长春理工大学 电子信息工程学院，吉林长春130000
卷积神经网络（Convolutional Neural Network， CNN）可用于工业生产环境下的纺织品疵点的鉴别与分类。针对实际场景下的纺织品瑕疵存在瑕疵类型视觉区分度小和实际数据样本采集时的瑕疵类别不平衡问题，本文提出了基于标签嵌入方法的纺织品瑕疵识别网络（Textile Defect Recognition Network Based on Label Embedding， TDRNet）。首先，算法调整了基础骨干网络的结构，从而提高模型的分类精度；接着算法还设计了标签嵌入模块（Label Embedded Module， LEM），并使用该模块来生成模型的类别权重偏移；然后，本文提出了分布感知损失函数（Distribution Perception Loss， DP Loss）调整算法的类别分布，从而减小同类瑕疵特征的类内距并增大异类瑕疵特征的类间距；最后，本文引入了Seesaw Loss损失函数，通过抑制少数类别的负样本梯度并提高对误分类时的样本损失来动态平衡模型训练过程中在不同样本下的更新梯度，以缓解少数类别的误分类率。在自制的“广东智能制造”布匹瑕疵分类数据集中，本文提出的框架在粗粒度分类和细粒度分类两个任务上的top1错误率可达16.35%和17.12%，而top5错误率在细粒度分类任务上低至5.20%。与其他分类模型相比，TDRNet在对比实验中取得了最优的结果。此外，TDRNet与近5年经典的细粒度分类模型进行了比较，并取得了SOTA结果，这充分表明了TDRNet的先进性。
卷积神经网络 纺织品瑕疵识别 标签嵌入 分布感知损失 Seesaw损失 convolutional neural network textile defect recognition label embedding distribution perception loss Seesaw Loss 光学 精密工程
2023, 31(10): 1563
1 山西工程技术学院-矿区生态修复与固废资源化省市共建山西省重点实验室培育基地，山西 阳泉 045000
2 武汉科技大学省部共建耐火材料与冶金国家重点实验室，武汉 430081
3 河南科技大学物理工程学院，河南 洛阳 471003
4 河南科技大学高温材料研究院，河南 洛阳 471003
以膨胀石墨和硅粉为原料、Co(NO3)3·6H2O为催化剂前驱体，在流动Ar气中合成了3C-SiC纳米线。研究了反应温度、催化剂用量对合成3C-SiC粉体反应的影响。用第一性原理计算分析了Co纳米颗粒的催化机理，研究了3C-SiC纳米线的光致发光性能。结果表明：催化剂Co的引入降低了硅粉碳化反应生成SiC的开始反应温度和完全反应温度。催化剂Co的加入量为3% (质量分数)时，1 573 K保温3 h反应后合成的3C-SiC纳米线的直径为50～60 nm，长度约几十微米，其生长机理主要为气-固反应。Co纳米颗粒与反应物之间的吸附作用降低了C=C键、C-O键和Si-O键的结合，从而促进了SiC的成核与生长。激发波长为254 nm时，3C-SiC纳米线的室温光致发光谱的特征峰在307 nm，该纳米线在光电子纳米材料领域有良好的应用前景。
3C-碳化硅纳米线 光致发光 第一性原理计算 钴纳米颗粒催化剂 膨胀石墨 3C-silicon carbide nanowires optoelectronic property first-principles calculations cobalt-nanoparticle catalysts expanded graphite
山东大学 信息科学与工程学院, 山东 青岛 266200
针对传统的聚焦评价函数在应用时出现的一些诸如稳定性和精度不足、易受噪声干扰等问题, 提出一种基于大津法分割和局部最大梯度的自动聚焦算法。算法对前背景分割后的图像进行局部梯度计算, 并统计非零系数和计算局部方差, 利用二者变化特性设计一个新的清晰度评价指标以实现数字图像的自动聚焦。实验结果表明, 算法具有高灵敏度、较好的稳定性和较强的抗噪能力。
自动聚焦 图像处理 大津法 局部梯度 非零系数 automatic focusing image processing Otsu method local gradient Non-zero coefficient
山东大学 信息科学与工程学院, 山东 济南 250100
为了快速而准确的进行聚焦, 提出一种基于灰度共生矩阵的自动聚焦评价算法。算法利用灰度共生矩阵提取图像的纹理, 以此矩阵的对比度作为图像的清晰度值; 为了提高算法的实时性, 在计算对比度时, 选取合适的阈值去掉矩阵对角线附近灰度差较小的元素, 减少算法的计算量。实验结果表明: 算法满足无偏性和单峰性, 具有较高的灵敏度和陡峭度, 聚焦性能较好, 对引入噪声的图像同样具有很好的聚焦性能。
自动聚焦 清晰度评价 灰度共生矩阵 对比度 纹理特征 Auto-focusing definition evaluation gray level co-occurrence matrix contrast texture feature
