机器视觉的背景颜色对水稻种子图像分割的影响

在机器视觉识别水稻种子的发展过程中,背景颜色对水稻种子的图像分割直接影响着识别分析的准确性.采用4种不同的背景颜色进行图像采集,即将黑色、蓝色、绿色和红色涂在种子上,分析其图像识别效果,研究背景颜色对水稻种子图像分割的影响.利用LabVIEW软件实现图像处理,对水稻种子的长度、宽度等简单参数进行测量,根据水稻种子的实际长度和宽度计算不同背景色下的图像识别误差.研究发现,蓝色背景下种子长度和宽度的识别对比度更好,识别准确度更高.     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

构建河南汉画像石图像资源数据库研究

河南省是我国四大汉画发掘地之一,主要集中在南阳、新密、许昌、商丘等地区,汉画像石题材广泛多样,反映了汉代人们生活的方方面面,为研究汉代历史文化提供了宝贵的资源,具有极高的艺术文化价值。但目前,汉画在信息传递方面仍比较落后。基于此,本文从数据库建设内容与思路、建设原则、数据库结构等方面分析构建河南汉画像石图像资源数据库的具体方法,全力打造方便实用、特色鲜明的数据库。     

多任务深度卷积网络的CT图像方向校正

针对医学电子计算机断层扫描(CT)图像方向校正问题,提出一种并行卷积回归(PCRN)多任务深度学习网络.通过侧旋角度正回归和翻转概率逻辑回归,求得校正参数来精准地校正图像.进一步,针对医学图像训练样本稀缺的情况,提出一种串行回归(SCRN)的深度学习架构,弥补并行卷积回归网络在小样本情况下校正精度不足的问题.实验结果表明:在样本充分,并行卷积回归网络和样本稀缺情况下,串行卷积回归网络对小角度偏转、大角度偏转和翻转的腹部CT图像校正结果都优于传统的配准方法.     

钎焊磨粒测量系统中的显微图像快速融合

为了直观地表征钎焊砂轮表面磨粒的形貌,针对钎焊磨粒测量系统中显微镜头景深小,难于一次性清晰成像的问题,提出基于聚焦评价函数的磨粒显微图像快速融合方法.以聚焦评价函数的最大值为依据判别聚焦像素点,提取聚焦像素点颜色信息进行图像融合.针对特殊照明条件造成的融合误差进行误差补偿,对融合结果呈现的雾化现象,采用暗通道先验法进行去雾处理.实验结果表明:单颗磨粒137幅1 600 px×1 200 px显微图像融合过程用时5.10 s;文中方法可快速、直观地表征钎焊砂轮表面磨粒形貌.     

航空术语语义知识库ATHowNet的构建

语义知识库在自然语言处理的许多领域中起着重要的作用。现有的语义知识库主要面向常识知识,特定领域的语义知识库则很少。文章将知网(HowNet)的理论体系与概念表示方法扩展至航空领域,提出了一个航空领域术语语义知识库——ATHowNet,并介绍了构建过程。该知识库包含3700个概念、3959个概念关系和3864个术语。在航空术语相似度计算及词类比任务上应用与验证了ATHowNet,结果证实了其在航空领域概念语义描述及基于概念关系推理上的有效性。     

太阳局部高分辨观测像的日球坐标自动标定

观测图像的日球坐标标定通常是处理太阳局部高分辨观测像的第一个步骤,但这也一直是很多太阳物理学家面临的困难.本文应用尺度不变特征变换来提取特征匹配点,提出了一种将局部高分辨光球和色球图像与空间/地面全日面像自动匹配以确定其视场在日球坐标系位置的方法.同时还总结了一套有针对性的图像预处理方案和流程,用于提高特征点检测的准确度和增加匹配点对数量,从而成功地实现了新真空太阳望远镜(New Vacuum Solar Telescope, NVST)的氧化钛(titanium dioxide, TiO)波段与太阳动力学天文台(Solar Dynamics Observatory,SDO)日震磁像仪(helioseismic and magnetic imager, HMI)连续谱、Hα波段与全球日震网(Global Oscillation Network Group, GONG)或者太阳动力学天文台/大气成像仪(atmospheric imaging assembly, AIA)304?波段的图像配准.最终结果用SDO标准关键字记录在标定后的普适图像传输系统(flexible image transport system, FITS)文件头中,以便使用通用的太阳软件包来进行各种后处理.这一工作实现了高分辨观测像的标准化日球坐标标定,为太阳物理学家更好地使用高分辨观测数据提供了极大的便利,从而提高了数据利用率和科学产出.     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.