采用参考激励信号的语义细分法主观声品质评价

语义细分法是声品质以及声感知特征研究中最广泛采用的主观评价方法。但对于一些声品质指标,尤其是新提出的指标或评价者认识和观点不完全一致的指标,由于评价者尺度掌握的困难,采用传统语义细分法评价难以获得准确可靠的评价结果。为此,提出了采用参考激励信号的参考语义细分法评价程序,并研究了这种评价程序的性能表现。分析比较了两种语义细分法在评价者的个体重复性、团组一致性以及与成对比较法和计算结果的相关性。研究结果显示,对传统语义细分法难以获得稳定可靠评价结果的参量,参考语义细分法可以显著改善评价实验性能;对传统语义细分法可以获得稳定可靠评价结果的参量,参考语义细分法可以获得一致的评价结果,且改善了一些方面的性能。研究结果证明了采用参考激励信号的参考语义细分法的优越性。     

基于DeepLabv3+的图像语义分割优化方法

目的为了实现良好的图像语义分割精度,同时尽可能降低网络的参数量,加快网络训练速度,提出基于DeepLabv3+的图像语义分割优化方法。方法编码器主干网络增加注意力机制模块,并采用更密集的特征池化模块有效聚合多尺度特征,同时使用深度可分离卷积降低网络计算复杂度。结果基于CamVid数据集的对比实验显示,优化后网络的MIoU分数达到了71.03%,在像素精度、平均像素精度等其他方面的评价指标上较原网络有小幅提升,并且网络参数量降低了12%。在Cityscapes的测试数据集上的MIoU分数为75.1%。结论实验结果表明,优化后的网络能够有效提取图像特征信息,提高语义分割精度,同时降低模型复杂度。文中网络使用城市道路场景数据集进行测试,可以为今后的无人驾驶技术的应用提供参考,具有一定的实际意义。     

一种改进的灰度矩亚像素边缘定位方法

针对传统边缘检测方法存在的定位精度差、抗噪声干扰能力弱等问题,提出了一种运用一维灰度矩确定亚像素边缘位置的新方法.首先采用阈值分割来获得图像边缘所在的位置范围,然后以阈值分割边界点拓展像素做边缘粗定位,再以粗定位边缘点拓展像素做精定位,直到两次精定位结果相差小于0.01像素即可确定边缘位置.实验结果证明,与其他亚像素边缘定位方法相比,基于所提方法的边缘定位精度分别为0.05个像素(标准图像)和0.14个像素(实际图像).     

面向智能维护的通信机房机柜图像语义分割技术

通信机房机柜的智能维护是实现设备无人化、智能化监管的核心工作之一,结合语义分割技术实现设备图像识别、位置检测、检修操作点确定,形成泛用性强的人工智能方法。该文从深度学习语义分割方法入手,提出基于Mask R-CNN的机房机柜设备图像语义分割技术方案,实现不同视野、存在物体遮挡条件下的机房机柜图像识别与分割。通过模拟不同语义分割算法在通信机房机柜检测场景的应用效果,表明基于Mask R-CNN的语义分割技术准确性良好,Top-1错误率为7.1%、像素级分割准确性mIOU达82.3%。     

基于CGAN的交通环境运动模糊图像恢复及检测应用研究

交通环境具有相对运动关系复杂、成像质量不可控的特点,造成图像连续性运动模糊,严重影响交通目标检测。传统盲去模糊方法具有计算量大、受使用场景限制、无法用于高分辨率图像实时优化等问题。本文在传统去模糊方法的基础之上,采用交通环境图像清晰度评价损失函数,提出基于条件生成对抗网络(Conditional Generative Adversarial Nets,CGAN)的交通环境运动模糊图像恢复方法,构建生成器恢复模糊图像细节,提高采集图像质量。同时,将可拓理论应用于运动模糊恢复,构建判别器作为可拓的判据。在此基础上,采用GOPRO数据集验证了算法的有效性和实时性,并将其应用于交通目标检测中,量化其检测提升效果,与其他同类算法相比,具备一定优势。     

