基于生成对抗网络的砂岩薄片图像视野外重建

利用生成对抗网络(GAN)模型,对砂岩薄片图像的微观颗粒和孔隙结构进行视野外重建,并对预测图像的语义进行评价。结果表明,模型能够预测2.25倍于原始视野的砂岩微观结构,并且针对不同类型的岩石图像语义均具有良好的性能。模型对不同颗粒的表面纹理、颗粒形态以及多颗粒间复杂接触关系等语义的图像视野外预测结果与真实图像较为吻合。但是,在微观特殊现象图像的视野外重建任务中,模型缺乏对特殊现象的敏感性。在孔隙结构重建时,模型对微孔面孔率的预测误差大于粒间孔、裂隙和溶蚀孔等孔隙空间。不同孔隙空间重建图像的预测效果可能与孔隙特征(如孔径大小和连通性)有关。     

基于特征类内紧凑性的不平衡医学图像分类方法

近些年,基于深度学习的算法和模型在各种图像分析任务中都取得了显著的成功,与常见的自然图像相比,医学图像数据集依然面临高度不平衡的问题,不平衡数据会导致特征空间里的决策边缘倾向样本多的类别,导致分类效果的下降.为了解决该问题,提出一种基于卷积神经网络考虑特征类内紧凑性的不平衡医学图像分类方法（Z-Score Compactness-based Convolutional Neural Network,ZC3NC）.首先,从一个卷积神经网络的最后一层卷积层提取训练集样本与测试集样本的特征图,随后引入一个新的Z分数来度量测试集数据的特征图相对训练集每个类在特征空间上的偏离度,偏离度的度量基于类内的紧凑度,其主要关注样本的分布特性,对各类样本数量的不平衡性不敏感.最终,根据计算的偏离度,对测试集的数据进行分类.在DermaMNIST数据集上的实验表明,在不对数据和神经网络模型做任何额外增强的情况下,该方法的平衡准确率比原卷积神经网络模型平均提高11.15%,最多提高14.08%,证明提出的分类方法能有效地提高多种卷积神经网络对不平衡医学图像数据的分类性能.此外,和最先进的不平衡分类方法 Und...     

低真空对电渣重熔工艺和铸锭质量的影响

脱氧和夹杂物控制是电渣重熔钢锭质量提升的关键.分别在氩气保护的常压和低真空(10 kPa)条件下重熔H13电极,结合热力学计算,分析了低真空对电渣重熔工艺过程和铸锭质量的影响.结果表明,相比常压,低真空条件下渣池含气率升高,熔速波动更剧烈,所得电渣锭表面质量较差.常压和低真空条件制得电渣锭中总w_O分别为24×10^-6和18×10^-6,碳脱氧反应随压力降低而加强,并逐渐取代铝脱氧.相比Al-O平衡,10 kPa条件下与电极中w_C平衡的溶解w_O更低,因而能够进一步降低钢锭中w_O.碳脱氧产物是CO气体,不会引入新的夹杂物.常压和低真空条件制得电渣锭中夹杂物的类型没有明显区别,最大夹杂物尺寸从14.9μm分别减小到10.5μm和8.3μm,等效直径小于3μm的夹杂物检出比分别为63.85%和75.91%.低真空条件能够进一步细化夹杂物,提高钢锭洁净度.     

低水胶比对复合胶凝体系水化特性和动力学影响研究

低水胶比复合胶凝体系的水化机理和水化行为较普通水胶比胶凝体系存在一定差异,该条件下传统的水化结论往往不再适用.以不同低水胶比水泥-粉煤灰-矿渣复合胶凝体系为研究对象,通过测试净浆试件7d水化热,结合水化动力学模型探明了低水胶比、矿物掺合料掺量对其水化行为和水化机理的影响,并通过透射电子显微镜(TEM)和X射线衍射(XRD)分析了低水胶比复合胶凝体系的水化产物差异.研究结果表明：水胶比为0.2、粉煤灰-矿渣复掺量小于50%时,复合胶凝体系早期和后期的放热速率无明显差异,此时复掺粉煤灰-矿渣对水泥水化存在一定促进作用,当水胶比增至0.25和0.3时,复掺粉煤灰-矿渣在10～17h抑制了水泥水化;当水胶比由0.3降低至0.2时,胶凝体系最大放热速率呈增大趋势,且水化过程由NG-I-D改变为NG-D,不再经历相边界反应;水化至28d时,水化硅酸钙(C-S-H)的形貌随着水胶比的降低,由纤维状向球状转变.     

抗深度取证的多粒度融合图像修复网络

数字图像的真伪判别是图像安全领域中的基础问题,因数字媒体极易被攻击篡改,针对图像的取证技术得到了广泛的研究.另一方面,对图像篡改反取证技术的研究,不仅追求更逼真的图像篡改操作,也从相反的方向促进了取证技术的发展.图像修复作为基础的图像篡改操作,一直是国内外学者的研究热点.针对被修复篡改后的图像会被深度取证网络取证的问题,提出了一种抗深度取证的多粒度融合图像修复(multi-granularity fusion-based image inpainting network resistant to deep forensics,MGFR)网络.MGFR网络包括编解码器、多粒度生成模块以及多粒度注意力模块.首先,输入的破损图像被编码器编码成深度特征,深度特征通过多粒度生成模块生成3个不同粒度中间特征;然后,采用多粒度注意力模块来计算不同粒度中间特征之间的相关性并将其融合;最后,融合特征通过解码器生成输出结果.另外,所提出的MGFR网络被重建损失、模式噪声损失、深度取证损失以及对抗损失联合监督.研究结果显示,所提出的MGFR网络在拥有较好的修复性能的同时能成功规避深度取证网络的取证.     

