针对实际检测过程中复杂场景下由白细胞的形态、染色程度差异较大而导致白细胞检测困难的问题,提出一种基于特征双融合CenterNet的白细胞检测方法TFF-CenterNet(Twice-Fusion-Feature CenterNet)。首先,通过特征金字塔网络(FPN)将主干网络特征与反卷积层特征相融合,增强方法的特征提取能力,从而解决白细胞个体差异、染色程度不同等问题;然后,针对白细胞占据图像面积与图像背景面积严重不均衡的问题,改进热力图损失函数来提升对白细胞正样本的关注以提高检测平均精度均值(mAP);最后,针对白细胞图像目标微小、位置随机、细胞粘连的特点,引入坐标注意力和坐标卷积,提高对白细胞位置信息的关注度和敏感性。对于复杂场景下的白细胞,TFF-CenterNet的mAP达到97.01%,比CenterNet高3.24个百分点;检测速度达到167 frame/s,比CenterNet快42 frame/s。实验结果表明,所提方法在复杂情况下能在提高白细胞检测mAP的同时达到实时性要求,并提升了鲁棒性,可为辅助医疗诊断中白细胞的快速自动检测提供技术支持。
针对传统超声Lamb波难以检测复合材料分层缺陷以及直观描绘缺陷形状的问题,提出一种基于稀疏表示的滤波反投影(FBP)超声层析成像重建算法。首先,提取超声Lamb波在复合材料缺陷板中的走时信号作为投影值,把对投影的一维傅里叶变换等效于对原图像进行的二维的傅里叶变换,与滤波器函数进行卷积运算并沿不同方向投影,从而得到FBP重建图像;然后,构建稀疏超分辨率模型,通过构建低分辨率图像块和高分辨图像块字典进行联合训练,以强化低分辨率和高分辨率块与真实图像块之间的稀疏相似性,并使用低分辨率块和高分辨率块构建完备的字典;最后,将FBP得到的图像代入构建的字典中得到完整的高分辨率图像。实验结果表明,相较于使用线性插值的算法重建的图像,所提算法重建图像的峰值信噪比(PSNR)、结构相似度(SSIM)和边缘结构相似度(ESSIM)值分别提高9.22%、2.90%与80.77%;相较于双三次样条插值算法重建的图像,所提算法重建图像的PSNR、SSIM、ESSIM分别提高4.75%、1.52%与16.5%。所提算法能够有效检测复合材料的分层缺陷,提高获得的分层缺陷图像的分辨率,强化图像的边缘细节。
针对传统正余弦算法(SCA)处理复杂优化问题时存在易得局部最优和收敛慢的不足,提出一种基于惯性权重与柯西混沌变异的改进正余弦算法IWCCSCA。首先设计了基于指数函数的曲线自适应振幅调整因子更新方法,用于均衡个体的全局搜索与局部开发能力;接着设计了自适应递减惯性权重更新机制,以改进个体位置更新方式,加快算法收敛;还设计了基于精英柯西混沌变异的个体扰动机制,以提升种群多样性,避免局部最优。利用8种基准函数寻优测试验证了IWCCSCA能够有效提升收敛速度和寻优精度。此外,将IWCCSCA应用于数据原始特征集中的特征子集选取问题,提出了基于IWCCSCA的特征选择算法IWCCSCA-FS。通过将正余弦函数的连续优化转换为特征选择的二进制优化,实现了个体位置与特征子集间的映射关系,以同步考虑特征选择量与分类准确率的适应度函数来评估候选解质量。UCI基准数据集的测试结果表明,IWCCSCA-FS算法可以有效选择最优特征子集,降低特征维度,提高数据分类准确率。
针对线性主成分分析方法无法有效揭示非线性人脸图像统计特性的问题,提出一种基于数据驱动局部特征转换的(DLE)人脸幻构。首先,选取与输入图像块最相似的训练样本块;然后,利用基于图像块的特征转换算法对高低分辨率训练样本块间的关系进行建模;最后,利用后处理进程对重建结果进行优化。实验结果表明所提算法对低分辨率图像,尤其是含噪声人脸图像,有更好的主观重建效果,在客观评价指标上比局部约束表示方法提高1.81dB。该算法能有效实现监控人脸图像超分辨率增强。