1 之江实验室，浙江 杭州 311121
2 浙江大学光电科学与工程学院极端光学技术与仪器全国重点实验室，浙江 杭州 310027
作为工业数字图像质量评价在应用领域的重要延伸，光学显微图像定量评价主要通过对图像特征和属性进行分析计算，针对性地量化评估图像的质量。近年来，随着各类光学显微成像技术的蓬勃发展，图像定量化评价的重要性日益凸显，在总体图像处理中具有指导性作用。对现有的光学显微图像定量评价指标及相关算法进行总结，对各个算法的模型结构和性能表现进行讨论说明，阐述显微图像定量评价的应用和发展趋势，并对该领域目前所存在的问题和难点进行分析和展望。
光学显微图像 定量评价 分辨率 信噪比 结构相似度 激光与光电子学进展
2024, 61(6): 0618013
1 南京航空航天大学空间光电探测与感知工业和信息化部重点实验室，江苏 南京 211106
2 南京航空航天大学材料科学与技术学院，江苏 南京 211106
伪装目标与背景的综合相似度能够衡量伪装目标与周围背景之间的特征差异，综合相似度越高，目标与背景的融合程度越高，目标伪装效能越高。组合使用目标及背景图像的亮度、颜色、纹理、形状、尺寸、结构、直方图等7个典型特征来表征目标伪装特性，采用与其相应的相似度量法得到各个特征相似度，采用熵权法客观确定不同特征指标权重，线性加权得到伪装目标与背景的综合相似度，从而获得量化的目标伪装效能评估结果。不同背景、不同侦察距离、不同目标姿态下的多组实验表明：所提伪装目标与背景的综合相似度具有与目标发现概率一致性、与探测距离一致性、背景鲁棒性，证明了所提方法的正确性和有效性；并通过对比实验验证了该方法的可靠性。
伪装效能评估 综合相似度 可见光谱段 伪装目标 熵权法 激光与光电子学进展
2024, 61(4): 0430001
1 1.中国科学院 理化技术研究所, 低温重点实验室, 北京 100190
2 2.齐鲁中科光物理与工程技术研究院, 济南 250000
陶瓷粉体的批次稳定性是陶瓷制品生产商最关心的核心指标, 却又长期无据可依。本研究以燃烧合成的氮化硅粉体为样本, 量化评价不同批次生产的氮化硅粉体的相似程度。首先构建了涵盖静态理化指标、动态流动性指标的粉体性能评价参数体系, 进而测试得到在该参数体系中氮化硅粉体的全部性能数据, 随后对所得性能数据分别采用余弦相似度法和欧氏距离法进行计算, 得到了粉体性能一致性评价数据。结果表明, 基于该参数体系的余弦相似度和欧氏距离均能反映批次粉体间的相似程度, 量化显示出不同批次粉体的差异, 两种方法的计算结果相互验证。对判定为不相似的粉体, 追溯工艺流程中的差异找到了控制氮化硅粉体一致性的关键环节—原料硅粉; 对判定为高度相似的粉体划分为同类, 为不同批次氮化硅粉体的类别划分提供了量化依据。该工作建立的“粉体性能一致性评价体系”为氮化硅粉体产品质量的批次稳定性(性能一致性)提供了有效的评价手段和量化依据。
一致性评价 氮化硅粉体 余弦相似度 欧氏距离 consistency evaluation silicon nitride powders cosine similarity Euclidean distance
南京理工大学瞬态物理国家重点实验室, 南京 210000
主流的目标检测模型将检测分为分类和定位两个子任务, 分类和定位各自具有独立的子网络, 且在训练过程中采用互相独立的损失函数。这种模型结构和训练方式忽略了分类和定位之间的相互联系, 使得模型预测的类别得分无法体现预测框的定位质量, 进一步导致高定位质量的预测在非极大值抑制(NMS)阶段被低定位质量的预测抑制, 损害了模型的检测精度。针对该问题, 提出了一种一致性损失的概念, 该损失通过在训练过程中约束模型预测的类别得分和定位质量的排名相似度, 提升了二者的一致程度。基于FCOS-ResNet50模型与PASCAL VOC数据集, 所提的损失函数能够提升约1.3个百分点的mAP0.5、4.3个百分点的mAP75和5.4个百分点的mAP90。
目标检测 损失函数 非极大值抑制 分类定位一致性 余弦相似度 object detection loss function Non-Maximum Suppression (NMS) consistency between classification and localizatio cosine similarity
1 中南民族大学 计算机科学学院，武汉 430074
2 华灵云科技有限公司，杭州 311121
【目的】针对基于位索引显示复制（BIER）的大规模软件定义网络（SDN）组播中，可能存在特定长度的比特串（BitString）无法表示所有BIER转发路由器（BFRs）的问题，文章设计了一种分域分层（HD）-BIER模型，并设计了其构建算法。
【方法】HD-BIER模型是由多个小规模子域（SD）组成的多层BIER网络，使BIER在大规模网络中能够支持超过BitString表示容量的设备数量。文章提出的HD-BIER构建算法综合考虑了BitString长度（BSL）限制、节点之间的链路长度与网络的连通性，并基于社区划分算法的思想，引入基于节点相似度的模块度函数作为BIER SD划分结果的评价指标，采用自底向上方式动态构建HD-BIER网络。
