基于多尺度宽激活残差注意力网络的图像去块效应

为了节约传输带宽和存储资源,成像设备和系统一般对图像和视频进行了有损压缩. 由于分块量化编码,JPEG图像往往存在明显的块效应. 去除图像的块效应不仅能够改善使用者的视觉体验,还有利于其他计算机视觉任务的开展. 为此,本文提出了一种基于多尺度宽激活残差注意力网络（MWRAN）的图像去块效应方法. MWRAN主要由多尺度宽激活残差注意力模块（MWRAB）构建而成. 提出的MWRAB不仅能够激活更多的非线性特征以促进信息在网络中的流动,还能够捕获丰富的图像多尺度特征. 此外,通过提出的轻量的差异感知通道注意力（LCCA）,MWRAB能够对学习到的特征进行自适应地调整以关注更重要的信息. 消融实验验证了MWRAB的有效性. 在常用的基准数据集上,MWRAN取得了比几种先进的图像去块效应方法更高的客观评价指标和更接近原图的主观视觉效果.     

ΛCDM and MOND: A debate about models or theory?

The debate between ΛCDM and MOND is often cast in terms of competing gravitational theories. However, recent philosophical discussion suggests that the ΛCDM–MOND debate demonstrates the challenges of multiscale modeling in the context of cosmological scales. I extend this discussion and explore what happens when the debate is thought to be about modeling rather than about theory, offering a model-focused interpretation of the ΛCDM–MOND debate. This analysis shows how a model-focused interpretation of the debate provides a better understanding of challenges associated with extension to a different scale or domain, which are tied to commitments about explanatory fit.     

基于多尺度投入-产出表的中国对外贸易产业结构调整多目标优化

出口贸易引发的资源流失风险是当今研究的热点. 本文动态地分析了出口贸易引起的资源流出变动及其影响因素, 并对2018-2022年中国地区出口贸易进行优化调整. 首先, 本文利用行业间投入-产出表和资源消耗数据计算中国各行业的直接和完全资源消耗系数; 其次, 利用结构分解模型挖掘出口导向的隐含资源流出量变动的主要原因; 随即, 将45个行业进行聚类分析, 探讨未来各行业的节约资源潜力和调整路径; 最后基于情景分析和多目标优化理论, 从出口贸易结构, 贸易额和技术发展视角对中国未来出口贸易进行模拟分析. 实证分析结果表明: (1) 直接消耗强度, 技术进步, 出口总量和出口结构等4个影响因素中, 出口额对资源流失风险的贡献率最大. 直接能源消耗强度有助于降低因出口导致的能源流出, 而完全消耗水资源强度的降低大大减少了资源流失风险, 符合现实； (2) 以2017 年为基准年, 利用多目标优化模型求解2018-2022年出口结构和出口量, 结果表明优化结果有利于降低资源流出量. 通过调整未来各行业资源消耗强度, 优化结果发现技术提升带来的资源节约优势逐渐增强, 本文认为, 为技术改善的资金(人员)投入的边际产出呈现逐渐增强效应.     

基于迭代逼近的圆标志精密定位算法研究

目前圆标志定位主要通过拟合边缘像素获取中心位置,理想情况可达亚像素级精度;但计算复杂且受噪声影响大。对此,引入一种无需圆拟合,在边缘提取与粗定位基础上利用圆标志边缘像素迭代逼近圆心的高精度定位方法;并着重探究迭代中心点误差随叠加噪声与迭代次数不同而存在的影响规律。研究结果表明:在叠加相同水平噪声而迭代不同次数情况下,迭代中心点误差呈指数函数分布;在迭代相同次数而叠加不同水平噪声情况下,其呈傅里叶函数分布;且圆标志x与y方向误差分布模型相似,进一步说明通过该类模型可对圆标志在不同噪声下的定位精度进行较为精确地估计。最后实际标志成像计算结果表明定位精度达到0.02像素。     

