基于深度学习的多模态眼科图像回归预测

青光眼是世界第二大致盲性眼病，视网膜神经纤维层（RNFL）缺损是诊断青光眼的重要特征。在临床应用中主要采用光学相干断层扫描（OCT）测量RNFL厚度。然而在我国的多数中小型医院和体检中心，只有眼底照相机而不具备OCT设备。因此利用眼底照和OCT的多模态数据，设计了一种基于眼底照来预测RNFL厚度的深度残差回归神经网络。该网络通过眼底照中的局部区域信息预测此区域的RNFL厚度，并对视盘外围一周范围内的RNFL厚度给出全面的刻画。在一个来自北京同仁医院的真实数据集上的实验结果显示，本文算法预测的RNFL厚度值与OCT测量值具有高度的一致性（对于正常眼平均绝对误差E_MA=14.884，Pearson相关系数r=0.885，决定系数R²=0.781；对于青光眼E_MA=15.108，r=0.872，R²=0.754）。评估结果表明所提方法对基于眼底照预测RNFL厚度具有良好的临床实用性。     

面向港口车船目标的航空影像旋转不变检测器

为了解决通用目标检测架构在航空影像下港口场景中的车辆和船只检测任务中性能不足且不能估计目标方向的缺陷。一种单卷积旋转不变检测器被提出以解决这种问题。基于回归网络的旋转不变检测器网络层数更少，边框分配和尺度大小更加公平，在带有角度信息的方向边框策略的配合下能够在特定场景的目标检测任务中实现更鲁棒的检测结果并能评估目标的方向。使用同一数据集与众多先进架构的对比实验和旋转边框消融实验的结果证明了提出架构的优势。     

水下三维激光扫描在导管架平台损伤测量中的应用

海洋石油导管架结构受损点的尺寸测量目前主要使用机械卡尺测量，这种测量方法存在较大的误差，无法全面评估损伤点对导管架的影响，为此，需要引进新的方法和技术来满足导管架损伤点的测量。为准确评估损伤点对导管架的影响，保证导管架运营的安全，采用水下机器人（ROV）搭载三维激光扫描仪，分别对中国某海域导管架的阳极和已知损伤区域进行激光扫描，通过对激光点云数据的处理，得到被测物的三维模型，从而实现损伤结构的尺寸测量。研究结果表明，激光扫描仪便于ROV搭载和安装，可以应用于导管架已知损伤点的测量，测量精度可达毫米级。激光扫描测量的精度受诸多因素影响，作业时需优化作业方式，从而得到高质量的数据。ROV搭载水下三维激光技术，为深水结构物的尺寸测量提供了一种高精度的可行性方案，可以进行水下结构物的三维建模和尺寸测量，调查结果准确可靠，为后续的完整性评估提供参考。     

基于近似骨架和混合蛙跳算法的K-means方法及其在眼底病历图像中的应用

为提高K-means算法全局搜索能力,提升聚类效果,提出一种基于近似骨架和混合蛙跳算法的K-means方法。该方法首先利用经典的混合蛙跳算法取代K-means算法中原有迭代公式,获得更优秀的聚类结果;然后对获得的聚类结果,使用基于近似骨架和混合蛙跳算法的K-means算法不寻找聚类中心,而是直接对簇的划分进行修改。UCI数据集实验结果表明,使用改进的聚类算法获得的聚类结果,较其他算法结果更为优秀。最后将改进后的聚类算法应用到医学眼底病历图像中,可以得到较好的血管切割效果。     

微观剩余油赋存状态的矿物学机制探讨——以鄂尔多斯盆地中部中‒低渗砂岩储层为例

针对现阶段微观剩余油研究中可视化精度低、微观剩余油与矿物之间的依存关系不明确以及形态分类描述不完善等问题, 利用岩芯观察、铸体薄片分析、X射线衍射分析等手段, 以场发射环境扫描电子显微镜(FE-SEM)图像为基础资料, 联合能谱(EDS)分析资料, 研究鄂尔多斯盆地中部长2油层组和长9油层组的微观剩余油分布规律, 并探讨剩余油赋存状态的矿物学机制。结果表明, 微观剩余油的赋存状态由孔隙的大小和形态以及与孔隙相接触的边缘矿物的性质共同决定, 不同类型孔隙对剩余油的赋存能力取决于孔隙边缘矿物的形态、表面粗糙程度、比重和润湿性等物理化学性质。据此, 可将微观剩余油分为残留油团、半自由油岛、半自由油雾、半自由微油团和束缚油5个类型。     

