光学 精密工程
2023, 31(10): 1522
西北大学信息科学与技术学院,陕西 西安 710127
颅骨身份识别是法医学研究的重要课题。针对以往颅骨身份识别研究中颅骨和面貌内在特征表示能力不足的问题,为了充分利用颅骨和面皮模型的有效识别信息、提高颅骨识别能力,提出一种基于视图特征和形状特征融合的颅骨身份识别方法。首先,采用多视图神经网络学习颅骨和面皮的多视图特征,采用基于双谐波距离的LS-MDS算法计算颅骨和面皮的标准形,采用池化融合方法聚合多个特征来减少视图池化阶段的信息丢失;然后,为了解决波核特征对尺度变换敏感的问题,根据特征值归一化思想提取颅骨和面皮的尺度不变波核特征;最后,采用核典型相关分析将视图特征和波核特征进行融合,得到颅骨和面皮的最终特征向量,通过计算颅骨特征向量和面皮特征向量的相关系数实现颅骨的身份识别。实验结果表明,所提方法的识别正确率为95.4%,优于其他对比方法,是一种有效的颅骨身份识别方法。
图像处理 颅骨身份识别 视图特征 波核特征 核典型相关分析 相关系数 激光与光电子学进展
2023, 60(10): 1010011
光学 精密工程
2022, 30(18): 2241
西北大学信息科学与技术学院,陕西 西安 710127
在秦俑保护领域,为了降低秦俑碎片匹配及拼接的工作难度,更多的计算机辅助技术应用在破碎秦俑复原工作核心环节的碎片分类中。针对传统的秦俑碎片分类方法对碎片特征提取不充分及秦俑碎片数据采集难度较高等导致的分类准确率低下的问题,提出了一种基于数据增强的秦俑碎片深度分类模型。首先,通过条件生成式对抗网络对现有秦俑碎片数据集进行数据增强,实现秦俑数据集的扩充。其次,通过深度卷积神经网络自动且充分地提取碎片特征信息并实现有效的碎片分类效果。然后,引入convolutional block attention module(CBAM)双通道注意力机制和CutMix增强策略来显著提升深度分类模型的性能。最后,在秦俑实验数据集的对比实验结果表明,与传统的基于几何特征、尺度不变特征变换特征、形状特征、多特征融合等经典碎片分类方法相比,所提方法对秦俑碎片的分类取得了更准确的分类结果,有效降低了后续复原工作中匹配、拼接等工作的复杂度,进而提高了秦俑文物复原工作的整体效率。
图像处理 破碎秦俑复原 碎片分类 条件生成式对抗网络 双通道注意力机制 增强策略 激光与光电子学进展
2022, 59(18): 1810010
西北大学信息科学与技术学院,陕西 西安 710127
数字化技术在文物保护工作中的应用极大促进了文化遗产领域的快速发展。三维激光扫描设备获得的文物点云数据不可避免包含大量噪声,直接影响点云数据的后续处理。为有效去除无序点云中的噪声点,较好恢复点云数据,基于无监督网络提出了一种新型点云去噪算法。首先通过上层网络分类并去除离群点;然后通过引入空间先验项引导待去噪点云中数据点收敛到流形上多模式中最接近真实点云的最优模式,从去除离群噪声点的点云数据中得到干净点云的分布,实现无监督精细点云去噪;最后通过计算去噪后点云间的chamfer distance来进行定量评价。与一些经典算法的对比分析实验结果表明,所提算法在去噪的同时,能有效保持点云模型的几何特征,对文物点云数据的去噪效果良好,去噪后的点云模型极大程度复原了原始干净点云模型,这对文物数字化保护的后续环节至关重要。
机器视觉 点云去噪 神经网络 无监督 chamfer distance 激光与光电子学进展
2022, 59(12): 1215014
1 西北大学 信息科学与技术学院,陕西西安7027
2 西北大学 文化遗产数字化国家地方联合工程研究中心,陕西西安71017
由于外在因素导致出土的文物模型呈现破碎状态,对其进行虚拟修复对考古学具有重要意义。现有孔洞修补方法大多仅针对三维模型结构进行补全,并且在三维结构修复后缺少表面的颜色纹理信息。本文基于文物三维空间结构和纹理信息,提出一种三维文物孔洞修复方法。首先,为了解决三维文物结构修复问题,利用基于径向基函数的算法填补三维文物网格模型的孔洞,通过拟合的曲面方程调整孔洞补丁顶点,使其与原有模型更好地融合。其次,为补全文物表面颜色纹理信息,使孔洞补丁与原有模型表面纹理自然过渡,将三维问题转化为二维图像修复问题,以EdgeConnect为框架,通过添加精细化网络生成更高分辨率的结果。最后,使用Mudbox软件映射二维图像到三维模型表面,融合结构和纹理修复的结果。本文改进后的二维修复网络在评价指标PSNR(Peak Signal to Noise Ratio)、SSIM(Structural Similarity)和MAE(Mean Absolute Deviation)的性能分别提高了0.54%、0.217%和6.52%,该方法能够有效地恢复兵马俑三维模型网格结构和表面纹理信息。
孔洞修复 神经网络 GAN网络 纹理修复 径向基函数 hole repair deep learning GAN network texture inpainting radial basis function
1 西北大学信息科学与技术学院,陕西 西安 710127
2 北京师范大学信息科学与技术学院,北京 100875
针对传统的切连科夫荧光断层成像(CLT)方法的重建精度相对较低的问题,提出一种基于有限元剖分信息的局部连接网络(FES-LCN)。该网络由全连接子网络与结点连接子网络组成,其中结点连接子网络根据有限元剖分信息建立,用于预测初步重建结果与真实光源之间的残差。为验证该网络的性能,设计了物理仿真实验和数字鼠实验,结果表明,基于有限元剖分信息的局部连接网络具有良好的稳定性和准确性。
成像系统 切连科夫荧光断层成像 有限元剖分 深度学习 局部连接网络 激光与光电子学进展
2022, 59(6): 0617031
1 西北大学信息科学与技术学院, 陕西 西安 710127
2 军事口腔医学国家重点实验室,国家口腔疾病临床医学研究中心,陕西省口腔疾病临床研究中心,第四军医大学口腔医院正畸科, 陕西 西安 710032
锥束X射线发光断层(CB-XLCT)成像是一种可在生物体外对早期肿瘤进行有效检测的新型医学成像技术。稀疏角CB-XLCT成像加速了CB-XLCT技术的实时成像转化进程。然而,相对于传统多角度成像,稀疏角CB-XLCT成像的逆问题病态性明显加剧,这对传统成像方法的有效扩展提出了挑战。基于稀疏非凸Lp(0<p<1)模型,提出一种迭代重加权裂分增广拉格朗日收缩算法,进一步结合经典非凸算子提出一种鲁棒稳定的可行区域提取方法,进而作为优化的知识先验指导靶标的准确重建。设计了数字鼠和物理仿体实验,分别结合经典L1范数和L0范数的代表算法验证所提方法的有效性和稳健性。实验结果表明,所提方法不仅可有效求解稀疏角CB-XLCT成像逆问题,还具有良好的可扩展性。
医用光学 可行区域 知识先验 锥束X射线发光断层成像 逆问题