基于主动轮廓模型的序列图像分割

提出一种改进的主动轮廓模型应用于医学序列图像的分割。一方面,对内部能量函数增加约束性条件,制约轮廓的长度,使其尽可能短来避免边缘轮廓收敛到中垂线上的其它组织的较强边缘点;另一方面,利用序列图像之间局部区域的信息相关性,重新构造外部能量函数来排除纹理特征的干扰,更好地捕捉到边缘上的拐角点。实验结果表明,提出的改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些伪边缘点,可达到良好的分割效果。     

基于奇偶交叉卷积的轻量级图像语义分割网络

传统轻量级图像语义分割网络中的跨步下采样卷积导致感受野呈现刺状分布，使得像素点利用率出现系统偏差，影响分割精度的提升。为此，针对传统的轻量级图像语义分割网络设计一种奇偶交叉卷积的下采样模块，在跨步奇数卷积模块前增加单步偶数卷积模块，在一定程度上缓解了刺状分布带来的不良影响，消除了分割网络中不同空间位置上像素利用率的偏差，最终提高了模型对像素点的分割精度。通过7种不同轻量级图像语义分割网络的对比可以看出，所提模型可以明显消除刺状分布，使分割网络的精度进一步提高，同时也证明了该模型适用于不同的轻量级网络，具有普适性。     

引力搜索算法优化脉冲耦合网络的图像检索方法

启发于脉冲耦合网络(PCN)在视觉特征表示方面的优势,提出使用引力搜索算法(GSA)优化脉冲耦合网络(PCN)来提取图像的视觉特征,对PCN的参数使用优化机制来提高所获取的特征质量,由此来提高基于内容的图像检索(CBIR)的分类和检索结果.首先对学习的图像用PCN生成特征码;然后计算特征码间的距离,距离变量作为适应度函数的输入;最后利用引力搜索算法优化PCN的几个变量,进行参数更新.在Caltech256和Corel数据库上的实验结果表明提出方法的有效性,相比于改进的相关反馈方法(IRF)、颜色边缘结合离散小波变换方法(CE-DWT)和色矩结合局部二进制模式方法(CM-LBP),提出的方法检索精确度至少提高了5%,查全率提高4%左右.     

基于奇偶交叉卷积的轻量级图像语义分割网络

传统轻量级图像语义分割网络中的跨步下采样卷积导致感受野呈现刺状分布,使得像素点利用率出现系统偏差,影响分割精度的提升。为此,针对传统的轻量级图像语义分割网络设计一种奇偶交叉卷积的下采样模块,在跨步奇数卷积模块前增加单步偶数卷积模块,在一定程度上缓解了刺状分布带来的不良影响,消除了分割网络中不同空间位置上像素利用率的偏差,最终提高了模型对像素点的分割精度。通过7种不同轻量级图像语义分割网络的对比可以看出,所提模型可以明显消除刺状分布,使分割网络的精度进一步提高,同时也证明了该模型适用于不同的轻量级网络,具有普适性。     

基于改进GA和OTSU的图像分割算法

图像分割是图像处理、模式识别和人工智能等多个领域中一项关键技术.文章利用改进遗传算法与改进OSTU算法相结合对二维图像分割进行了全局优化,使算法在保持群体多样性的同时加快收敛速度,提高算法全局收敛的稳定性,实现了图像的自动最佳阈值的分割.     

四元数和脉冲耦合神经网络应用于足球检测

提出一种基于四元数傅里叶变换注意力选择和脉冲耦合神经网络在图像中跟踪足球的方法. 首先进行图像预处理以去除球场以外的区域,用四元数注意力选择算法提取感兴趣区域,基于颜色、形状、面积等多种特征检测足球. 若检测失败,则采用卡尔曼滤波器预测足球位置. 仿真结果表明,与基于速度控制的动态卡尔曼滤波和实时足球检测两种方法相比,检测成功率分别提高9.6%和14.9%.     

改进脉冲耦合神经网络及二维Otsu算法的光伏阵列阴影检测

阴影对太阳能发电系统输出功率有极大的抑制作用,该文针对光伏阵列局部遮荫现象提出一种基于改进的脉冲耦合神经网络的阴影检测方法. 设置合适的初始参数,根据unit-linking PCNN（ULPCNN）算法进行阴影分割,利用二维Otsu算法自动选取迭代次数,以循环迭代过程中具有最优阈值的分割图像为最终分割结果. 仿真结果表明：该算法可检测出光伏阵列局部阴影,与传统的脉冲耦合神经网络算法及ULPCNN算法相比分割结果更好,操作更简洁.     

