结合稠密小波变换的双分支低照度图像增强

针对低照度图像存在低亮度、高噪声、色彩失真等问题,提出了一种结合稠密小波变换的双分支低照度图像增强方法。采用稠密小波网络进行多尺度特征信息融合,在减少信息丢失的同时使网络具有一定的去噪能力。在多尺度特征融合中嵌入全局注意力模块和特征提取模块,充分提取全局和局部特征。通过双分支结构对图像进行色彩增强和细节重建,使得低照度图像具有较好的增强效果。引入了新的联合损失函数从多方面指导网络训练,以增强网络性能。将所提方法与主流方法相比较,实验结果充分表明,所提方法有效提高了低照度图像的亮度,抑制了图像噪声,并取得了更丰富的细节和色彩信息,得到的增强图像更清晰自然,在峰值信噪比和结构相似度等图像质量客观评价指标方面也具有显著的优势。

改进的SegFormer遥感图像语义分割网络

随着遥感技术的发展,遥感图像的语义分割在城乡资源管理、城乡规划等领域有着更为广泛的应用。因为小型无人机在遥感数据采集方面具有成本效益、灵活性和操作便捷等优势,所以使用无人机拍摄图像已经成为收集遥感图像数据集的首选方法。由于小型无人机低空斜角拍摄的特性,相较于传统遥感拍摄设备获取的图片,无人机图片目标细节信息更加丰富、目标关系更加复杂的特性导致基于局部卷积的传统深度学习模型无法再胜任此项工作。针对上述问题,提出了基于SegFormer的改进遥感图像语义分割网络。基于SegFormer,在编码层额外添加轮廓提取模块(edge contour extraction module,ECEM)辅助模型提取目标的浅层特征。鉴于城市遥感图像建筑物居多的特点,在编码层额外添加使用多尺度条纹池化(multi-scale strip pooling,MSP)替换全局平均池化的多尺度空洞空间卷积池化金字塔(multi-scale atrous spatial pyramid pooling,MSASPP)模块来提取图像中的长条状目标特征。针对原始解码器操作不利于特征信息还原的缺点,参考U-Net网络解码层的结构,将编码层接收到的特征融合之后再执行上采样提取以及SE通道注意力操作,以此加强特征的传播和融合。改进网络在国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing,ISPRS)提供的Vaihingen和无人机遥感图像语义分割数据集UAVid上进行了实验,网络分别取得了90.30%和77.90%的平均交并比(mean intersection over union,MIoU),比DeepLabV3+、Swin-Unet等通用分割网络具有更高的分割精确度。

融合知识图谱的双线性图注意力网络推荐算法

知识图谱可有效缓解传统协同过滤中的数据稀疏和冷启动问题,因此,近年来在推荐系统中融入知识图谱的方法成为重要的探索方向。然而现有的方法大多将知识图谱的网络结构划分为单独路径或仅利用了一阶邻居信息,造成无法建立整个图上的高阶连通性问题。为解决该问题,提出融合知识图谱和图注意力网络的KG-BGAT模型,并设计了双线性采集器。双线性采集器能够在信息采集阶段获取节点间的特征交互信息,丰富节点表示;图注意力网络通过递归嵌入传播算法将各个节点表示沿图进行传播,能够捕获图中的高阶连通性。在MovieLens-1M数据集上进行了Top-K推荐实验,在推荐列表长度为20时,精确率、召回率和归一化折损累计增益分别为29.4%、24.9%、67.4%,超过了目前主流的CKE、RippleNet、KGCN等融合知识图谱的推荐算法。实验证明提出的方法能够有效提高推荐结果的准确性。

多尺度遥感语义分割网络

高分辨率遥感图像语义分割在国土规划、地理监测、智慧城市等领域有着广泛的应用价值,但是现阶段研究中存在相似地物和精细地物分割不准确问题。为解决这一问题,提出了一种新型的多尺度语义分割网络MSSNet。它由编码层、解码层和输出层组成。为解决相似地物的分割问题,编码层使用深层网络ResNet101充分提取地物特征,并在解码层的解码器中加入残差块,提高基于像素点的分类能力。为解决精细结构地物的分割问题,解码层中的解码器加入了空洞空间金字塔池化结构提取多尺度地物特征,以便精确分割不同尺度的地物。为了强化语义分割能力,输出层合并了多个解码器的输出,为最终的预测提供了更多的信息。在两个公开数据集Vaihingen和Potsdam上进行了实验,分别取得了87%和87.3%的全局精确度,超过了大多数已发表的方法。实验结果表明,提出的MSSNet能够精确地分割相似地物和精细地物,并且具有训练过程简单和易于使用的优点,非常适合进行高分辨率遥感图像语义分割。