【结果】仿真实验表明，在节点数量超出BSL的简单和复杂网络中，HD-BIER构建算法均能有效构建突破BSL限制的HD-BIER网络，且所构建的HD-BIER模型在BitString逐层封装和解封的方式下不仅能够保证组播业务数据流的正常传输，还能在此过程中不影响SDN组播通信性能。
【结论】仿真结果证明，所提HD-BIER模型为更大规模的网络提供了有效的组播业务支持方案。
软件定义网络 位索引显示复制 组播 节点相似度 SDN BIER multicast node similarity
1 华中师范大学 地理过程分析与模拟湖北省重点实验室，湖北 武汉 430079
2 浙江大学 杭州国际科创中心，浙江 杭州 311200
3 浙江大学 农业遥感与信息技术应用研究所，浙江 杭州 310058
4 农业农村部光谱检测重点实验室，浙江 杭州 310058
土壤中红外（MIR）光谱能快速、无污染、低成本地估算土壤有机碳等理化属性。随着各种尺度土壤光谱库的建立，使用其进行快速土壤分析引起广泛关注，但光谱库的通用模型在局部尺度上的预测效果不理想。开发“局部化”光谱建模方法是提高土壤光谱库性能的有效途径。本文提出了一种新的方法，通过光谱相似度计算和建模子集构建，旨在从库中快速建立最优局部建模集以提高预测精度。比较了欧氏、马氏、余弦三种距离算法衡量待测样本与库样本之间的相似度并生成距离矩阵；使用连续统去除法从距离矩阵中提取库容曲线中的特征点。利用偏最小二乘回归建立土壤MIR光谱与有机碳含量间的定量关系。结果表明，三种距离算法结合连续统去除得到的第一特征点均可得到较佳的预测精度。马氏距离不仅模型精度最高（R2 = 0.764，RMSE = 1.021%）而且用到的库样本数最少（14%库容）。本方法可改善MIR光谱分析的成本效率并能提高局部尺度的预测能力。
土壤碳 相似度 距离矩阵 连续统去除 偏最小二乘回归 soil carbon similarity distance matrix continuum-removal PLSR
1 江南大学 理学院, 无锡 214122
2 江苏省轻工光电工程技术研究中心, 无锡 214122
为了能够快速准确地检测白酒年份酒的年份, 采用了平行因子算法和光谱相似度算法对白酒年份酒与基酒的3维荧光光谱进行分析, 分别建立了高年份基酒体积分数的测定函数和年份酒年份测定函数。结果表明, 高年份基酒体积分数测定误差不超过0.02, 平均加标回收率为100.28%, 年份测定误差小于1年; 基于3维荧光光谱快速测定白酒年份酒年份的方法, 解决了由于3种基酒配制年份酒的3维荧光光谱复杂性而导致的年份酒年份鉴别困难问题。该研究为多种基酒配制年份酒的年份检测问题和其中基酒体积分数的确定提供了参考。
光谱学 白酒年份检测 平行因子分析 光谱相似度 spectroscopy Baijiu age testing parallel factor analysis spectral similarity
江南大学人工智能与计算机学院模式识别与计算智能工程实验室，江苏 无锡 214122
针对行人重识别场景复杂引起的局部特征不对齐，以及在背景杂乱情况下难以提取出具有不变性行人特征的问题，提出一种基于人体姿态估计算法和相似度矩阵引导的多尺度融合网络。网络引入姿态估计算法构造对齐的行人特征，通过多分支结构将低层局部特征和高层全局特征进行融合提升网络的表征能力；此外特征相似度矩阵将全局特征分割出相似度引导的背景、前景分支，再利用区域级的三元损失函数，提取出对复杂背景鲁棒的行人特征。在Market-1501、DukeMTMC-ReID、CUHK03和MSMT17四个主流数据集上的实验结果表明，本文提出的方法均能达到甚至超过当前主流算法的水平。在最具挑战的MSMT17数据集中，与目前精度领先的算法相比，首次命中精度提高了1.4个百分点，平均精度均值提高了3.4个百分点。
图像处理 行人重识别 局部特征 姿态估计 特征相似度 激光与光电子学进展
2023, 60(6): 0610001
1 浙江长征职业技术学院护理与健康学院, 杭州 310012
2 昆明理工大学信息工程与自动化学院, 昆明 650500
肠道菌群与诸多人类重大疾病相关, 研究在不同条件下的肠道菌群数据具有重要意义。由于菌群数据出现零膨胀现象, 采用成对比率几何平均值(GMPR)方法对其进行归一化。本研究以2型糖尿病数据集为例, 提出一种改进的Spectrum算法。首先, 使用基于特征加权的相似度矩阵, 避免忽视每个样本/特征所对应的不同特征值大小在该样本中所占据的权重; 其次, 将拉普拉斯矩阵替换为Hessian矩阵, 避免传统谱聚类的灵敏度问题, 将ISODATA聚类算法代替原本的K-means算法, 有效地调整聚类中心数K。试验结果表明, GMPR+改进Spectrum在2型糖尿病中的标准化互信息(NMI)为0.423, 戴维森堡丁指数(DBI)为4.751, Calinski-Harabasz指标(CH)为25.541, 兰德指数(RI)为0.835, 调整兰德指数(ARI)为0.019, 较改进前的效果有所提升, 并且该算法可以识别出不同类型患病人群在肠道菌群上的结构差异, 挖掘出肠道微生物组的关键细菌。
肠道菌群 相似度矩阵 拉普拉斯矩阵 聚类 2型糖尿病 gut microbiome similarity matrix Laplacian matrix cluster type 2 diabetes mellitus