基于互信息的医学图像配准新方法

图像配准在医学图像处理技术中具有重要的地位。针对传统一阶互信息配准法对配准精度低等问题,本文提出了一种新的基于二阶互信息医学图像配准方法,利用二阶互信息与3*3邻域方差相结合的方法进行医学图像配准。通过对比可以得到,基于二阶互信息的配准方法能够更精确地将两幅图像进行配准,互信息值更大,得到的图像继承了更多的信息,有效提高了医学图像配准的精确度和信息量。     

基于遗传算子改进阈值的遥感图像分割算法研究

针对复杂背景遥感图像分割准确率不高的问题,提出了一种基于遗传算子改进阈值的遥感图像分割算法。通过对遗传算法中选择、交叉、变异等算子的优化设计,增强变异的多样性,加快搜索的收敛速度,以获取遥感图像分割的最佳阈值。实验仿真结果表明:该算法降低了阈值搜索时间,同时取得了良好的图像分割结果。     

一种区域统计信息的格子波尔兹曼图像分割模型

格子波尔兹曼(lattice Boltzmann, LB)分割模型具有算法简单、运算快捷的优点,但对于低对比度和受到噪声污染的图像,经常产生欠分割或者过分割现象.为此,引入图像局部区域统计信息,构建了一种新的格子波尔兹曼图像分割模型.为验证该模型及算法的分割性能,在相似性系数和豪斯多夫距离等评价技术指标下,利用真实脑磁共振图像作为实验数据进行分割,并与现有LB分割模型以及水平集分割模型进行对比.实验结果表明,该模型在分割精度方面比现有LB模型提高10倍,在计算速度方面比传统水平集分割模型提高3倍.     

脉冲电镀电源的一种神经网络控制方法

提出了一种用于脉冲电镀电源的神经网络控制器,并对脉冲变压器建立了数学模型.通过对整个电源系统进行仿真、实验,表明这种给予动态BP神经网络的控制器可以提高控制精度,并且对非线性.时变电镀负载有较强的适应能力.     

基于三维实体模型的工艺信息处理

提出了一种基于三维实体模型的零件工艺信息处理方法，通过前置处理，将CAPP所需要的工艺信息以属性形式赋予CAD模型，为CAPP系统的工艺决策提供信息源，并以UG为例，介绍了零件信息的描述、存贮和读取方法。     

医用内窥镜图像校正的BP神经网络方法

用传统的畸变校正法对内窥镜图像进行校正存在畸变模型复杂、计算量大、易产生误差等问题. 该文利用标准模板,提取样本点在标准图像和内窥镜拍摄的畸变图像中的坐标,分别作为BP神经网络训练的输入和目标,通过神经网络的训练拟合成像镜头的畸变模型,从而确定标准图像和畸变图像上像素点的位置关系. 再通过图像插值的方法进行图像恢复,实现图像校正. 实验结果表明该方法简单有效,具有精确性.     

基于混合神经网络的协同过滤推荐模型

数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络(convolutional neural network, CNN)和降噪自编码(denoising auto-encoder, DAE)神经网络混合的神经网络评分预测模型(convolutional-denosing autoencoder, CDAE)对用户未评分项目进行预测评分,从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵,其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重,结合用户评分数据经过降噪自编码神经网络训练,得到用户-项目预测评分,然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐(convolutional-denosing autoencoder collaborative filtering, CDAECF)模型.实验证明,所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据,具有较高的推荐准确率.     

傅立叶神经网络建模研究

基于函数逼近论,将一组傅立叶基函数作为三层前向神经网络各隐含神经元的输出特性,以其加权和作为网络的非线性输出,构成一种新型的傅立叶神经网络;从理论上解决了单输入神经网络隐含层数及隐含神经元个数难以确定的问题。仿真实验表明,该网络具有优良的逼近任意非线性特性的能力。     

基于水印神经网络的可溯源DNN模型保护方法

针对深度神经网络（deep neural networks, DNN）模型安全与版权认证的问题,提出了一种多用户溯源的水印神经网络模型,通过密钥驱动生成水印图像,将其不可见地嵌入待保护目标模型的输出图像中,实现DNN模型的知识产权保护和版权追踪。在待保护的DNN模型中添加一种编解码器网络实现水印的嵌入,并使用双流篡改检测网络作为判别器,解决了模型的输出图像中可能出现的水印残留问题,提升了水印嵌入过程的不可感知性,减少了对DNN模型性能的影响,增强了安全性。此外,通过本文设计的双阶段训练法针对不同用户分发不同的含水印模型,当发生版权纠纷时,使用另一个残差网络可以从输出图像中提取水印图像。实验证明,本方法分发含水印的模型效率较高,并且即使对多个用户分发了嵌入相似水印图像的DNN模型,水印神经网络依然可以成功对模型进行溯源。     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.