【摘 要】
：
针对马尔可夫链蒙特卡罗(MCMC)算法的计算量大以及统计结果中含有严重噪声等问题,提出一种基于分层模型和低秩近似的X射线图像重建方法。首先引入全变差(TV)正则项来构造目标函数,并基于Jeffreys先验定义超参数以建立分层贝叶斯模型。然后采用变量分裂法得到分裂形式下各变量的条件概率密度分布。最后根据正向模型所具有的低秩性质来计算低秩近似的目标分布函数,从而得到关于待求参数的闭合解。结果表明,所提
【机 构】
：
河海大学物联网工程学院,江苏常州213022
论文部分内容阅读
针对马尔可夫链蒙特卡罗(MCMC)算法的计算量大以及统计结果中含有严重噪声等问题,提出一种基于分层模型和低秩近似的X射线图像重建方法。首先引入全变差(TV)正则项来构造目标函数,并基于Jeffreys先验定义超参数以建立分层贝叶斯模型。然后采用变量分裂法得到分裂形式下各变量的条件概率密度分布。最后根据正向模型所具有的低秩性质来计算低秩近似的目标分布函数,从而得到关于待求参数的闭合解。结果表明,所提方法可以有效解决贝叶斯逆问题中存在的计算量大等问题。相比于现有的基于不确定性量化重建方法,所提方法在有效
其他文献
在移动互联网背景下,移动学习为高校实施移动信息素养教育提供了新思路。采用课程参与式体验、网络访谈、网络调查与文本分析等方法,对加拿大滑铁卢大学典型案例展开分析,研究其移动信息素养课程内容和实施效果,结果表明:滑铁卢大学的移动信息素养项目致力于帮助移动互联网时代的高校学生提高移动信息素养,项目课程将信息素养教育、移动学习和高等教育融为一体,重视“以学生为中心”的理念,运用移动技术开发课程专属App,构建多维度测验和反馈机制保障学习效果,同时注重打造由图书馆员和院系教师组成的深度合作教学团队。这一项目给我
针对室内小场景下图像采集位置受限、弱纹理物体重建效果不佳的问题,提出了一种只需用手机采集图像的三维重建算法。首先,用一种主动选择式图像匹配策略减少原始运动恢复结构算法中图像两两匹配的次数。然后,将尺度不变特征变换(SIFT)算法改进为Harris-SIFT算法,以提升算法的实时性;通过全卷积神经网络获得预测深度并与多视图立体匹配算法进行融合,以获得更多的稠密点云。最后,用泊松表面重建算法完成物体的
“赋能”“技术赋能”及相关的概念构成了一个概念体系,或将成为新发展阶段下中国图书馆(学)的理论核心.文章对“赋能”概念体系进行了梳理和辨析,指出“赋能”的核心要义在
针对重叠率低的两片点云配准难度大、精度低等问题,提出了一种将聚类区域分块和凸优化问题相结合的点云配准方法。首先,利用点云的曲率特征进行多尺度描述符的建立,确保点云数据完整并且使冗余数据最小;其次,利用多尺度描述符的角度差异进行对应关系聚类分块,获取源点云与目标点云的重叠区域;最后,将重叠区域的点云以及它们的对应关系代入凸优化问题,进行离群值的去除和对应关系的优化,实现粗配准并利用迭代最近点算法进行
为提升孪生网络视觉跟踪算法的准确性,提出一种融合多任务差异化同质型模型的孪生网络视觉跟踪算法。首先在决策层对孪生网络视觉跟踪模型与目标分割模型进行融合,然后结合多尺度搜索区域、目标上下文特征、多学习率模型更新策略进行跟踪。在标准数据集VOT、OTB、LaSOT、UAV123上进行算法评估。实验结果表明,所提算法在遮挡、快速运动、光照变化等干扰下可以稳定跟踪目标。
针对传统语义分割算法参数量大、运行慢,不利于违禁品识别技术实际应用的问题,提出一种基于轻量化分割网络的违禁品识别算法。在模型的浅层特征层设计空洞卷积模块来扩大网络的感受野,减少误分类并提升分割精细度。在深层特征层设计非对称卷积模块取代传统单一串联卷积操作,降低计算复杂度。实验结果表明,所提算法在识别精度和速度上取得了均衡的性能,平均交并比(mIoU)达73.18×10-2,每秒传输帧数(FPS)达
为了提高模型在道口环境下的车辆图像的特征提取和识别能力,提出了一种基于改进残差网络的车辆分类方法。首先以残差网络为基础模型,改进了残差块中激活函数的位置,并将残差块中的一般卷积用分组卷积代替,引入注意力机制,用焦点损失函数替换交叉熵损失函数。实验部分先用公开数据集Stanford Cars进行预训练,再用自建的道口车辆数据集进行迁移学习。结果表明,改进模型在两个数据集中的准确率均优于几种经典的深度
现有的解码算法在识别具有复杂3D失真(比如柱面失真)的快速响应(QR)码时会遇到困难,导致数据无法被提取。为此,提出了一种低成本而高效的3D柱面失真QR码的修复算法。所提算法包括三个阶段:首先,通过逆向透视变换还原出3D真实世界的柱面失真QR码;然后,失真的QR码被展开成平面;最后,使用与第一阶段超参数相同的透视变换获得修复QR码。实验结果表明,所提算法可以处理不同柱面失真的QR码,并且仅使用少量
机器人在大尺度场景下开展同时定位与建图(SLAM)任务时,其闭环检测环节会出现较严重的错匹配或者漏匹配问题,因此,采用残差网络(ResNet)对图像序列进行特征提取,并提出一种新的闭环检测算法。通过预训练的ResNet提取输入图像的全局特征,并对该帧图像及之前具有一定长度的图像序列的特征按照下采样的方式进行拼接,将结果作为当前帧图像的特征,保证图像特征的丰富性与准确性。同时,设计一种双层查询的方法
针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目