基于多尺度特征深度神经网络的不同产地山楂细粒度图像识别

中药是中医治疗疾病的主要途径,也是我国中医药事业传承与创新发展的物质基础,其真伪优劣也会直接影响中医临床的疗效,因此研究科学合理且高效的中药材质量检测方法符合当前行业热点.山楂作为中国著名的药食两用类药材,在烹饪和治疗中具有保护心血管、降低血压的作用,被广泛应用;但由于自然环境与栽培条件的不同,不同产地的山楂易被混淆从而对品质产生影响.尽管化学、生物鉴定的方法广泛而重要,但专业门槛高,耗时较长;且传统图像处理方法容易受外在环境因素干扰,可靠性差.因此亟待研究快速准确的方法以实现山楂产地的精准鉴别;受CoAtNet与Swin-Transformer网络启发,本文结合MBConv模块中深度可分离卷积网络对局部信息建模的特点与Swin Transformer模块多层次结构可弥补网络非局部性损失的特性,提出一种多尺度特征的混合神经网络模型,通过获取图像不同层级特征,将获取的形状、颜色与纹理等浅层特征作为先验知识与高层级语义信息进行特征融合,研究了一种快速有效的识别方法以实现对不同产地山楂的有效鉴别;此外,本文提出一种新的局部空间注意力机制,通过形成通道注意力模块联合空间注意力模块的新结构,实现对图像细粒度特征的聚焦与学习.实验结果表明,本文所提出的方法有最高的鉴别准确率为89.306%,优于其他基线模型.实践证明,本文的研究提高中药材鉴别的科技水平,拓宽传统中医药的研究思路.     

多结构元素多尺度的数学形态学图像边缘检测算法

边缘检测是图象处理与模式识别的一个重要图象预处理过程。传统的边缘提取方法如Sobel,Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此我们提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图象以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图象边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图象的边缘。     

基于平均法和多尺度法的输电线舞动解析解精度讨论

为了准确得到覆冰输电导线的舞动特征,对比了平均法和多尺度法得到了解析解与数值解的区别。结果表明平均法与零阶(ε0)多尺度法的解析解一致,相比较于数值解其误差随风速增大而逐渐增加,最大为19.2%;一阶(ε0、ε1)和二阶(ε0、ε1、ε2)多尺度解析解精度较高,最大误差仅为4.2%。并且发现由于激励的非线性导致了输电导线舞动的振动中心发生了漂移,采用平均法和零阶(ε0)多尺度得到的解析解中并没有漂移现象发生,但使用一阶(ε0、ε1)和二阶(ε0、ε1、ε2)多尺度解析解都发生了漂移现象并且和MATLAB的数值结果非常接近。     

水下图像的多尺度分数列维稳定运动模型

针对水下散射图像,首先分析了其增量分布及其自相似特性,指出了传统FBM模型的不足。接着讨论了一类重要的自相似稳定过程FLSM模型,将纹理表面的自相似指数看作依度量尺度范围而变化的变量H△(s) ,提出了一种新的模型——多尺度分数列维稳定模型（Multi-scale Fractional Lévy Stable Motion, MFLSM）。将MFLSM扩展至二维,用于对该类图像的仿真,仿真结果表明该模型具有对纹理多尺度自相似性以及散斑纹理的表征能力。     

Human physiome based on the high resolution dataset of human body structure

Physiome Project, as a new concept, is proceeding rapidly with the great advancement of genomics, physiological experiment, biologic modeling and computer simulation technique. The project seeks to provide a quantitative framework for modeling of the human physio- logical system using computational approaches, which is able to integrate the knowledge of molecular biology, biochemical, biophysical and anatomical information on different levels, including cell, tissue, organ, system and organism. This paper reviews the development of the Physiome Project in the past decade. The role of high-resolution datasets of human body structure in Physiome Project is discussed. The future plan and applications of the high-resolution datasets of human body structure to Physiome Project are discussed as well.     

融合SIFT的多尺度分析人脸识别算法研究

由于人脸识别过程中会受到光照、尺度等因素的影响,采用传统的SIFT算法进行人脸识别时会出现匹配效果较差、无法匹配或是错误匹配的情况,因此提出了一种融合SIFT算法的多尺度分析的人脸识别算法。首先在粗尺度上,采用形态学边缘检测算法对原始的人脸库进行轮廓特征提取,形成新的人脸库;然后在细尺度上,采用SIFT算法对新的人脸库进行人脸识别与匹配。采用ORL人脸库对改进后的算法进行验证,实验结果表明改进后的SIFT算法较好地解决了传统SIFT算法的不足,计算量大大减少,人脸图像的识别效率与匹配效率得到了有效提升。