基于介质超表面角度复用的太赫兹增强吸收谱

利用太赫兹波段独特的指纹谱可以实现有机大分子的快速检测识别,然而微量物质的太赫兹吸收谱测量仍非常有挑战性。本文针对微量有机物,提出了一种基于介质超表面角度复用的太赫兹吸收谱增强检测方案。其中超表面衬底和十字单元结构均为高阻硅,具有高Q谐振特性。不同太赫兹波入射角对应的超表面响应曲线上的谐振峰频率可覆盖0.50~0.57 THz。超表面上覆盖0.5~2.5μm乳糖薄膜作为待测物时,各入射角度对应的谐振峰幅度随待测物的吸收谱大幅度改变,其包络线组成的吸收谱峰值比没有十字单元结构时最多增强可达82.59倍。仿真结果表明该介质超表面经过角度复用可在宽带范围内有效增强太赫兹吸收谱,经过优化设计可用于检测不同特征峰微量有机物质。

多模态特征融合的遥感图像语义分割网络

遥感图像语义分割是指通过对遥感图像上每个像素分配语义标签并标注,从而形成分割图的过程,在国土资源规划、智慧城市等领域有着广泛的应用。高分辨率遥感图像存在目标大小尺度不一与阴影遮挡等问题,单一模态下对相似地物和阴影遮挡地物分割较为困难。针对上述问题,提出了将IRRG(infrared、red、green)图像与DSM(digital surface model)图像融合的遥感图像语义分割网络MMFNet。网络采用编码器-解码器的结构,编码层采用双输入流的方式同时提取IRRG图像的光谱特征和DSM图像的高度特征。解码器使用残差解码块(residual decoding block,RDB)提取融合后的特征,并使用密集连接的方式加强特征的传播和复用。提出复合空洞空间金字塔(complex atrous spatial pyramid pooling,CASPP)模块提取跳跃连接的多尺度特征。在国际摄影测量与遥感学会(international society for photogrammetry and remote sensing,ISPRS)提供的Vaihingen和Potsdam数据集上进行了实验,MMFNet分别取得了90.44%和90.70%的全局精确度,相比较与DeepLabV3+、OCRNet等通用分割网络和CEVO、UFMG_4等同数据集专用分割网络具有更高的分割精确度。

基于改进U-net网络的气胸分割方法

气胸是肺部常见疾病之一,目前已有的X线气胸检测方法主要存在两个问题:一是气胸通常与肋骨、锁骨等组织重叠,在临床上存在较大的漏诊情况;二是现有的主流分割算法采用单一或双重阈值策略,导致结果不准确。针对上述问题,提出了一种新颖的气胸分割方法。该方法对胸片进行对比度限制自适应直方图均衡化,去除噪点并还原图像细节;通过以MBConvBlock为编码器模块的卷积神经网络层提取图像中抽象的深层特征;通过解码器对提取到的特征映射进行插值重构得到每个像素的二分类结果;采取改进的三重阈值策略输出更满足实际医用场景的结果。该方法在SIIM-ACR Pneumothorax数据集上得到的Dice相似系数值、精确率和召回率分别为87.21%、94.81%和88.96%,相比DeepLabV3+和U-net等网络,在气胸分割取得了更好的性能。实验结果表明该方法能够使X线气胸分割具有较高的精度,填补了目前气胸X线图像分割领域的不足。

应用于大数据的Trie树排序算法

针对在数据量动态增加的场景下现有的排序算法管理数据导致算法性能大大降低的问题,提出一种16-bit Trie树排序算法。借助邻居节点上存储的链节点指针完成排序,它不仅可以边构建边排序,且引入动态数组可以提高该算法的空间效率。仿真结果表明,传统Trie树支持数据动态更新,但通过遍历Trie树的方式完成排序耗时较多,快速排序算法在数据动态增加时效率低,16-bit Trie树排序算法支持数据动态更新,排序时间明显少于传统Trie树,优于快速排序,这表明16-bit Trie树排序算法在处理海量动态数据时具有突出优势。

基于双通道级联注意力网络的医学图像配准

为提高卷积神经网络在医学图像上的配准性能,提出一种双通道级联注意力网络用于医学图像配准。针对浮动图像和固定图像,用两个卷积神经网络对配准场进行估计;用配准场级联策略提高配准场变形估计性能;在配准场估计过程中引入注意力机制用于自动学习和优化注意力特征并分配特征权重,进一步加强特征表达能力,提高配准性能。通过对脑部图像和肺部图像的配准实验分析,验证了该方法的有效性和准确性。

