【摘 要】
：
形状匹配问题是形状识别、形状检索、形状模型重建等关键技术的研究基础,主要可分为刚性形状匹配与非刚性形状匹配。其中,非刚性形状匹配问题由于受到复杂变形因素的影响,实现匹配难度更大,也更具有挑战性。传统的非刚性形状匹配算法,大多基于手工设计的特征描述子,通过特征之间的相似性度量来实现。然而在形状拉伸、扭曲、等距变形等复杂变换影响下,手工设计特征往往存在区分性差、鲁棒性低等问题。近年来,深度神经网络由于
论文部分内容阅读
形状匹配问题是形状识别、形状检索、形状模型重建等关键技术的研究基础,主要可分为刚性形状匹配与非刚性形状匹配。其中,非刚性形状匹配问题由于受到复杂变形因素的影响,实现匹配难度更大,也更具有挑战性。传统的非刚性形状匹配算法,大多基于手工设计的特征描述子,通过特征之间的相似性度量来实现。然而在形状拉伸、扭曲、等距变形等复杂变换影响下,手工设计特征往往存在区分性差、鲁棒性低等问题。近年来,深度神经网络由于具有强大的信息挖掘和复杂函数拟合能力,在解决非刚性形状匹配问题上得到了广泛的应用,且取得了明显的进展。然而其在匹配精度、网络泛化性等方面还存在不足。论文针对基于深度学习的非刚性形状匹配算法存在的问题,在两个方面做出了创新性成果:1)提出了基于多尺度特征融合网络的匹配算法,2)提出了基于分割网络和分块配准的匹配算法。主要研究工作概括如下:第一,对非刚性形状匹配算法的实现基础和关键技术进行总结与分析。针对基于深度学习的非刚性形状匹配算法的经典结构和实现模块进行了对比,对不同算法的优势与不足进行了总结分析,为后续章节的研究及创新提供了动机和理论支持。第二,提出基于多尺度特征融合网络的匹配算法。针对现有的非刚性形状匹配网络的特征表征能力与匹配精度不足问题,提出基于多尺度特征融合方法的特征提取模块,增强网络对多层特征信息的挖掘,有效提升了特征的表征能力。同时,提出正则化函数映射图模块,有效地减少了网络模型中普遍存在的过拟合现象。第三,提出基于分割网络和分块配准的匹配算法。针对形状中的相似区域误匹配问题,设计分割网络将整体形状分成若干分块,以此实现分区域匹配;设计基于运动连续性的配准算法,求解各分块形状间的非刚性变换模型,引导形状之间各点的匹配估计。在此基础上结合特征与初始匹配信息,实现匹配精度的进一步提升。第四,在FAUST＿r,SCAPE＿r等非刚性形状数据集上,对所提出的两种匹配算法的性能进行了验证并与当前先进算法进行了对比,且通过一系列消融实验,对两种算法中的一些关键模块的作用进行了评估。数值对比与消融实验结果表明,所提出的算法在匹配精度、泛化性等方面具有优越性能。
其他文献
随着通信技术的不断发展及5G商用的大规模铺开,信号传输朝着高速高频和低时延的方向不断发展。聚四氟乙烯（PTFE）基复合材料拥有着在微波频段稳定的微波介电性能和易加工的特性,可以满足微波电路和微波器件日益增长的高频化、集成化需求。本实验选取PTFE为基材,以Ag@TiO2核壳结构、ZnNb2O6陶瓷作为填料,以LCP A950纤维作为增强相,对具有高介电常数以及中低介电常数的两种PTFE基微波复合材
氧化铟锡和二硫化钼,作为原子层厚度的高迁移率新型超薄半导体材料,可抑制短沟道效应,提升栅控,并为高截止频率器件的实现提供可能,由此受射频领域工作者关注。此外,建模工作可预测器件性能指标,降低实验试错成本,很大程度促进射频领域发展。然而,针对新型超薄材料射频晶体管等效电路建模工作却少有展开。因此,为分析新材料器件的直流和射频特性,同时通过模型参数分析结果指导器件工艺和新材料生长的优化方向,本文开展氧
