基于参数优化残差网络的皮革缺陷分类

针对皮革缺陷分类存在误判、成本较高及目前关于皮革缺陷的研究主要是针对皮革做缺陷检测,未进行缺陷分类的问题,采用一种参数优化的残差网络来实现皮革缺陷的自动分类。首先通过多层卷积、池化操作进行特征提取,并引入残差模块解决深层网络的梯度消失问题;然后依据所提取特征进行缺陷分类;最后根据皮革数据集优化关键网络参数,使用数据增强方法对数据集进行扩充,有效避免了网络模型因样本不足易产生过拟合的问题。实验结果表明该方法可对皮革缺陷进行有效分类,分类精度达到92.34%。     

基于扩展梯度算子的结构相似度图像质量评价方法

为了更精确地评估图像质量,提出了一种新的客观评价算法:基于扩展梯度算子的结构相似度图像质量评价方法(extended gradient-based structural similarity,E-GSSIM)。首先分析了结构相似度(structural similarity,SSIM)与梯度结构相似度(gradient-based structural similarity,GSSIM)的不足,提出应用扩展Sobel算子替代GSSIM的传统Sobel算子,从而能够从多个方向提取邻域的梯度信息。为了不破坏原图的固有图像属性及使所提取的梯度信息更具有一致性,在计算梯度信息的时候引入衰减与阈值因子。LIVE2、TID2008、TID2013与CSIQ四个图库的定性与定量验证表明,E-GSSIM算法要优于传统的PSNR、SSIM、GSSIM质量评价指标,更为符合人眼视觉感知结果。     

平面中大多数多边形不是自相似分形集

指出平面上存在着一类凸n边形，对于任一满足开集条件的自相似压缩系统而言，它们均不能成为其吸引子，也就是它们均不能由有限个自身的相似图形无重量、无遗漏地拼接而成．并进一步得到，在Hausdorff度量dH意义下，所有不能作为自相似压缩系统(且满足开集条件)吸引子的凸n边形构成的集合包含着凸n边形空间X中的一个稠密开集．     

关于分布混沌的一点注记

证明了一个关键性引理：对于给定的可数个(包括有限个)严格递增的正整数序列S1,S2,…可以找到某一个严格递增的正整数序列T，使得对于每一个i=1，2，…，序列Si与序列T有一个共同的子序列，它在序列T中的上密度为1．借助这个引理，给出了某些混合(拓扑混合或者测度论意义下的混合)的系统中存在着混沌行为的某种新特征，它较之于序列分布混沌更为严酷．