基于Sentence-Rank的图像句子标注

传统的图像语义句子标注是利用句子模板完成对图像内容描述,但其标注句子很难做到符合语言逻辑。针对这一问题,提出基于统计思想从语料库中选出一条最优的句子来描述图像内容,设计以N-gram算法为主要思想的Sentence-Rank算法生成标注句子。首先执行机器视觉特征学习,选择标注性能最好的HSV-LBP-HOG融合特征完成图像分类,获得图像标注关键词。然后,利用字符串匹配算法从语料库中列出包含所有标注关键词的句子,并将得到的句子通过Sentence-Rank算法进行价值排序,选取评分最高的句子描述图像。实验结果表明,该方法得到的标注句子具有较低的困惑度,较好地解决了句子的语言逻辑问题。

技术评审专家遴选方法在颠覆性技术专家预判平台上的应用

评审专家遴选是技术评审中的关键环节。鉴于颠覆性技术专家预判平台预判系统对时效性和智能型的要求,专家遴选对预判结果具有决定性影响。通过学术专长匹配和专业遴选来选择符合要求的专家,可以降低成本,提高推荐效率与准确度,完成颠覆性技术的预测任务。基于学术网络表示学习的方法既可以避免大量特征工程,又可以方便不同类型的特征进行融合。利用异质网络表示学习方法和标签排序的学术专长画像方法构建专家库,并使用融合专家综合评价指标特征的匹配方法对待预判的颠覆性技术和专家专长进行匹配,为专家遴选提供一份专业背景匹配的候选专家列表。这种方法在Academic Social Network数据集上进行模拟实验。实验结果表明,这种方法能提升项目评审专家学术专长匹配,在加入综合指标特征后,专家的综合指标特征能有效地反馈到实验结果中,从而提高评审系统的时效性和智能性。

一种利用低秩多模态融合的恶意软件分类方法

恶意软件数量持续增长对网络空间安全造成严重威胁.大量采用规避分析方法进行混淆的样本使得基于单一特征的恶意软件分析方法难以准确检测或分类恶意软件,虽然目前已有使用多特征的恶意软件分析方法,但没有充分利用不同模态特征之间的相互关系.为了解决上述问题,本文提出一种利用低秩多模态融合的恶意软件分类方法.首先提取汇编函数的语义与调用关系、可视化灰度图和熵值分布分别输入对应模态的子模型,然后通过低秩多模态融合方法进行多模态特征融合.该方法在利用外积表示模态之间相互关系的基础上进行优化,将融合过程中的权重矩阵分解为低秩权重因子,避免计算高维张量来降低计算复杂性.实验表明本文方法在恶意软件分类上有较好的表现.

基于AS-OCT图像的核性白内障多级排序分类算法研究

目的探讨基于眼前节光学相干断层扫描(AS-OCT)图像的核性白内障智能辅助分级算法对白内障分级的诊断价值。方法采用诊断试验研究方法,收集2020年11月至2021年9月间同济大学附属第十人民医院电子病例系统中核性白内障患者939例1608眼的AS-OCT图像资料,所有资料均符合临床阅片清晰度要求。其中男398例664眼,女541例944眼,年龄18~94岁,平均年龄(65.7±18.6)岁。由3名经验丰富的临床医生基于晶状体混浊分类系统(LOCSⅢ分级系统),对所收集的AS-OCT图像进行1~6级人工标注。构建一种基于多级排序的全局-局部白内障分级算法,该算法包含5个基本的二元分类全局-局部网络(GL-Net),每个GL-Net聚合白内障核区域、原始图像等多尺度信息进行核性白内障分级。基于消融实验和模型对比试验,采用准确率、精确率、灵敏度、F1指标及Kappa系数对模型性能进行评价,且所有结果均通过五折交叉验证。结果模型在核性白内障数据集上的准确率、精确率、灵敏度、F1、Kappa分别为87.81%、88.88%、88.33%、88.51%、85.22%。消融实验结果表明,ResNet18结合局部特征和全局特征进行多级排序分类,模型在准确率、精确率、灵敏度、F1、Kappa指标上均有提升。与ResNet34、VGG16、Ranking-CNN、MRF-Net模型比较,本研究模型各性能指标均有提升。结论基于深度学习的AS-OCT核性白内障图像多级排序分类算法对白内障分级具有较高的准确度,有望辅助提高眼科医生对核性白内障的诊断精度以及效率。