基于语义分割的火车车厢位置检测研究

为了实现在煤炭定量装车站装车过程中实时检测火车车厢位置,为溜槽升降提供触发信号,设计了一种基于语义分割的火车车厢位置检测模型。以FPN （feature pyramid networks,特征金字塔网络）和ResNet101 （residual network,残差网络）为主干网络,提取并融合分辨率、语义强度不同的特征图;结合基于期望最大化（expectation maximization, EM）算法的注意力机制,构建车厢上边框语义分割模型,用于过滤特征图中的噪声,提高图像边界的语义分割精度;设计位置检测模块,计算语义分割后图像中各类别的面积及其比例和车厢上边框外接矩形高度,以获取火车车厢位置信息。结果表明,所构建的车厢上边框语义分割模型在测试集上的mIoU （mean intersection over union,均交并比）为81.21%,mPA （mean pixel accuracy,平均像素精度）为88.64%,相比未引入注意力机制的语义分割模型分别提升了3.91%和7.44%。在煤炭定量装车站现场进行的火车车厢位置检测试验结果表明,基于语义分割的火车车厢位置检测模型的检测精度满足煤炭装车过程中车厢位置检测任务的要求,这为实现煤炭定量装车系统的智能化提供了新思路。     

多任务下I/O设备的动态功耗管理

减少I/O设备功耗已越来越被嵌入式系统设计者所关注。传统动态功耗管理（DPM）策略在实 际的多任务环境下无法得到预期的节能效果。提出基于堆栈的预测性超时（SBPT）策略。该 策略通过分析任务的调用和堆栈信息来预测任务对I/O设备的访问模式,并采用多请求源（M SR）模型进行多任务的联合预测。然后根据预测结果分组统计,采用超时技术决策。基于实 际负载的仿真实验表明SBPT策略能够适应多任务的应用环境,更稳定更有效地降低了功耗     

基于改进高斯混合模型的运动物体的图像检测

传统的高斯混合模型在RGB色彩空间只对孤立像素建模,检测结果不够准确,存在拖影现象,检测到的运动物体内部容易出现空洞.针对这些问题,本文提出了一种改进的高斯混合模型.该方法从更符合人眼视觉特性的HSV色彩空间对中心像素和周边像素构成的向量进行建模,改善了原算法的性能;利用彩色分割算法提取连通区域,充分地利用了运动物体的彩色信息,并基于Phong物体光照模型进行了阴影抑制,提高了传统高斯混合模型检测的准确性.实验结果表明,与传统高斯混合模型相比,本算法能更精确地检测出运动物体,对光照变化和阴影具有鲁棒性.     

含噪图像中类线像素DWA和SCR恢复方法

分析了小波、脊波和曲线小波等方法用于含噪图像中类线像素恢复的不足.针对它们的缺点,提出了一种用于各向异性检测的方向算子集合的结构和统一规范.利用粗糙检测、淘汰和平均(DWA)方法,通过检测、淘汰和加权平均,实现了含噪图像中类线像素的恢复;利用收缩、选择和记载(SCR)方法,通过收缩、连接和记载操作,实现了含噪图像中类线像素的分割工作.仿真试验结果证明了提出算子的合理性和相关类线像素恢复及分割方法的准确性、有效性、局限性和一致性.     

面向一致性对话生成的对抗匹配网络与目标侧注意力机制研究

序列到序列(seq2seq)方法在开放域对话生成领域中备受研究学者的关注。然而,标准的序列到序列模型容易产生语义冲突和不连贯的对话回复,这种不一致性是现有系统生成的回复显著有别于人类真实对话的重要原因之一。对话生成中的一致性既包括回复内部的语义一致性,也包括上文与其回复之间的外部关联性。本文提出了一个新的对话生成框架,称为基于张量匹配的生成式对抗网络(MatchGAN),以提高对话回复与其上文之间的外部关联性。与传统的基于最大似然估计的方法不同,该框架通过基于序列到序列模型的生成器和基于张量匹配网络的判别器之间的对抗学习来生成与上文相关的回复。通过使用匹配网络对上文与回复之间的多维关系进行建模,该模型所产生的回复更加符合人类对话的特点。此外,本研究进一步引入了目标侧注意力机制来增强所产生回复的内部语义一致性。实验结果表明,本文提出的框架能够产生高质量的对话回复,在量化指标评价和人工评测方面均优于其他基线方法。     

