基于Segment Anything的荒漠草原植被覆盖度提取研究

植被覆盖度(Fractional Vegetation Coverage,FvC)是草原监测评价工作的重要指标,实时、快速、准确地采集FVC是草原监测评价工作的基础。文章以解决荒漠草原单位面积的植被覆盖度为目标,选取分割一切模型(Segment Anything Model,SAM)以打点或者画框的方式对单位面积的图像进行分割,计算分割出的植被所占像素点的总数T和图像总像素点数A,然后通过F=T/A计算单位面积的植被覆盖度,并制作植被覆盖度评估系统。实验的结果表明,基于SAM大模型可以使荒漠草原单位面积的植被覆盖度提取结果更加准确和可靠,减小了噪声对覆盖度提取的影响。

基于Unit-Linking PCNN和图像熵的图像分割新方法

基于单位链接脉冲耦合神经网络(Unit-Linking PCNN)模型,在图像方差准则基础上将最大香农熵准则,最小交叉熵准则相结合,再组合图像分块策略与图像加权预处理策略,提出了不同准则和策略组合的8种图像分割方案。分析了各种准则和策略的优势和不足,比较了各种分割方案条件下的图像分割效果,部分方案的分割结果体现了图像的更多的细节。与已有文献结果比较,具有使用神经元模型参数少的特点,与PCNN模型相比,该模型参数对图像分割结果的影响较不敏感。计算机仿真结果表明,该方法具有较好的图像分割效果和实验仿真速度性能,具有较强适用性。

用无需选取参数的Unit-linking PCNN进行自动图像分割

脉冲耦合神经网络(PCNN—Pulse Coupled Neural Network)是一种有生物学依据的人工神经网络,它可有效地用于图像分割。基于PCNN的图像分割效果取决于PCNN中各参数的选择。然而,图像分割时,各种不同的图像对应的PCNN参数是不同的,而PCNN参数的选择是困难的。本文提出了一种基于Unit-linking PCNN的图像分割新方法,解决了PCNN图像分割参数选择的难题。用本文提出的新方法可有效地自动分割各种图像,而无需考虑PCNN参数的选择,这对于PCNN的理论研究和实际应用有重要的意义。

Unit-Linking PCNN和图像熵的彩色图像分割与边缘检测

在RGB空间中,将最大香农熵准则和最小交叉熵准则两种评价准则与大概率合并和小概率合并两种合并策略相结合,提出基于Unit-Linking PCNN的四种彩色图像分割方案,并在各分量分割结果基础上利用Unit-Linking PCNN实施边缘检测,合并得到彩色图像的边缘检测结果。分析了各评价准则和合并策略的优劣,比较了各分割方案条件下的图像分割和边缘检测效果。与HSV空间中得到的相关结果进行分析比较,该文分割和边缘检测结果体现了图像的更多的细节,说明了在RGB空间中进行彩色图像分割和边缘检测的合理性。与相关文献结果相比,该方法的模型参数对图像分割结果的影响较不敏感。计算机仿真结果表明,该方法具有较好的彩色图像分割和边缘检测效果,具有较强适用性。

Unit-Linking PCNN中的彩色图像边缘检测

PCNN模型具有相似群神经元同步发放脉冲的特性,适合于图像分割。对彩色图像的亮度分量进行对数变换,使其更符合人眼的视觉特性;在PCNN进行彩色图像R、G、B三分量分割的过程中,利用遗传算法进行神经元关键参数的选择,利用偏态指标进行迭代控制;在Unit-Linking PCNN模型中实现R、G、B三分量分割图的边缘检测,利用加权合并策略得到最终的边缘检测结果。仿真结果表明,该方法得到的结果体现了图像中更多的轮廓细节,具有很好的自适应性。

基于斜坡单元和语义分割的皖南地区滑坡灾害易发性评估

滑坡灾害严重影响着人们的生命和财产安全,对自然环境造成重大破坏。以斜坡单元为单位进行滑坡易发性评估能够更加接近真实的滑坡地形,为滑坡灾害的防治提供更加科学的理论支持。本文以安徽省皖南地区为研究区,基于黄山、宣城、池州市滑坡点数据以及皖南地区基础地理数据,利用主成分分析和多重共线性分析方法筛选滑坡评价因子,提出将斜坡单元几何形状信息和语义分割方法相结合的创新方法,构建滑坡灾害易发性评估模型,对皖南地区的滑坡灾害易发性进行评估,揭示其空间分布规律。结果表明:结合斜坡单元和语义分割方法构建的滑坡易发性评估模型具有较高的预测精度,能够充分考虑斜坡单元的几何形状信息对滑坡易发性的影响,较为准确地评估皖南地区的滑坡易发性。评估结果符合滑坡形成机理,其中62.19%的滑坡单元分布在滑坡易发性等级中—高的斜坡单元上,模型预测AUC值为0.878,与缺少几何形状信息的CNN模型进行对比,预测精度明显提高。

