动态可控残差卷积神经网络的低剂量 CT 图像处理

针对计算机断层扫描(Computed Tomography, CT)中因采用低剂量扫描方式,导致图像噪声伪影干扰,尤其 是不同部位噪声和伪影强度存在较大差异这一问题,提出了一种基于动态可控残差的卷积神经网络(DC-ResNet) 算法。 DC-ResNet 的主要思想是在常规残差网络连接中添加一个图像质量指导的控制变量,以允许获取残差的加 权和,从而实现残差特征的动态可控。 所设计的 DC-ResNet 网络是一种包括两个子网络的组合型结构,一个是作 为主干网络的基础子网络,在该子网络中使用全局动态残差块和局部动态残差块来实现低剂量 CT 图像质量的提 高;另一个是作为辅助网络的条件子网络,用来生成基础子网络中不同动态可控残差块的权值,辅助基础子网络的 学习。 通过 Mayo 与 UIH 数据实验验证,其视觉结果表明:处理后的不同部位 CT 图像噪声伪影均能够得到较好的 抑制,并能有效地保留结构细节及组织纹理;量化结果表明:处理后的 CT 图像峰值信噪比( Peak-Signal to Noise Ratio, PSNR)和结构相似性(Structure Similarity, SSIM)均优于对比方法。     

基于机器人竞赛的应用型人才培养模式研究

应用型或技术型人才培养作为高等教育改革的重要内容近年来备受关注。结合近10 a开展的机器人竞赛实践活动,对应用型人才培养模式进行探究,提出了一种以机器人竞赛为驱动的计算机人才培养模式。通过该培养模式的实施,有效地提高了在校学生的自主创新和实践能力,较好地实现了高校到社会的知识与实践衔接,提高了学生的就业率,对应用型本科高校计算机专业的教学改革起到了积极的促进作用。     

基于空间域的车辆运动模糊图像的恢复

从车辆运动模糊图像产生的机理出发,分析了运动模糊图像的退化模型,给出了一种在空间域中车辆运动模糊图像的运动参数估计及恢复算法,该算法不涉及系统的传递函数,而是根据车辆运动模糊的逆过程在空间域内直接进行图像的恢复,其效果受曝光时间内运动距离a的影响较小,可避免频域计算中可能出现的高频振铃现象,实验结果表明,该算法具有较好的恢复效果.     

面向应用的数字图像处理课程教学模式的研究

针对数字图像处理课程的特点,提出了一种从工程应用实例现象的演示到理论分析,再到处理算法的设计实现,最后在工程实践中应用图像处理算法的教学模式;实践表明:这种教学模式不仅提高了学生对该门课程的学习兴趣,而且能够使学生将学习的知识应用于实际的项目,对培养学生的工程应用能力和实际开发能力起到了良好的作用。     

基于四旋翼机器人平台的非线性滤波算法研究

以四旋翼机器人姿态控制为研究目标,用四元数进行姿态描述,非线性滤波算法为主要研究对象,基于Matlab仿真平台,对四旋翼机器人姿态控制进行设计,并以非线性滤波算法的优化为重点,结合常用的滤波算法进行比较,实验结果表明:RPF更适用于机器人的姿态角度更新计算。     

基于CDIO理念的软件工程专业人才培养模式的研究

针对我国高等工程教育的现状,分析了CDIO工程教育模式和我国软件工程专业教育的特点以及目前软件工程人才培养中存在的问题,探索了在软件工程专业的卓越工程师教育培养计划中融合CDIO教育理念的培养机制;通过将人才培养过程与工程项目或软件产品的运行周期结合,设计专业人才培养方案,构建课程理论与实践教学体系,整合校内外师资力量,按照知识、能力、素质3个方面规范人才培养质量标准,以支撑当前教学改革中卓越工程师教育培养计划的培养。     

基于双主干网络的雾天交通目标检测方法研究

车辆和行人安全监测是城市交通监测的一项重要任务。 针对雾霾等复杂恶劣天气条件下,监测采集的图像视觉效果差、噪声高、目标检测困难等问题,提出了一种双主干网络(MobileNets VGG-DCBM Network, MVNet)用于雾天交通目标检测,结构受 PCCN 和 CBNet 网络结构的启发,由改进的深度可分离卷积神经网络 MobileNets 和基于 VGGNet 构建的 VGG-DCBM 网络组成;采用并行方式构建双主干目标检测网络结构,以改进的 MobileNets 为主主干网络,VGG-DCBM 为辅助主干网络,共同提取特征信息,实现不同网络间特征层信息的融合;MVNet 网络结构采用并行方式获取两个不同网络提取的不同特征层信息,通过采用通道拼接的方法实现不同网络特征信息之间的融合,以获得更丰富的细节特征;在 RTTS 和 HazePerson 数据集上,平均精度均值(mean Average Precision, mAP)分别达到 71. 50%和 89. 84%;实验结果表明:在雾霾等复杂恶劣天气条件下具有较强的鲁棒性且能够准确的检测到车辆和行人,在目标检测性能上优于对比方法。     

基于正交Gaussian-Hermite矩的运动检测在去隔行中的研究

针对去隔行算法中运动检测易出现运动误判的问题,采用基于正交Gaussian-Hermite矩的运动检测算法,通过比较相邻连续图像帧绝对像素值的变换范围来判断像素点的运动范围,以此确定目标图像是否为运动图像.实验结果表明,此算法有效提高了峰值性噪比,降低了均方差,对运动平缓图像去锯齿效果良好.