一种基于mean shift的多通道图像分割算法

目的针对目标与背景对象的色彩值比较接近的RGB图像中,目标对象难以有效分割的问题,探索一种基于mean shift的RGB多通道图像的分割方法。方法根据RGB图像的3个通道对颜色的敏感性差异,运用均值偏移算法对RGB图像的3个通道分层聚类,再引入可靠性因子,分别对3个单通道的各聚类像素进行可靠性计算,并保留可靠性高的像素作为分割结果,最后采用逻辑"或"运算融合单通道的分割结果,得到最终分割图像。结果与一般分割算法相比,该方法的分割效果好,误分率低,改善了图像的分割质量。结论该算法具有很好的推广性,能够应用于彩色印品缺陷检测、彩色包装图像检测中。     

面向道路场景语义分割的移动窗口变换神经网络设计

道路场景语义分割是自动驾驶环境感知的一项重要任务。近年来,变换神经网络(Transformer)在计算机视觉领域开始应用并取得了很好的效果。针对复杂场景图像语义分割精度低、细小目标识别能力不足等问题,本文提出了一种基于移动窗口Transformer的多尺度特征融合的道路场景语义分割算法。该网络采用编码-解码结构,编码器使用改进后的移动窗口Transformer特征提取器对道路场景图像进行特征提取,解码器由注意力融合模块和特征金字塔网络构成,充分融合多尺度的语义特征。在Cityscapes城市道路场景数据集上进行验证测试,实验结果表明,与多种现有的语义分割算法进行对比,本文方法在分割精度方面有较大的提升。     

漆包线线径在线自动检测方法研究

提出一种漆包线线径在线自动检测方法,通过设计基于滑轮组的漆包线减震机构,有效地解决漆包线生产过程中震动幅度过大的问题。首先,对采集到的漆包线原始图像进行中值滤波、固定阈值分割、Sobel边缘检测;然后,进行三次样条插值运算得到亚像素边缘点,采用最小二乘法拟合上下边缘直线;最后,通过分割边缘直线方法计算漆包线线径。现场测试结果表明:应用该方法开发的系统分辨力为0.00018mm,能够满足企业±0.001mm检测精度要求,线径检测结果的测量不确定度为(0.1619±0.0001)mm,置信概率p=0.95,自由度ν=24,重复性检测与第三方检验机构得到的检测结果一致性较好。     

基于可变形密集卷积神经网络的布匹瑕疵检测

针对传统布匹瑕疵检测方法无法适用于尺度变化大、面积占比小的瑕疵特征,提出一种基于可变形密集卷积神经网络模型。为了关注到图像中距离较远的特征信息,并避免捕获纹理信息,采用可变形卷积来增强特征的语义表达能力。通过在卷积层中设置卷积像素相对于中心像素各自的x,y方向偏移量,并利用反向传播训练偏移量以增加感受野的变形适应性。同时,采用密集连接的方式以保持模型不遗漏边缘瑕疵信息。最后,根据瑕疵类别预测和位置边框回归实现瑕疵的分类和定位检测。实验结果表明:该模型的平均检测精度和单类目标检测精度标准差分别为93.53%,2.5139,相比于其他方法更具有竞争力。     

空中红外小目标并行分割算法

为提高空中红外小目标检测速度,提出了一种基于灰值形态学序列图像膨胀累加、背景估计和自适应阈值分割的并行结构小目标分割算法。该算法对灰值膨胀运算后的相邻三帧图像进行累加以增强小目标能量;将灰值形态学开、闭运算的平均值作为背景估计图像;采用自适应阈值算法从二者相减的差图像中分割出可能目标;其中小目标能量增强和背景估计采用并行处理结构。基于VisualC 6.0编程进行了实验,结果表明,算法对连续三帧768像素×576像素红外视频采集图像的处理时间为3.73s,较常规串行分割算法快一倍以上。     