青钱柳产黄酮类物质真菌的分离与鉴定

【目的】对青钱柳产黄酮内生真菌进行鉴定,探究提取黄酮类物质的新方法。【方法】采用组织分离对青钱柳枝、叶、根、皮的内生真菌进行分离,用不同培养基进行培养,观察其形态特征进行初步分类;通过显色反应、薄层层析(TLC)、高效液相色谱(HPLC)对内生真菌的发酵产物进行分析,筛选产黄酮类物质的内生真菌,并测定总黄酮产量。根据菌株的形态学特征,结合真菌rDNA的居间序列(internal transcribed spacer, ITS)的系统进化分析鉴定。【结果】分离得到67株内生真菌,通过菌落形态和显微形态观察,隶属于3纲、4目、6科、10属;最终确定4株产黄酮物质的内生真菌:PZ06、CY12、CP06、PP03,其中黄酮产量最多的是菌株PZ06,产量为3.61 mg/L。分子鉴定结合4种菌株的形态学鉴定结果表明,PZ06、CP06、PP03均属于链格孢属(Alternaria),CY12属于正青霉属(Eupenicillium)。【结论】青钱柳产黄酮的优势菌群为链格孢属(Alternaria)。该研究对植物内生菌的开发利用有着重要参考意义,产黄酮类物质的内生真菌的发现为活性物质的提取提供了新方法。     

双时相影像联合不确定性对变化检测精度的影响机理探索

研究了双时相影像的联合不确定性对变化检测结果精度的影响机理，为通过抑制不确定性的方法提高变化检测精度的工作奠定理论基础.首先利用联合熵对双时相影像的联合不确定性进行量化评估；进而基于空间统计相关方法，研究影像的联合不确定性与双时相影像变化检测精度指标之间的关系；最后建立双时相影像联合不确定性对变化检测结果精度的作用模型.实验结果表明：双时相影像的联合不确定性与变化检测结果的精度之间呈现出强负相关性，且对变化检测结果精度的影响模式具有线性特征.     

基于ULS、TLS和超声测高仪的天然次生林中不同林冠层树高估测

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。     

利用单检波器数据估计高铁列车运行速度

在列车结构基本上固定的前提下, 仅利用高铁线路隔离区外单个检波器采集的地震数据来估计高铁的运行速度。通过给出列车经过铁路上一点时该点的受力函数振幅谱与列车运行速度的关系, 提出一种基于速度扫描的列车速度估计方法。首先根据列车结构参数及预设列车运行速度生成一系列受力函数振幅谱, 然后计算各种速度下的受力函数振幅谱与单个检波器所接收到信号振幅谱的互相关函数, 最终选取互相关函数值最大时对应的速度作为列车运行速度的估计值。合成数据及实测数据的结果均证明所提方法的合理性, 有望将此方法推广到其他道路交通中具有固定结构交通工具的速度估计中。     

基于CNN的计算机生成图像识别方法

针对计算机生成图像(Computer Generated images, CG)与真实照片(Photograpgh, PG)识别率不高的问题,该文提出了一种改进的卷积神经网络方法来实现CG与PG的识别.该方法首先对识别问题进行卷积神经网络二分类建模,并选择VGG-19网络结构作为基础,建立不同的模型.该方法创新性地引入迁移学习,节省训练时间和大量计算资源,最后使用softmax分类器进行分类.实验结果表明,该文方法对PG图像的识别准确率达到92%.与其他方法比较,该文方法识别准确率最高,说明该文方法具有可行性与有效性.