ARU-Net:基于残差注意力机制的胸腔积液图像分割模型

目的/意义解决传统胸腔积液分割方法严重依赖先验知识、流程烦琐、耗时费力、性能不佳等问题,提高效率和准确率。方法/过程根据胸部CT图像的积液特征,提出一种基于残差注意力机制的胸腔积液分割模型ARU-Net。以U-Net模型为主干网络,在编码和解码阶段引入残差注意力单元,有效获取图像上下文信息,提高对特征的利用率。结果/结论在测试集上的DICE相似系数达到88.76%,与U-Net和ResU-Net相比在分割完整性和准确性方面具有显著优势,能够满足临床需求。

基于改进的U-Net的遥感图像语义分割

遥感图像语义分割是根据土地覆盖类型对图像中每个像素进行分类,是遥感图像处理领域的一个重要研究方向,由于在研究的过程出现了相似地物导致分割不准确,为了解决这个问题,提出一种基于U-Net和残差网络的遥感图像语义分割网络DeepResU-Net,对传统的U-Net语义分割网络进行改进,以U-Net为骨架网络,采用残差卷积单元替换原始U-Net的编码层和解码层中的卷积层,防止网络梯度消失,网络中还含有丰富的跳跃连接可以促进信息传播。在遥感(ISPRS)Vaihingen数据集上的实验表明,该方法比FCN-8s、SegNet、U-Net、ResU-Net的分割准确度更高。

基于局部摄影的单目视觉输电线路弧垂测量

定期监测输电线路中导线弧垂的大小对输电线路的稳定运行有重要意义。传统的弧垂测量方法操作复杂且耗时较长,应用单目视觉获取完整导线图像是一种便捷的弧垂测量方法,但是当输电线路的档距过大时,相机受视场角和分辨率的限制,无法拍摄完整的导线,难以测量弧垂。针对上述问题,设计了一种便捷可用的局部摄影测量方法,将IMU中的加速度计传感器与高分辨率工业单目相机结合,在已知少量输电线路参数的条件下,只需拍摄待测导线的左侧部分即可。获得单幅导线图像后,引入语义分割技术提取图像中的导线,以摄影测量模型为基础将导线的实际点与对应成像点建立联系,以此建立非线性方程组,经非线性求解恢复导线的三维形状,进而计算导线弧垂。弧垂的测量相对误差可以控制在5%以内,满足实际应用需求。

考虑Miner线性累计损伤的卷绕头疲劳寿命预测

纺织机卷绕头长期振动会产生零件损伤,这种振动损伤会形成线性积累,当前方法对卷绕头的疲劳损伤以固定阈值为主,未考虑损伤积累问题,所以难以准确预测卷绕头的疲劳寿命。因此提出基于Miner线性累计损伤的纺织机卷绕头疲劳寿命预测方法。分析纺织卷绕头的主要结构,并从轴段单元、刚性盘、机匣、支承部件四方面出发,构建卷绕头整体的动力学方程。构建振动方程明确卷绕头的振动受力,结合Miner线性累计损伤理论,构建高速卷绕头的疲劳寿命预测函数,完成纺织机卷绕头疲劳寿命的预测。实验结果表明:这种估计方法的疲劳强度损失值与实际值更为接近,振动位移分析结果更加精准,且疲劳寿命预测误差降低,平均误差仅为1.475%。

基于改进双重深度Q网络主动学习语义分割模型

针对在图像语义分割任务中获取像素标签困难和分割数据集类别不平衡的问题,提出了一种基于改进双重深度Q网络的主动学习语义分割模型CG_D3QN。引入了一种结合决斗网络结构以及门控循环单元的混合网络结构,通过减轻Q值过估计问题和有效地利用历史状态信息,提高了策略评估的准确性和计算效率。在CamVid和Cityscapes数据集上,该模型相较于基线方法,所需的样本标注量减少了65.0%,同时对于少样本标签的类别,其平均交并比提升了约1%~3%。实验结果表明,该模型能够显著减少样本标注成本并有效地缓解了类别不平衡问题,且对于不同的分割网络也具有适用性。

分段式制冷技术在洁净空调行业的应用分析

随着社会的发展和科技的进步,洁净空调机组在现代工业生产、医疗设施和实验室等领域得到了广泛的应用。分段式制冷作为一种高效、节能的制冷技术,在洁净空调机组上的应用越来越受到关注。本文主要分析了分段式制冷技术在洁净空调机组上的应用及其优势,探讨了分段式制冷技术在洁净空调机组中可能遇到的问题和解决方法,并对分段式制冷技术在洁净空调机组上的发展前景进行了展望。

防空导弹IMU状态的时间序列预测方法

惯性测量单元(IMU)是防空导弹的重要部分,其状态数据主要从定期人工测试中获取,效率较低。为了降低对定期测试的依赖,本文通过时间序列预测方法,从已有数据中预测其未来一段时间内的状态。出于小样本考虑,本文使用重叠分段平均进行数据处理,降低数据维度与训练难度,并用长短时记忆网络(LSTM)进行时间维度的预测。本文提出模型在实测数据上进行了验证,在获得最高预测精度的同时保持较低开销。

