线检测算法

车辆检测与车道线分割是自动驾驶感知系统的重要组成部分,其基本要求是具有高精度和实时性。鉴此提出一种双任务多尺度特征聚合网络(MSFA-Net),该网络由1个特征提取网络和2个检测分支网络构成,实现了车辆和车道线同时检测。首先使用E-ELAN网络构造共享主干特征网络;在车辆检测分支网络设计增强卷积模块(CBS+)进行自下而上的特征融合以提升精度;在车道线检测分支网络使用特征融合模块(FeatFuse)对多分辨率特征进行自适应加权融合,配合空洞卷积语义感知模块(CDBS)使用梯形结构的多空洞值卷积对融合特征进行采样,以提升不连续车道线及其他非线性车道的分割精度。结果表明:在BDD100K数据集上,该文网络MSFA-Net其平均精度均值、召回率、像素准确率分别达到了81.3%、90.1%和80.1%,检测帧率达到了41.6帧/s,能较好适应真实行车环境的需求。

基于改进SL0算法的MSFA模式多光谱图像去马赛克方法

针对MSFA模式多光谱图像去马赛克算法精度较低和计算复杂等缺点,利用压缩感知理论在信号恢复方面的优势,提出一种新的光谱图像去马赛克算法。采用随机模式的多光谱滤波阵列MSFA获得马赛克图像,通过将MSFA采样值等效为压缩感知理论中的感知矩阵采样所得数据,将去马赛克问题转化为压缩感知稀疏信号恢复问题,并利用多光谱图像的谱间相关性,给出基于压缩感知框架的多光谱图像去马赛克模型,最后采用改进的光滑0范数算法求解去马赛克问题,得到重构的多光谱图像。客观评价指标显示,该算法的峰值信噪比值相较于克罗内克压缩感知和组稀疏两种算法有明显提高;主观评价结果表明,该算法能有效减少重构图像中的锯齿现象,具有更好的视觉效果。

改进U-Net网络的结直肠息肉分割模型

针对结直肠息肉边界模糊性和形状、大小多样性导致的分割不精确的问题,基于U-Net网络构建级联卷积注意力模块,以保留更多的有用特征;采用多尺度特征聚合模块来捕捉更多的特征与细节;将空间注意力嵌入到感受野模块,扩大网络感受野的同时提供更丰富的空间信息表示。实验结果表明,该模型在Kvasir数据集上展现出了良好的分割效果。相比传统U-Net模型,其在IoU,Dice上分别提高了3.14%,5.31%,在医学影像计算机辅助诊断中具有很大的应用潜力。

磁选粉煤灰对CFRC压敏性的影响

改善碳纤维增强水泥(CFRC)的压敏性有助于提高其感知应力应变的能力。采用两电极法研究了磁选粉煤灰部分取代水泥对CFRC压敏性的影响,分析了磁选粉煤灰掺量、铁氧化物含量等因素影响CFRC压敏性的规律及机理。结果表明,碳纤维质量掺量≤0.8%时,用铁氧化物含量达到30%的磁选粉煤灰取代20%～30%的水泥来制备CFRC时可以显著改善CFRC的压敏性;碳纤维质量掺量为1.2%时,掺加磁选粉煤灰不利于提高CFRC的压敏性;磁选粉煤灰对采用最大长度为3和5mm的碳纤维制备的CFRC的压敏性具有显著改善效果。掺加适量磁选粉煤灰使CFRC在碳纤维掺量较低时仍然可以获得良好压敏性,并显著降低CFRC的制备成本。

基于光滑0范数压缩感知的多光谱图像去马赛克算法

提出了一种基于压缩感知(CS)的多光谱滤波阵列(MSFA)的多光谱图像去马赛克算法(DMA)。首先,通过将MSFA采样得到马赛克图像的过程等效为CS理论中的感知矩阵采样的过程,并充分利用多光谱图像的空间和谱间相关性,通过在三维空间傅里叶基上对多光谱图像进行稀疏表示;然后由随机MSFA模式和CS理论构造的测量矩阵对多光谱图像进行观测投影,最后采用CS重构算法求解0范数下的最优化问题,从而得到多光谱图像的稀疏表示系数。给出对算法性能的评估数据和Matlab仿真图片。实验结果证明,本文算法的峰值信噪比(PSNR)值高于克罗内克CS(KCS)和组稀疏(GS)两种算法,且有效地减少了上述两种算法中出现的模糊现象,改善了图像的视觉效果。