结构相似度优化的混合多尺度医学图像融合

现有的多模态医学图像融合方法存在结构信息以及相位特征保存不完整的问题,为此,提出一种基于混合多尺度分解和结构相似度优化的医学图像融合方法。首先,针对单一滤波器在保留图像结构和细节方面的局限性,提出一种多尺度分解潜在低秩表示(MDLat LRR)和非下采样轮廓波变换(NSCT)相结合的混合多尺度分解方法,利用MDLat LRR分解源图像获取低秩层和显著层,使用NSCT对低秩层做进一步分解;其次,在基础层上使用基于局部拉普拉斯能量和的融合规则,使融合图像具有更好的视觉效果,对于细节层,通过脉冲耦合神经网络(PCNN)计算全局耦合以获得融合权重,从而融合细节层;最后,考虑到空间一致性,由初始融合图像获取线性调整图像,利用加权局部结构相似度进行测量从而得到修正系数,并对初始融合图像进行修正,提高融合图像中信息的准确性。实验结果表明,相比于MSMG、EMFusion、CFL等9种方法,该方法在归一化互信息、空间频率误差比等10个客观评价指标上评估性能更高,特别在相位一致性、余弦特征互信息以及差异相关和指标上,分别比次优方法平均提升了13.89%、19.62%和35.8%,所提方法的融合图像具有更丰富、更准确的细节信息和良好的视觉效果。

基于低秩因子最优估计的特征级数据融合

为了提升信息融合系统对噪声的鲁棒性以及计算效率,并且考虑特征之间的关联性,提出一种基于低秩因子最优估计的特征级数据融合方法。通过优化潜在特征向量与从线性组合估计值中提取的余弦相似性度量,找到潜在信号特征空间的估计值。然后利用随机矩阵理论进行特征及数据融合,用于求解具有不同噪声水平的约束数据驱动优化问题。在两个数据集上的实验结果表明,该方法效果显著。

孪生Swin Transformer的红外与可见光图像融合算法

为解决基于卷积神经网络(convolutional neural networks,CNN)的红外与可见光图像融合算法融合过程中未考虑原图像远程依赖关系的问题,提出了一种孪生Swin Transformer的红外与可见光图像融合算法,构建了孪生网络模型。使用潜在低秩表示(latent low-rank representation,LatLRR)分解方法将原图像分解,再分别融合以提升图像融合的精度;使用Swin Transformer分别提取分解后图像的特征,获取图像的远程依赖关系;使用l1-norm正则化方法求解特征范数,利用Softmax分别获得分解后图像的权重图;利用线性加权方法重构融合图像,通过简单的线性加和获得最终融合图像。在评测基准VIFB上对所提算法进行评测,实验结果表明,所提算法与20种融合算法相比,定性性能优良;定量分析,在由13种评价指标组成的评价体系中,该算法能够取得3个最优值,超过大部分融合算法;在运行时间方面,该算法的运行时间成本低于大部分融合算法。所提融合算法相较于其他融合算法,在主观和客观方面均表现出更好的融合性能。

基于MDLatLRR的CT和MRI图像融合增强方法

以往所提出的医学图像融合算法均对源图像提取相同分解层次的特征,忽略了源图像的特有特征。针对这一问题,提出一种根据不同模态医学图像提取其特有特征的融合方法。首先,使用改进的多级潜在低秩表示分解方法,在提取CT和MRI基础信息和细节信息的基础上,根据成像特点的不同,进一步提取CT图像的骨骼轮廓信息和MRI图像的软组织细节信息。然后,提出一种局部信息熵加权的区域能量函数方法融合细节信息,利用结构显著性度量和改进拉普拉斯能量和方法共同融合基础信息。最后,提出图像引导增强算法,以特有特征为引导对融合后的基础层和细节层进行增强。经实验证明,相比近几年具有代表性的融合方法,所提出的方法不仅在AG,EPI,VIF,SD客观评价指标中分别平均提高了9.45%,11.75%,14.79%,10.51%,而且在主观评价中也取得更好的效果,实现了CT和MRI图像精准融合。

