面向跨语言词云可视化的拓扑保持布局算法研究

针对大范围替换词云中单词后出现的词云拓扑结构不稳定的现象,提出一种词云可视化的拓扑保持布局算法。首先,该算法通过对替换后的词云中单词进行分散处理,使之前或重叠或远离的单词按原拓扑相应分离;再利用Delaunay三角剖分算法对分离词云网格化,形成控制网格;最后在控制网格的基础上采用紧凑布局的方法将分散词云紧凑为与替换前原词云拓扑一致的词云布局。针对替换的一种具体情况,即跨语言翻译词云的情况做详细介绍。该算法在提高词云布局稳定性,保持原词云拓扑结构方面是一个新的突破。

面向大规模重复结构CAD模型的快速截面可视化方法

截面可视化是揭示复杂三维CAD模型内部结构的有效方法,但目前基于面片求交的截面可视化方法计算量大,难以实现大规模CAD模型的交互可视化,为此提出一种结合面片求交和3D纹理的混合截面交互可视化方法.针对由少量基本对象按规律摆列而成的规则CAD模型-重复结构CAD模型,在预处理阶段,将所有基本对象离散成高精度3D纹理;在可视化对象选取阶段,通过截面可视化裁剪算法选择可视化对象;在截面可视化阶段,通过预估每个对象在屏幕的投影情况选择可视化方法.该方法基于中国科学院核能安全技术研究所FDS团队自主研发的超级蒙卡核模拟软件系统SuperMC进行研究,并使用全堆芯模型以及铅基反应堆模型进行测试,结果表明,该方法视觉效果接近基于面片求交的方法,同时实现了交互可视化.

聚变堆包层的可视智能辅助概念设计方法研究与应用

包层是聚变反应堆的关键部件,其设计是一个"多目标、多变量"的优化过程,科学家往往要花费数周、乃至数月才能完成一组包层设计.文中将可视参数分析方法引入包层概念设计,通过结合领域知识、自动优化技术及人机交互技术提出可视化包层智能概念辅助设计方法.包层设计分为3个阶段:交互草案设计、初步方案自动生成、方案可视交互调优3个阶段;通过对每个阶段的关键技术和算法进行研究和实现,最终形成完整的聚变包层辅助概念设计软件,并使用国际热核聚变实验堆(international thermonuclear experimental reactor,ITER)包层测试验证.该包层之前有科学家花费3个月左右设计完成,使用文中方法科学家2周左右即可完成性能相近的方案设计,证明了方法的有效性.

基于Faster-RCNN的结核杆菌自动检测方法研究与应用

染色处理可使结核杆菌在显微镜拍摄的医学图像中显现,医生通过检测图像中的结核杆菌辅助诊断结核病。近年来卷积神经网络(CNN)在目标检测上取得了突破性进展,但结核杆菌存在图像上尺度小,构造标注数据难,不适用迁移学习等问题,使得基于CNN的目标检测方法在结核杆菌检测方面尚存在一定的困难。为此,以Faster-RCNN目标检测算法为基础,研究在医学图像上的结核杆菌检测问题。针对结核杆菌尺度小,提出重叠子图划分策略;针对标注数据构造难,提出分块、迭代标注策略。实践证明,该方法有较高的准确度以及可接受的速度,已构建了13 261个结核杆菌的训练数据,应用于合作单位的医疗检测产品,能满足实际应用需求。

面向小目标检测的改进RetinaNet模型及其应用

基于深度学习的目标检测算法广泛应用于工业检测,RetinaNet算法因兼具速度与精度两方面的优势而备受关注,但对于小于32×32像素的小目标,该算法的检测精度不能满足工业检测的要求。为此,文中以增强小目标的训练为基本思路,针对RetinaNet算法进行了如下改进:在采样阶段,将低层特征图P2添加到FPN中,以确保小目标能被充分采样,同时引入自适应训练样本选择策略,以保证增加特征层之后仍能保持足够快的检测速度;在训练后期采用了损失权重调整策略,用于提高小目标中困难样本的拟合度。针对公共数据集MS COCO 2017及实际应用中的LED点胶工业数据集,改进后的方法使小于32×32目标的检测精度分别提高了4.1%和10.7%,这表明改进后的方法能显著提升小目标检测的水平。

一种基于Multi-focus+context的鱼眼显示技术

针对Focus+context中单焦点方式在设备屏幕上只能显示一个焦点的内容细节,而不能对多处关注细节同时显示的局限性,提出一种基于Multi-focus+context技术的,根据关联内容自适应的,显示全局图形及多个焦点内容的细节的方法。焦点区域可以是任意形状的几何图形,并利用鱼眼功能将这些图形区域放大,非焦点区域大小不变,从而保持屏幕中整个图形的尺寸不变。最后,将这种方法用在移动设备显示地铁地图方面。结果表明,在看清用户关注的多个换乘站细节信息的同时,也能了解到全局的拓扑。

基于线特征韦伯局部描述子的掌纹识别

目的将韦伯局部描述子WLD(Weber local descriptor)应用于掌纹识别,并针对掌纹具有丰富线特征的特点,在WLD基础上改进获得线特征韦伯局部描述子LWLD(line feature weber local descriptor),以提高掌纹识别的效率。方法首先采用MFRAT或Gabor滤波器对掌纹图像进行线性滤波,生成方向图和能量图;然后对能量进行韦伯差分激励滤波生成差分激励图;最后,基于方向图和差分激励图构造线韦伯特征直方图,并基于线韦伯特征直方图进行掌纹特征识别。结果基于PolyU Ⅱ和Cross-Sensor掌纹库进行对比实验,采用曼哈顿距离和卡方距离进行匹配,其中在PolyaⅡ库上的识别率最高均达到100%,在识别率和容错性方面均优于其他主要基于局部描述子的识别方法。结论首次将韦伯局部描述子引入掌纹识别领域,发展了一种新的基于局部描述子的掌纹识别方法。和其他基于局部描述子的掌纹识别算法相比,本文方法具有更高识别率和稳定性。

面向具有重复结构的大规模CAD模型的快速渲染

目的基于普通个人计算机快速渲染大规模计算机辅助设计(CAD)模型仍然是个挑战。针对由少量基本对象按一定规律排布而成的大规模CAD模型——重复结构CAD模型,提出一种快速渲染方法,能够在个人计算机上的快速渲染大规模重复结构CAD模型。方法该方法首先利用重复结构CAD模型的层次结构特征,结合现代GPU的Render-To-Texture的功能进行快速视锥裁剪,节约视锥裁剪时间;然后利用重复结构CAD模型中对象按规律布置的特点,仅对少量基本对象进行面片化,其他对象的面片模型在渲染时根据对象排布规律由基本对象的面片模型实时变换生成,解决大规模CAD模型内存需求过多的问题。结果基于超级蒙卡核模拟软件系统SuperMC,使用典型重复结构模型——HM(hoogenboom-martin)、ADS(accelerator driven sub-critical system)、DCA(deuterium critical assembly)全堆芯CAD模型进行测试,HM、ADS、DCA模型分别由1 114 384,113 952和20 808个实体组成。测试结果表明,裁剪算法能大幅减少待渲染对象数量,渲染速度明显提高,且模型规模越大,本文方法优势越明显,在远视角的情况下提升效果最为突出,能提升3倍左右;结论针对任意大规模CAD模型的快速渲染仍然是一个挑战,但本文针对重复结构CAD模型的特点,针对性地提出一套专用渲染策略,在个人计算机上实现大规模重复结构CAD模型的快速渲染。使用多个典型重复结构模型——反应堆全堆芯模型进行测试,测试结果表明了本文方法的有效性。