山东大学 信息科学与工程学院, 山东 济南 250100
提出了一种针对图像的复制-粘贴篡改进行检测的方法。算法以图像子带编码为基础, 利用Hu不变矩和Zernike矩的不变量对篡改图像进行检测。对图像做子带编码处理, 得到近似子带(LL)图像, 对近似子带图像进行Hu不变矩和Zernike矩的特征提取, 用来表征图像的信息, 最后采用上述特征信息进行图像的相关匹配。实验中将所提算法与极余弦变换(PCT)算法以及图像Zernik矩算法进行比较, 结果表明所提算法对图像的旋转、平移攻击具有更优质的鲁棒性, 提高了检测准确率。
子带编码 Zernike矩 Hu不变矩 近似子带 Sub-band coding Zernike moments Hu invariant moments approximate sub-band
山东大学 信息科学与工程学院, 山东 济南 250100
清晰度评价函数是自动聚焦技术的核心部分, 性能良好的聚焦曲线应该具有单峰性、无偏性、高灵敏度和抗噪性。通过将梯度差分与统计相关结合使用, 提出了一种用邻域互相关对每个像素的梯度值进行加权的算法, 并设定阈值去除贡献小的像素点。实验中使用定量指标对所提算法、一些传统算法以及一种梯度阈值算法的性能进行了评估。结果表明, 所提算法在灵敏度和抗噪性方面效果较优。
图像处理 自动聚焦 清晰度评价函数 梯度 互相关 image processing automatic focusing definition evaluation function gradient cross-correlation
山东大学 信息科学与工程学院, 济南 250100
针对仪表监控识别系统中仪表抖动、仪表外观特征不明显的情况, 提出了一种快速而准确的识别方法: 加入移动侦测, 用于检查仪表抖动, 确定是否需要在下次识别中进行字符重定位; 使用marker检测法对仪表的感兴趣区域(Region of Interest, ROI)进行定位。通过与传统识别方法(没有移动侦测、使用仪表原始特征定位ROI)进行对比, 新方法对仪表字符的识别速度和识别准确度有显著的提高。
图像处理 实时识别 移动侦测 定位ROI marker检测 real-time recognition motion detection locate ROI marker detection
1 山东大学 信息科学与工程学院, 济南 250100
2 山东轻工业学院, 济南 250350
在奶牛体况自动评分领域的研究中还没有规范、统一的图像库和特征选取标准, 评分准确率较低。针对上述奶牛体况自动评分研究的不足, 提出了基于核-主成分分析(Kernel-PCA)的奶牛体况评分方法。首先利用霍夫变换(Hough Transform)提取奶牛尾部区域图像, 然后利用图像分块去除奶牛表面的黑白花, 最后采用核-主成分分析算法进行体况识别评分。实验结果表明, 利用该方法能够制作一个科学、有效的奶牛体况评分图库, 并且能够在一定误差范围内对奶牛体况进行自动评分。
奶牛体况评分 霍夫变换 直线检测 图像识别 核函数 核-主成分分析 dairy cow body condition score Hough transform line detection image recognition kernel function kernel-pca
山东大学 信息科学与工程学院, 济南 250100
提出一种基于提升小波和Fisher线性判别法(FLD)相结合的人脸表情特征提取方法。提升小波是完全基于时空域的变换, 具有多分辨率的特征, 更有利于表情细节信息的提取, 并且运算时间短, 便于实现。图像经过提升小波变换后, 取其低频分量和高频分量相结合作为整体特征, 实验证明保存了绝大部分的表情分量, 然后用Fisher线性判别法(FLD)进行特征提取, 采用K-近邻法进行分类。在JAFFE数据库中, 分辨率达到94.3%, 识别时间为2.9s, 证明了方法的有效性。
人脸表情识别 特征提取 提升小波 facial expression recognition feature extraction lifting wavelet FLD(Fisher linear discriminant) FLD(Fisher linear discriminant)
提出了一种新的基于非亚采样Contourlet变换的PET/CT图像融合方法。通过非亚采样金字塔(NSP)和非亚采样方向滤波器组(NSDFB)实现对图像的多尺度多方向分解。在融合处理中,对分解图像所得的高频及低频系数,根据不同分解面的特性,采用不同的加权规则进行融合。该方法既保留了Contourlet变换方法的多分辨率特性,又具有平移不变性。实验结果表明,相对于传统的拉普拉斯金字塔变换法、小波变换法和Contourlet变换法等,取得了更佳的融合效果
图像融合 非亚采样Contourlet变换 多分辨率 平移不变性 image fusion nonsubsampled contourlet transform multi-resolutions shift-invariant