融霜工况影响下空气源热泵机组频率控制系统

空气源热泵机组在融霜工况下,由于外部环境温度低,机组内部的水箱和管路可能会结霜,导致传热效率下降、能耗增加,使得频率控制不精准。为此,设计融霜工况影响下空气源热泵机组频率控制系统。设计PLC频率控制结构、频率控制中央处理器与PID控制阀门,联合控制热源侧水泵变频。计算机组结霜量,获取换热器的有效集热量。基于分段调节思想,利用计算机调整侧水泵出水量和调节参数,计算融霜启动调频速度。由实验结果可知,所设计系统在不同融霜工况下控制效果与实际最为接近,控制结果误差最大仅为0.1 Hz,能够实现精准控制频率。

基于卷积神经网络的HEVC帧内预测算法优化

作为HEVC标准中最基础、最重要的技术之一,帧内预测对实现视频编码的高速、高质量和高压缩率具有重要的作用。文中针对帧内预测复杂性问题进行研究,提出一种基于深度卷积神经网络(CNN)的方法,通过学习来预测CTU的划分,从而减少HEVC帧内编码的复杂性。通过建立一个大规模的CTU划分数据库,并利用CNN的能力学习各种CTU划分模式,能够准确地预测CTU的划分,从而避免了传统的穷举搜索,实现了HEVC编码复杂性的显著降低,提高了编码效率。实验结果表明,提出的方法在测试序列和图像上分别将帧内编码时间减少了62.25%和69.06%,与其他最先进的方法相比,比特率分别仅增加了2.12%和1.13%,达到了优化的目的。

地铁盾构分岔式隧道数值模拟及应用

为研究地铁盾构分岔隧道问题,采用FLAC3D三维模拟技术以原始隧道经过简化得到计算分析三维模型,分析了不同分岔角度下的应力、变形问题.研究结果表明:分岔隧道的应力、变形随分岔隧道夹角的增大而减小,应力叠加越来越小,当分叉角度较大时,应力集中峰值开始分岔变为两个峰值;通过与现场监测结果对比,现场监测值与数值模拟结果吻合.

基于多元判别分析的文本分割模型

提出了一种独立于具体领域的文本线性分割统计模型,其中采用多元判别分析方法定义了4种全局评价函数,实现对文本分割模式的全局评价,寻找满足分割单元内距离最小化和分割单元间距离最大化条件的最好分割方式.该模型采用遗传算法来解决新模型的高计算复杂度问题.比较性实验结果显示,新模型比TextTiling和Dotplotting算法取得了更高的Pμ评价性能.

无人驾驶中的场景实时语义分割方法

无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分别获取空间信息和上下文信息的方法,又会增加计算量及存储量.因此,提出从残差结构网络中划分出空间信息路径和上下文信息路径的想法,并基于此设计一个双路语义分割网络.该网络还含有用于融合2路多尺度特征的特征融合模块,以及用于优化上下文语义路径输出结果的注意力精炼模块.该网络基于PyTorch框架实现,使用NVIDIA1080Ti显卡进行实验,在道路场景数据集Cityscapes上,mIoU达到78.8%,运行速度达到27.5帧/s.

食管癌IMRT计划设计降低子野数及MU数方法研究

目的:研究降低食管癌调强计划子野数及MU数的可行性方法。方法:(1)射野方向:IMRT计划由物理师按照经验非均匀共面布野。(2)优化强度级数:分别设计为12、10、8、6优化强度级数。(3)围绕PTV连续定义六个和PTV同心的空心环并限制每个环剂量的计划(4)直接子野优化方法:使用DMPO模式设计,该模式允许预先设定最多子野数。结果:(1)选择的共面非均匀布野与均匀布野调强计划相比,肿瘤靶区的适形度、均匀性较好,总子野数和MU数无差异。(2)优化强度级数为12、10和8的计划质量基本相当,都满足食管癌临床要求,但优化强度级数为8的计划总子野数减少17%,MU数基本不变。(3)设定同心环并限制每个环剂量的计划,肿瘤受照剂量的适形度和正常组织受量均明显好于没有设定椭圆环的调强计划,同时该计划总子野数减少23%、总MU数减少9%。(4)与两步法调强计划相比,DMPO模式PTV的适形度更好,总子野数比原计划减少37%,总MU数减少16%。结论:通过优化强度级数选择、定义治疗靶区同心空心环、直接子野优化等方法,在不改变甚至提高原计划质量的前提下,可以减少食管癌IMRT计划总子野数和MU数。

高分辨率遥感影像信息提取及块状基元特征提取

分析了基于目标基元的遥感信息提取技术相对于传统的基于像元的处理方式所具有的优势 ;结合人类视觉机制和计算机尺度空间理论 ,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术流程框架 ,即在大尺度下进行粗分割后进行块状基元提取的技术及实现过程 ;最后给出了相关实验结果 ,实验表明本文提出的基于基元的遥感信息提取便于与视觉知识和环境知识更好地结合 。