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.     

基于旋量与包络理论的蛇形机器人安全攀爬

针对正交关节连接的蛇形机器人,文中提出了一种新的基于旋量与包络理论的螺旋攀爬运动研究方法.首先应用旋量理论对蛇形机器人进行运动学建模与求解,以降低传统D-H参数法建模的复杂性;然后基于包络思想分析蛇形机器人在攀爬运动过程中与圆柱杆的接触关系,提出了二值图像表示法来揭示机器人与圆柱杆的包络状态;最后基于弹性包络的分析结果,求得蛇形机器人的螺旋攀爬力,进而提出以安全攀爬力和攀爬系数为优化目标的控制参数优化模型.仿真结果表明,攀爬力与弹性包络状态间具有一致性,从而验证了文中提出的优化模型的正确性.     

基于CFD仿真模拟及PIV粒子示踪相结合法超滤膜组件优化

采用在线监测与水力流体模拟相结合方式,利用数值模拟仿真技术、示踪技术及高速图像采集分析等手段,考察现有超滤膜组件内部的流场分布,并设计出新型超滤膜组件。结果表明,由于超滤膜组件内部流场主要受到布水管布水的影响,布水管上开孔均匀与否将直接影响整个超滤膜组件内部布水的均匀性。与组件UFA-860C相比,设计出的条形孔超滤膜组件因其布水管上有规则地均匀开孔且采用多根布水管组合,在运行时组件内部布水更加均匀,且能够充分利用膜丝的有效面积,从而有效减缓膜污染。     

改进色差法的绝缘子图像分割方法

绝缘子是输电线路中的一种重要金具,对绝缘子的精确定位是监测其运行状态的前提。针对已有的红蓝色差灰度化及聚类分割方法无法从输电线图像中有效分割褐色绝缘子这一问题,提出红绿色差灰度化方法,并结合Otsu、红蓝色差灰度化、K-means和投影特征实现绝缘子分割。首先,利用Otsu算法将绝缘子与大部分背景进行分割预处理,把预处理后的二值图分别以白色像素、黑色像素映射回原图;然后,对映射图像分别对应进行红蓝、红绿色差灰度化,接着采用K-means聚类算法对灰度图分割。最后,根据投影特征从两幅候选图像中识别出绝缘子图像。实验结果表明,该方法不仅能对输电线图像中的蓝色、褐色绝缘子进行有效分割,还能减少背景分割。     

校园航拍图像超分辨率重建的粒计算方法

提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.     

基于非凸范数的低维图像去噪问题研究

基于传统低秩去噪模型,利用非凸函数对模型中的秩函数进行替换,取得了对秩函数更好近似的效果.对于非凸问题的求解,利用凹函数超梯度定义,对原始问题进行松弛,得到松弛问题的显式解.实验表明,提出的非凸去噪方法相比传统方法具有更好的去噪效果.     

面向多模态图像的广义辅助相关投影方法

多模态图像是同一目标的多种图像,面向多模态图像的子空间投影是机器视觉领域的热门研究课题,然而已有的多模态子空间投影仅仅利用投影方向来实现测试样本的子空间投影,忽略了测试和训练样本间的近邻关系,这种关系能够有效增强识别性能。为此,基于相关分析理论和图的光滑性准则,提出了一种新的广义辅助相关投影方法,即多模态广义辅助相关分析,该方法能够从多模态训练样本中学习每个模态对应的相关投影方向,并利用光滑性辅助的广义优化模型,显示地嵌入了测试和训练样本之间的局部结构信息,从而有效增强了相关特征的鉴别力。大量的实验结果已经展示了该方法的优越性。     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

基于卷积神经网络的病理细胞核分割

针对病理图像中细胞核的精准分割问题,结合全卷积网络框架和高分辨率网络框架的特点,提出一种卷积网络对细胞核进行自动精准地分割;基于稀疏非负矩阵分解的方法将具有严重颜色分布差异的病理图像进行颜色分布归一化,以归一化后的图像为输入,利用所提出的卷积网络对细胞核进行分割;该网络通过减少下采样算子的使用,使图像信息在前向计算过程中不会过分丢失,并使用扩张卷积扩大深层神经元的局部感受野尺度大小;所采用的分割方案在2017年MICCAI病理数字图像分割数据集中达到0. 848的平均dice分数;实验表明,融合全卷积网络框架和高分辨率网络框架的卷积网络在病理图像中实现了细胞核自动精准的分割,可以有效减轻影像医师的工作负担。