摘要：由于息肉的形状、大小不一,且息肉与周围粘膜的对比度较低,导致息肉分割是一个极具挑战性的任务。为了提升在不同形状息肉和小尺寸息肉处的分割精度,提出了一个基于形状特征引导的息肉分割网络(SGNet)。SGNet主要包括两点贡献:首先,通过引入ConvNext设计了细节敏感编码器,使网络在提取全局信息的同时也能提取到对息肉分割至关重要的细节信息。其次,设计了形状引导解码器,该解码器能有效适应不同形状的息肉,提取到丰富的息肉形状特征和多尺度特征,从而有效提升网络在不同形状息肉和小尺寸息肉的分割精度。在三个公开的息肉分割数据集ETIS、Kvasir和CVC-ClinicDB上进行大量实验表明,SGNet能够精确地分割不同形状的息肉和小尺寸息肉,在分割精度上超过了近年来主流的息肉分割网络。

摘要：目的 3维点云是编码几何信息的主要数据结构,与2维视觉数据不同的是,点云中隐藏了3维物体中重要的形状特征。为更好地从无序的点云中挖掘形状特征,本文提出一种能够端到端且鲁棒地处理点云数据的多维度多层级神经网络(multi-dimensional multi-layer neural network,MM-Net)。方法多维度特征修正与融合(multidimensional feature correction and fusion module,MDCF)模块从多个维度自适应地修正局部特征和逐点特征,并将其整合至高维空间以获得丰富的区域形状。另一方面,多层级特征衔接(multi-layer feature articulation module,MLFA)模块利用多个层级间的远程依赖关系,推理得到网络所需的全局形状。此外设计了两种分别应用于点云分类与分割任务的网络结构MM-Net-C(multi-dimensional multi-layer feature classification network)和MM-Net-S(multi-dimensional multi-layer feature segmentation network)。结果在公开的ModelNet40数据集与Shape Net数据集上进行测试,并与多种方法进行比较。在ModelNet40数据集中,MM-Net-C的分类精度较Point Net++和DGCNN(dynamic graph convolutional neural network)方法分别提高了2.2%和1.9%;在Shape Net数据集中,MM-Net-S的分割精度较ELM(extreme learning machine)和A-CNN(annularly convolutional neural networks)方法分别提高了1.2%和0.4%。此外,在ModelNet40数据集中的消融实验验证了多维度多层级神经网络(MM-Net)架构的可靠性,消融实验的结果也表明了多维度特征修正与融合(MDCF)模块和多层级特征衔接(MLFA)模块设计的必要性。结论本文提出的多维度多层级神经网络(MM-Net)在分类与分割任务中取得了优秀的性能。

摘要：粗集料体系作为混凝土主要组成部分,其颗粒构成对混凝土各项性能的改善起到了关键作用。为优化粗集料体系颗粒构成,以实现粗集料形状特征和级配精细化、数字化分析目标,采用激光三维扫描技术获取了粗集料的点云坐标,结合三维图像技术,进行粗集料的几何形状重构与三维形状参数准确测量,并提出球度、长短轴长比、粒径离散度和级配分形维数等指标。同时,基于粗集料的点云数值处理技术与分形理论,计算得到级配粒径和表面分形维数等指标,表征评价不同粒径粗集料形状特征及级配。研究结果表明:激光三维扫描和数值技术可快速重构出粗集料的真实形状,并能准确得到粗集料三维形状参数,提出的球度、长短轴长比和粒径离散度指标均能较好地对粗集料形状特征进行表征评价。其中,长短轴长比在表征粗集料球形度方面更具显著性与敏感性;采用三维图像数值技术与分形理论计算得到的粗集料级配分形与表面积分形维数,与粗集料粒径、表面粗糙度有密切联系,实现了粗集料几何特征的数值描述与评价;同时采用质量加权得到的粗集料级配分形维数,建立的粗集料颗粒级配计算函数计算结果与试验结果一致,研究结果可为粗集料级配的快速优化分析表征提供技术支持。