基于CCL的半自动颈椎曲度测量方法

颈椎曲度是评价颈椎功能的重要指标之一,但在临床实际中仍采用手动测量的方式,浪费了医学专家的宝贵时间.本文提出了一种基于超像素分割的半自动颈椎曲度测量方法.首先,利用超像素将椎体从颈椎MR图像中分割出来,然后结合CCL方法测量颈椎曲度.该方法在32名受试者的颈椎MR图像上进行测试,将本文所提颈椎曲度测量方法测得的曲度与真实颈椎曲度进行对比,分别实现了2.980°和1.604°的平均绝对误差.     

图像语义分割深度学习模型综述

阐述了图像语义分割实质上是像素级别的密集分类的概念,及其在计算机视觉领域中的核心地位和应用意义。全面综述了图像语义分割算法的常用分类方法及最新成果,详尽比较了图像语义分割深度学习模型在PASCAL VOC 2012数据集上的像素准确率、平均像素正确率、平均交叠率、频率加权交叠率四个方面的实际表现性能,同时给出了模型的平均耗时、底层框架、实现语言、代码可读性、部署难度信息。最后对语义分割领域的发展进行了总结和展望,指出了模型面临的训练数据集不足、参数优化困难和结构单一的问题。     

刀具轮廓亚像素精度阈值分割算法研究

提取亚像素精度边缘轮廓是完成刀具几何参数精确测量的重要环节。该文研究了一种简单有效的方法,该算法基于灰度阈值分割定位像素级边缘,并经双线性插值法细分完成亚像素边缘轮廓的提取。最后设计实验对比分析了该算法以及基于Canny和Sobel算子的亚像素边缘检测算法所提取轮廓的特点。结果表明在准确的前提下,对高对比度图像应用该算法后,能比后两者更快速地完成边缘轮廓提取。     

基于局部随机游走的超像素分割方法

针对基于图论的超像素分割方法缺乏超像素紧凑性控制和运算复杂度过高的问题,提出了一种基于局部懒惰随机游走（LLRW）的超像素分割方法,并将超像素分割形式化为像素邻接图的局部划分问题,提出了一种直观的分割质量度量。该方法首先将均匀平铺的六边形重心作为超像素种子点初始位置;然后利用局部随机游走算法计算种子点与周围像素的相关程度,将其最相关种子点的标号赋予该像素;最后计算新的超像素重心,并将其作为下一轮迭代的种子点位置,通过若干次迭代逐步优化超像素分割结果。此算法具有线性的时间复杂度和线性的空间复杂度,同时超像素分割质量具有理论保证。通过标准数据集上的实验证明,该方法不仅能够较好地保持图像边界,还可以保证超像素的紧凑性,从而达到理想的超像素分割效果。     

基于注意力机制的轻量级RGB-D图像语义分割网络

目的针对卷积神经网络在RGB-D(彩色-深度)图像中进行语义分割任务时模型参数量大且分割精度不高的问题,提出一种融合高效通道注意力机制的轻量级语义分割网络。方法文中网络基于RefineNet,利用深度可分离卷积(Depthwiseseparableconvolution)来轻量化网络模型,并在编码网络和解码网络中分别融合高效的通道注意力机制。首先RGB-D图像通过带有通道注意力机制的编码器网络,分别对RGB图像和深度图像进行特征提取;然后经过融合模块将2种特征进行多维度融合;最后融合特征经过轻量化的解码器网络得到分割结果,并与RefineNet等6种网络的分割结果进行对比分析。结果对提出的算法在语义分割网络常用公开数据集上进行了实验,实验结果显示文中网络模型参数为90.41 MB,且平均交并比(mIoU)比RefineNet网络提高了1.7%,达到了45.3%。结论实验结果表明,文中网络在参数量大幅减少的情况下还能提高了语义分割精度。