震区中小跨径桥梁墩柱配筋率取值范围

为研究配筋率对钢筋混凝土桥梁延性抗震性能的影响,并在不同设防烈度对主筋配筋率的合理取值进行细分。以钢筋混凝土桥梁为研究对象,通过拟静力模型试验与有限元数值分析的方法,研究竖向钢筋(主筋)配筋率对桥墩延性的影响,提出典型桥墩的多级性能水平量化指标;并探究在氯离子侵蚀的恶劣环境下,不同配筋率对桥梁抗震性能所带来的影响,从而对氯离子侵蚀环境下的震区中小跨径桥梁墩柱配筋率取值范围提供参考建议。结果表明：考虑氯离子侵蚀作用下的恢复力模型能够较好地反映刚度的退化特性,墩柱的最佳配筋率取值范围为1.11%～2.72%;当加速度为0.3g(g为重力加速度)时,仅从配筋率的角度已无法满足墩柱的损伤指标,建议采用减隔震体系进行抗震设计,如采用延性体系时配筋率不得小于2.64%。研究结果可为中小跨径连续桥梁抗震设计提供参考。     

基于改进YOLOv5的遥感图像飞机目标检测

针对遥感图像中飞机检测尺寸大小不一、背景复杂导致的难以识别问题,提出一种基于YOLOv5网络模型的改进方法。首先,在YOLOv5网络模型中融入Swin-Transformer模块,使网络全局建模并使全维度信息交互,以提升网络的特征提取能力;其次,对损失函数进行优化,引入SIOU损失函数以考虑真实框和预测框之间的向量角度问题。对比实验表明,优化前后网络模型检测精度均为95.3%。在检测精度相同的情况下,改进后的网络模型召回率为91.2%,比改进前提升0.6个百分点;改进后平均检测精度mAP_0.5为95.7%,比改进前提升0.2个百分点。结果表明,改进后的YOLOv5网络模型能在一定程度上提升遥感图像中飞机目标检测性能。     

基于生成对抗网络的渐进式夜视图像彩色化算法

受限于夜景光照不足等影响,夜视成像中的部分内容极易缺失或模糊,导致这部分的彩色化效果不佳.为此,本文提出了一种基于生成对抗网络的夜视图像彩色化算法, 通过对纹理细节的修复来提升图像模糊区域的彩色化效果.首先,在模糊区域修复中,利用下采样操作减少模糊图像块的比例,并用梯度调节预测器对模糊图像块周围的像素值进行预测,以此来不断增强和修复模糊的纹理细节.其次,在彩色化过程中,依托于生成的超分辨率图像和已有的先进对抗网络着色模型,通过最小化亮度和纹理等失真,来生成较为清晰的彩色图像.实验结果表明,经过模糊区域恢复和增强之后,灰度图像的PSNR平均提升0.33 dB.相比之前的夜视图像彩色化方法,本文方法可以赋予灰度夜视图像更丰富、自然的色调,更清楚地表达图像的细节,从而提高目标探测和识别效率.     

花岗岩残积土双孔结构的蒸发脱湿机理

为研究花岗岩残积土蒸发脱湿过程中的水分运移规律,对深圳花岗岩残积土进行了一系列核磁共振测试和微观试验,分析了花岗岩残积土双孔结构的成因,对比了不同饱和度下残积土的水分分布规律,提出了残积土双孔结构的水分运移机理. 结果表明：氧化铁等胶结物与高岭土片层形成了花岗岩残积土的微孔结构;微孔结构与不易受扰动的大孔结构组成残积土的双孔结构;微孔结构和大孔结构在高饱和度下相互连通,在低饱和度下水力连接中断;双孔结构间水分同步蒸发,大孔结构向微孔结构的补给随着蒸发进行而减少. 本研究可为研究复杂土体结构水分蒸发过程提供一定的理论基础.     

基于改进I-Attention U-Net的锌浮选泡沫图像分割算法

针对泡沫图像的高度复杂性导致其难以被准确分割的难题,本文提出了一种新的I-Attention U-Net网络用于泡沫图像分割.该算法以U-Net网络作为主干网络,使用Inception模块替换第一卷积池化层来提取泡沫图像的多尺度、多层次浅层特征信息;引入金字塔池化模块,通过对不同尺度的特征图求和来提升分割效果;并对自注意力门控单元进行改进,使注意力单元更适合于浮选泡沫图像的分割,强化深层特征的重要性并对不同尺寸的泡沫边界进行强化学习.研究结果表明：本文所提出算法的Jaccard系数为91.73%,Dice系数为95.66%.与同类其他分割算法结果相比,Jaccard系数及Dice系数分别提高了1.59%、0.88%.该模型能够较好地对锌浮选泡沫图像进行分割,解决欠分割与过分割的问题,为后续的泡沫特征提取奠定基础.此外,该方法检测时间和模型参数少,具备可以部署在工业现场计算机的能力,有一定的实际应用价值.