基于孤岛划分约束的有源配电网故障恢复策略

为提高供电恢复效果,更好地应对当前有源配电网信息-物理耦合程度不断加深的形势,提出了一种考虑信息流、能量流、业务流多流融合以及智能软开关(soft open point,SOP)作用的孤岛划分算法,基于该算法实现供电恢复策略。首先,为保证负荷的可靠恢复,该策略深入研究信息-物理耦合并建模,对节点信息重要度排序,讨论其对负荷恢复的影响;其次,构建了SOP的稳态模型,分析了SOP的工作原理及控制模式;接着,为了更大程度、更加灵活地恢复负荷,考虑SOP的作用,建立考虑光伏时变性及负荷运行特性的有源配电网孤岛划分模型;最后,算例仿真验证所提策略的有效性。

基于多准则排序融合的特征选择方法

针对模式分类中特征选择问题,为去除冗余特征,提高分类准确率,提出一种基于ReliefF算法、Fisher比率算法和马氏距离算法的多准则排序融合的特征选择方法。动态结合上述3种单准则特征选择法的优点,实现对多个评价准则的综合利用。以Ionosphere标准数据集和高速列车转向架故障数据集为研究对象进行实验仿真,仿真结果表明,相比于单准则特征选择法,该方法能更有效地降低特征维数,具有更高的分类性能。

基于投票模型的元搜索排序合成算法

排序合成问题是元搜索引擎研究的一个重要方面。该文分析了基于投票模型的排序合成问题。在讨论2个常用的投票规则Borda和Condorcet的基础上,介绍了用图论算法实现的淘汰投票算法,包括Kemeny算法。针对Kemeny算法是NP-hard问题,提出了一种易于实现的启发式淘汰投票算法,并且利用TREC数据集进行实验比较这些方法。实验结果表明,淘汰投票算法与Borda算法执行效果相当,有时甚至超过Borda算法。

基于光线变化的显著性区域提取

图像的显著区域提取是指利用人的视觉特点和习惯,获取图像中最易引起注意的区域.该技术被广泛应用于视觉分析的各个领域,是近几年研究的热点.当前显著性区域提取的方法大多基于颜色对比的基础上进行检测,这种方法只是大概检测出显著性区域的范围,不够精细.在对图像进行显著性区域提取的时候,光线也应该占有很重要的地位.为了更好的提取图像的显著性区域,本文提出一个融合光线的特征的模型进行显著性区域的提取.首先对每幅图像进行光线衰竭和增强的变化,生成不同光线特征的图像;然后对每幅不同光线条件下的图像利用流行排序计算显著性区域;最后针对多个显著性区域的结果进行融合计算,得到图像的显著性区域结果.该算法在公开图像数据库进行的试验验证标明,其结果优于同类的算法.

多属性匹配决策的等级置信度融合法

针对具有置信度信息的多属性匹配决策问题,提出了一种决策方法.给出了等级置信度的概念及其相关证明,将双边的多种形式置信度评价信息转换成等级置信度信息.在此基础上,把等级置信度信息作为证据,通过融合证据计算双边匹配融合度,并求解基于融合度的优化模型来获得匹配结果.最后,通过算例验证了该方法的可行性和有效性.

基于颜色矩的图像检索算法研究

为克服基于文字的图像检索技术对大型图像数据库实施困难、描述不完整等弊端,对RGB颜色矩和Munsell颜色矩进行研究,RGB颜色矩只适用于简单图像,Munsell颜色矩无法判断图片具体信息。为此,采用信息融合技术进行检索判断层的融合,选择多颜色空间融合颜色矩,在分析传统融合算法基础上,提出一种改进融合算法NewcombMNZ。实验结果表明,该算法能提高检索精准度和排序值,对噪声具有良好的鲁棒性,且能减少检索性能较差的特征对融合结果的影响,适用于特征数量较少的情况。

