基于分水岭变换的彩色细胞图像分割

提出了一种彩色细胞图像的分割方法,重点解决邻接或者重叠的细胞核或者细胞质之间的分割问题。算法主要基于数学形态学方法,首先利用k-均值聚类和直方图上的分水岭变换对像素进行聚类,从而得到细胞图像背景、细胞质和细胞核的粗略估计;然后利用形态学滤波和分水岭变换提取细胞核、细胞质的边界。结果表明:在少量人工干预的情况下,所述算法获得的细胞核、细胞质边界与实际情况比较吻合。对于含有邻接或者重叠的细胞核或者细胞质的图像,算法仍能提取理想的细胞组织边界。     

基于野外监测的阿娘寨滑坡自愈合特征

滑坡在地震、降雨和坡脚开挖时会发生慢速滑动,部分滑坡直接失稳破坏,但是部分慢速滑坡会慢慢变得稳定,呈休眠状态。目前,滑坡恢复稳定的自愈合过程外在表现和内在机制还研究较少,尤其是坡脚侵蚀型慢速滑坡的自愈合特征研究。2020年6月17日,四川省丹巴县梅龙沟爆发的泥石流堵塞小金川,形成泥石流-堰塞湖-溃决洪水灾害链,且溃决洪水掏蚀坡脚,导致阿娘寨古滑坡复活。通过对阿娘寨滑坡应急监测数据发现,阿娘寨古滑坡初期存在大变形,但后期变形逐渐稳定,存在强度恢复的自愈合现象。另外,数据表明滑坡的两次突然启动和小金川流量增大侵蚀坡脚相关,和地震和降雨关系不大。通过现场监测数据分析,滑坡刚发生时变形速率高达118 mm/h,本文建立的预测模型表明,在没有外在触发因素条件下,滑体会在8月21日左右变形速率低至1 mm/h。本文以阿娘寨滑坡为例,分析滑坡的变形过程和自愈合特征,并基于野外监测数据建立自愈合过程预测模型,该方法对于科学评估滑坡稳定性,减小滑坡防治设计成本具有重要意义。     

基于改进U-Net网络的混凝土表面裂缝分割

如何快速、高效、准确地像素级分割混凝土表面裂缝是当前研究的热点问题之一.在混凝土表面裂缝图像中裂缝面积远远小于正常路面面积,造成现有方法在这种正负样本分布不均问题中无法有效学习裂缝特征,最终分割效果较差.提出了一种将Focal损失与活动轮廓模型相结合的新损失函数,针对裂缝面积较小且连续分布的特点,通过Focal损失加强...     

基于多尺度形态学滤波的CT图像疑似肺结节提取

CT图像中疑似结节病灶区域的分割和提取是肺部CAD系统的关键和难点.研究一种基于肺结节几何特征的多尺度形态学滤波的疑似结节区域提取算法,构造了一组不同尺度的类圆形结构元素进行形态学滤波.经过多尺度处理,不同大小的疑似肺结节区域得到增强和突出,气管、血管等线形解剖组织得到了削弱和抑制,结构元素的几何参数及二值化阈值参数的选取不需要人工设置.实验结果表明,该算法可以较好地实现不同大小疑似结节区域的自动提取.     

基于差分投影与优割字符的车牌字符分割

针对车牌字符分割提出一种基于差分投影与优割字符的车牌字符分割算法.该方法利用水平差分投影图进行倾斜校正和水平切割,使得倾斜校正和水平切割同时进行,在降低算法的复杂度的同时提高了水平定位精确度.然后,结合垂直投影和连通域算法寻找车牌的优割字符,生成滑动的分割模板进行字符的垂直分割,有效地解决了字符粘连、断裂情况下字符识别问题.实验证明该方法分割速度快,分割质量好,对于模糊车牌识别具有自学习品质和很强的抗干扰性能.     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

基于快速路交通录像的交通流模型参数测量方法研究

提出一种利用城市快速道路交通录像资料测量交通流模型中各种参数的方法.以北京市一个路段的实际录像资料为例,通过测量和分析获得Kerner非线性模型中的临界密度、宽运动堵塞的传播速度和Greenshields模型中的畅行速度等参数.结果显示,这是一种操作性强、成本很低且有多种应用前景的交通流测量新方法.     

融合特征通道重要性与相似性的深度YOLO网络压缩方法

基于深度YOLO网络的目标检测方法网络结构复杂、冗余参数过多、计算量大,极大影响模型检测性能。针对此问题,从降低网络中低效通道和冗余通道的影响出发,提出了一种融合特征通道重要性与相似性的深度YOLO网络压缩方法,基于深度网络压缩中的网络剪枝思路,采用2次剪枝剪去低效及冗余特征通道。构建通道重要性计算方法,将稀疏因子作为通道效能计算指标,结合剪枝率剪去低效通道;根据通道间存在的线性关系计算其相似度,对相似度较高的通道进行替代,剪去相似度较大的通道;微调模型参数,恢复剪枝前的检测精度。仿真实验表明,同当前性能较优的深度网络压缩方案相比,提出的方法在保证目标检测精度的同时极大减小了模型尺寸、提升了检测速度,方法可行、有效。     

快速数据读取技术的实现

为提高通过Web Services获取数据的速度,提出了一种基于.Net的AppDomain技术和远程对象调用技术,突破Windows系统的线程限制,以最快的速度从数据供应商那里获取数据的一个业务无关模型,并对此模型的一个典型应用--股票系统的应用进行了讨论.基于此模型,用户可以自由设定并发线程的数目来获取数据,不必受到并发线程数目的限制,也不必修改TCPIP.SYS文件.在IBM xSeries X206m服务器上测试结果表明,与不用Domain技术测试比较,可以提高20倍左右的效率.同时,此模型可以经过简单的修改,应用在各种对速度有严格要求的系统中.     

约束的移动对象最近邻轨迹查询

提出了一种新的查询概念,即约束的移动对象最近邻轨迹(constrained nearest neighbor search on moving objects trajectories,简称CNNMOT)查询.针对两阶段算法分阶段处理最近邻查询和范围查询的缺陷,对传统空间最近邻算法进行了改进和扩展,使其能够合并到一步完成,并对传统的mindist定义进行了修改.实验结果表明:该改进算法能较好地克服两阶段算法的缺陷,并在数据量较大时仍保持较高的性能.