随着互联网和通信产业的飞速扩张,微波射频电路和系统越来越受到各界科研工作者的重视。面对划分地越来越细的频段,多频的元器件及电路设计成为研究热门。多通带滤波功能性融合器件是一种将多路滤波功能同时集成到传统微波器件的单体多功能融合器件,能够在射频电路前端的多个关键节点处滤除干扰信号以及非线性器件产生的交调和谐波信号。本论文主要针对高选择性多通带带通滤波器,高隔离度多通带滤波功分器以及多通带开关切换冷热
应用自适应光学（Adaptive optics,AO）技术校正光束经随机介质传输时的波前相位畸变,消除其对成像系统的影响。当波前像差快速变化时,迭代时间长、收敛受限的传统算法无法达到自适应光学系统实时校正波前的要求。因此,本论文提出了基于贝叶斯优化（Bayesian Optimization,BO）下的卷积神经网络（Convolutional Neural Network,CNN）的非迭代式波前校
婴幼儿血管瘤,以下简称血管瘤,是小儿临床最常见的软组织肿瘤之一。血管瘤1岁之前的发病率高达10%-20%,大部分可自动痊愈,但是部分严重的会威胁到婴儿的正常生长乃至生命。准确判别血管瘤风险等级并采取相应的治疗措施,这一工作目前主要是由具有较高专业素养的儿科医生手动完成。高专业素养儿科医生的缺失,部分家长对血管瘤风险的忽视,容易耽误血管瘤的及时治疗。使用人工智能的方法,对血管瘤的状态做出自动且准确的
基于MRI图像的自动分割算法在计算机辅助诊断及治疗等方面有着广泛应用。近年来,基于深度学习的图像分割技术快速发展,但在精确度和鲁棒性上依然不能完全满足严苛的临床要求。比如,现有分割方法有时难以区分器官与组织的边界,对小器官的分割效果也不甚理想。本文针对MRI图像多器官分割中的难点,研究了网络特征的间隔弥合问题及解耦问题,并通过改进网络结构及损失函数,提高分割精度。在MRI图像多器官分割网络中,经常
隐身能力是新一代军用武器的重要特征之一,隐身技术发展在军事领域具有重要意义,其关键在于降低目标的雷达散射截面（Radar Cross Section,RCS）。目前研究多数集中在镜面散射的RCS缩减问题,而在实际应用中,对于目标的细长部位,通常还存在较强的表面行波散射,不可忽视。本研究以高阻抗表面（High Impedance Surface,HIS）为研究对象,同时结合频率选择表面（Freque
非小细胞肺癌（Non-small-cell lung cancer,NSCLC）是一种最常见的肺癌类型,具有高发病率与死亡率的特点。准确地预测NSCLC癌患者的生存期与分子亚型可以为临床医生制定个性化治疗方案提供指导,对改善患者预后、提高长期生存率具有重要意义。随着高通量技术的迅速发展,NSCLC患者的临床与多组学数据被大量收集,为开展广泛的预测研究提供基础。已有研究表明融合临床与多组学数据对NS
随着自动化、智能化逐渐普及以及计算平台性能的提高和成本的降低,机器视觉技术在路面等自然场景中有了更多的应用。目前目标检测框架大多使用端对端的深度神经网络结构,需要进行大量的卷积操作,极其依赖GPU硬件的算力,成本较高,且需要大量训练集训练来保证检出效果。本文设计了一个用于垃圾清扫车上的车载垃圾识别算法,用来辅助垃圾清扫车完成垃圾清扫任务。通过车载相机拍摄路面图片,检测出路面中的垃圾目标,根据垃圾种
近几十年来计算机视觉技术飞速发展,自动目标识别技术在民用军用中的作用也日益突出,在行人检测、智能驾驶、无人机作战等实际场景中均得到了广泛应用。随着自动目标识别技术的发展,如何综合地评价基于不同模型的目标识别算法的性能,是实际应用中十分重要的问题。本文针对自动目标识别算法的性能评价问题,以一些目前主流的自动目标识别算法为对象,设计了一套性能评价指标体系,并提出了一种性能评价方法,对目标识别算法在行人