煤矿多传感器混沌时序数据融合预测

针对单传感器煤矿数据预测存在的片面性问题,提出将信息融合技术与相空间重构技术相结合的多传感器煤矿数据的预测模型,对井下多种传感器,包括瓦斯浓度、风速、温度传感器,进行融合预测。以多类传感器时序数据为研究对象,首先利用信息融合的方法分别对各类传感器数据依次进行数据层融合、特征层融合;然后采用关联积分方法对两级融合之后的传感器数据分别确定相重构的时间延迟和嵌入维数两个参数;最后结合多变量相空间重构技术,将各类传感器数据融合重构相空间,运用基于K-Means聚类的加权一阶局域法构建多传感器数据的预测模型。实验结果表明:对于特征层的融合,每15 min时间段内的数据经融合后可有效作为衡量这段时间内的特征,经过预测模型计算后,与时间段为5 min、10 min、20 min相比较误差达到最小仅0.003,较目前的最小误差值0.05大大下降,融合预测效果较好,可以较准确地预测15 min后的传感器数据,有充足时间进一步为井下的安全评估提供决策依据。

基于增强特征融合网络的行人重识别方法

针对行人重识别技术受遮挡、背景冗余、光照、姿态以及检测误差等问题的影响,鲁棒的行人特征表达对正确检索行人越来越重要.为了利用对齐特征和度量学习的优势,进一步分析局部空间语义特征.首先,在特征层面:一是在ResNet50框架中嵌入空间变换结构,自适应对齐局部区域空间特征,解决因局部区域不对齐导致的空间语义不一致的问题;二是通过对齐的局部特征设计一种增强特征融合网络,充分利用语义信息间的关联性提取图像的细节特征.然后,在损失函数层面:提出一种排序矩阵方法选取区域样本对,设计了一种局部三元组损失计算方法,联合正则化分类损失共同训练网络,充分利用融合的增强特征,达到高效度量的效果.最后,文中方法结合现有的重排算法进一步提高了Rank-1与mAP检索精度,在行人重识别基准数据集Market-1501上的实验结果,证明了本文方法的有效性.

多先验融合的图像显著性目标检测算法

为了更加准确地检测出图像中的显著性目标,提出了多先验融合的显著性目标检测算法。针对传统中心先验对偏离图像中心的显著性目标会出现检测失效的情况,提出在多颜色空间下求显著性目标的最小凸包交集来确定目标的大致位置,以凸包区域中心计算中心先验。同时通过融合策略将凸包区域中心先验、颜色对比先验和背景先验融合并集成到特征矩阵中。最后通过低秩矩阵恢复模型生成结果显著图。在公开数据集MSRA1000和ESSCD上的仿真实验结果表明,MPLRR能够得到清晰高亮的显著性目标视觉效果图,同时F,AUC,MAE等评价指标也比现有的许多方法有明显提升。

基于特征融合与低秩分解的织物疵点检测

研究基于特征融合与低秩分解的织物疵点检测算法。采用超像素分割方法将待测图像分割为超像素块;分别提取各块灰度和HOG特征,构造融合特征矩阵;利用低秩分解方法将融合特征分解为低秩背景和显著疵点,依据显著度大小得到疵点显著图;最后选择最大熵阈值分割方法对显著图分割,得到检测结果。选取TILDA标准织物图像库验证算法有效性。结果表明:提出的算法能有效检测出织物疵点所在位置和形状。认为:本文提出的算法自适应能力较强,适用较多疵点类型,具有较高疵点检出率。

基于证据融合理论的配电网经济运行指标权重的闭环计算方法

为有效评价配电网经济运行指标,需要确定合理的运行指标权重,为此提出了基于证据融合理论的配电网经济运行指标权重闭环计算方法。首先邀请专家给出指标主观权重,剔除离异程度大的专家意见,并对不可靠意见进行折扣处理,利用证据融合理论确定专家主观权重。若该主观权重符合证据充分条件,则该权重即为最终权重;否则利用熵值法和主成分分析法确定指标客观权重,并利用证据融合理论确定综合客观权重。检验主、客观权重是否满足一致性要求,若不满足,则对权重进行闭环调整,直至主、客观权重满足一致性要求。

CR网络中基于K秩融合的频谱感知算法

针对合作频谱感知模型,分析了集中式频谱感知的基本原理,并对融合中心的硬合并算法进行了研究.讨论了在先验概率已知时,K秩融合准则中K的各种取值对系统检测概率、虚警概率、漏检概率的影响以及合作用户节点数目与错误概率之间的变化关系.仿真结果表明,在加性高斯白噪声环境下,感知节点规模较小,在大约一半的节点参与合作时,K秩融合准则具有较好的感知效率.