结合社交媒体数据的城市交通事件可视分析方法

社交媒体中的文本内容可对交通量数据进行补充,为此提出一个交通事件可视分析方法。建立交通事件文本处理模型,提取事件的描述信息;基于图嵌入算法学习道路节点属性的向量表示,建立道路相似性模型;结合核密度模型建立交通事件发生概率预测模型;设计了一个交互式可视分析界面对于交通事件进行可视分析与探索。通过交通信息抽取、道路相似性度量以及交通事件交互预测等案例分析,验证了所提方法的有效性,可以辅助交通部门管理决策。

基于景深信息的自适应Retinex图像去雾算法

针对传统图像增强Retinex去雾算法未考虑有雾图像景深信息,整幅图采用同一尺度复原而导致的局部颜色失真、图像细节丢失等问题,提出一种基于景深信息的自适应Retinex图像去雾算法。从场景雾的浓度与景深密切相关出发:首先利用BTS深度学习模型得到有雾图像的景深估计;然后以图像的平均梯度作为最优评价标准,对有雾图像分块处理并采取不同的高斯滤波尺度进行Retinex增强,统计出最优高斯滤波尺度与其对应的景深估计平均值;接着通过梯度下降法对统计数据进行拟合,得出景深估计与高斯滤波尺度的参数模型并将模型应用到单尺度Retinex去雾算法对有雾图像进行分块处理;最后通过计算均值和均方差,再加上一个控制图像动态的参数来实现无色偏的自适应对比度拉伸以及使用双线性插值映射使图像分块边缘过渡更加连续,从而得到增强的去雾图像。实验结果表明,经过所提算法去雾处理后的图像标准差、平均亮度、信息熵、平方梯度等评价指标均高于对比算法,实际效果对比度较高,图像细节保持完好,且抑制了过度增强。基于景深信息自适应Retinex图像去雾算法能够有效保留图像细节,颜色自然,符合人眼视觉特性,自适应程度高,明显优于传统Retinex去雾算法。

GSM-MBM系统中基于松弛迭代的低复杂度检测算法

针对基于媒介调制的广义空间调制(GSM-MBM)系统接收端最大似然(ML)检测算法计算复杂度高且随激活天线数呈指数递增的问题,提出一种基于能量排序下的松弛迭代思想的低复杂度检测算法(EO-RIM).该算法对所有可能的发射天线组合及相应镜像激活模式组合下的信号能量总值进行排序,再通过松弛迭代算法依次检测相应的调制信号,并通过预设阈值来协调误码率(BER)性能和计算复杂度之间的关系.仿真结果表明,在GSMMBM系统中,EO-RIM算法的BER性能逼近ML检测算法,与基于有序块的最小均方误差(OB-MMSE)检测算法几乎一致,而EO-RIM的计算复杂度随激活天线数呈平方递增而非指数递增,相比OB-MMSE算法降低了一个数量级.

基于MBM的未编码空时标记分集技术

针对基于正交振幅调制(QAM)星座的未编码空时标记分集(USTLD)系统包络不恒定和频谱效率较低的问题,分别提出了相移键控星座的USTLD系统映射器设计方法和基于媒介调制(MBM)的USTLD系统,并对该系统的理论误码性能进行了分析.由于USTLD-MBM系统检测复杂度较高,故提出了该系统的低复杂度检测算法.仿真结果表明,在相同频谱效率的情况下,USTLD-MBM系统的误码性能优于USTLD系统.在USTLD-MBM系统中,球形译码算法的误码性能与最大似然算法几乎一致,复杂度降低了约50%.

联合多天线选择映射的广义空间调制方案

为了解决广义空间调制(GSM)系统中存在的信道间干扰和天线组合间的高相关性问题,提出了一种名为联合多天线选择进行映射的广义空间调制(JAS-GSM)方案。基于最小汉明距离最大化准则,设计了一种低复杂度的发射天线组合(TAC)优化算法,旨在降低天线间的相关性和计算复杂度。同时,利用优化后TAC的冗余特性,使所有TAC均参与码本映射,并基于最小欧式距离最大化准则设计了高效的联合映射码本筛选算法,以进一步提高系统的误码率性能。通过推导JAS-GSM方案的平均误码率理论边界公式,验证了仿真实验结果的准确性,并完成了辅助联合映射码本筛选算法的设计。仿真实验结果表明,与现有的天线选择方案和GSM变体调制方案相比,所提JAS-GSM方案具有更低的计算复杂度和更高的传输可靠性。