摘要：针对SIFT特征点匹配错误问题,提出一种置信传播与特征点形状特征相结合去除SIFT特征点匹配错误的算法.该算法分为4步:1)根据每个特征点的尺度信息、主方向信息以及匹配邻居特征点信息确定每个特征点邻域窗口的大小和方向,并计算每个特征点在邻域窗口内匹配邻居构成的形状特征;2)连接每个特征点与其最近的3个邻居特征点,构成置信传播网的基本框架;3)利用每对待确定特征点对的特征描述符之间的距离与其形状特征之间的距离生成置信传播网的证据函数,利用每对待确定特征点对与其邻居之间的空间关系生成置信传播网的相容函数;4)迭代计算每个特征点的置信度以及传递给邻居的消息,直至整个网络收敛,并通过最后得到的置信度确定初始匹配特征点对是否为误配.利用真实拍摄的图像和牛津几何视觉组数据库中的图像进行仿真实验,并与RANSAC算法、GTM算法以及BP_SIFT算法进行了比较,仿真结果表明,在召回率、准确率、丢失率和效率上,文中算法总体上优于上述3种算法.

摘要：在分析飞机数字式油量测量过程中目前广泛使用的切片法油量测量原理的基础上,针对现有的定步长切片法无法得到准确、可靠的燃油质量特性数据库的缺陷,结合对飞机油箱模型形状特征的分析,提出了基于飞机油箱模型形状特征的油量测量切片步长选择方法。此方法包括切片步长整体和局部选择两个过程,整体选择以实现相邻两切片平面所夹油箱模型体积近似相等为目的来确定切片步长,以体现油箱模型截面整体变化规律;局部选择以设计切片平面与截面突变平面重合或尽可能接近的方式,突出油箱截面的局部变化特征。实验结果表明:该切片步长选择方法较定步长方法能够建立更为合理、可靠的燃油质量特性数据库,从而提高了油量测量精度。

摘要：随着人机界面中信息量的不断增加,为了通过形状编码有效地引导视觉注意的先后次序,提高信息搜索和目标认知效率,提出形状突显编码方法.首先利用形状相似性进行形状基本特征描述,采用语义差异法对不同主题的两两形状进行差异性比较,通过相关分析和回归方程获取高辨别性形状特征;其次根据形状特征的属性表现构建面状、条状和环状3类形状,执行在不同形状编码组合下的视觉搜索实验;最后结合方差分析和最小显著性差异检验,分析形状特征、特征属性和特征复杂性对认知绩效的影响.实验结果表明,拓扑差异及其差异程度对认知绩效有决定性影响;圆弧比其他轮廓的注意捕获程度高;随着形状复杂度增加,认知绩效的增长幅度随形状特征而变化.以多媒体统一监控系统为例,验证了不同复杂度形状组合设计有利于降低视觉混乱和提高认知绩效.

摘要：提出了一种基于形状特征与变形区域保持的动态表面多分辨率模型生成方法.该方法使用了基于形状特征的二次误差度量来计算边折叠代价,可以较好的保持模型表面特征.在计算整个变形动画中累加的边折叠代价时,加入相邻帧之间的变形程度信息,以保持变形程度较大区域的细节特征.最后基于整体的边折叠顺序,对每一帧模型进行细微的调整,以得到视觉失真最小的简化网格.文中方法的效率较高,易于实现,并且可以在变形网格的任意帧上生成高质量的、保持良好细节特征的简化模型.

摘要：连杆轨迹曲线与连杆机构参量之间存在着复杂的非线性关系,用具有旋转、缩放、平移不变特性的形状谱和几何参数作为联合特征,描述了连杆轨迹曲线的结构形态特征和整体形状特征,并构建曲线形态的识别、比较方法,实现了连杆轨迹曲线描述最小的数据冗余;利用人工神经网络拟合了连杆轨迹曲线与连杆机构之间的非线性关系,获取与预期轨迹最为吻合的连杆曲线参数,实现了机构的快速综合设计。以512幅连杆曲线图像为学习库,64幅图像为工程测试样本的实验数据说明了本文方法的可行性,并分析了误差产生的原因。

摘要：高精度导航接收信道射频前端设计优化需求日益强烈,而传统群时延分析模型参数,无法准确描述信道群时延特征、为射频前端设计优化提供支撑。针对上述问题,以实测射频滤波器相对群时延测量结果为依据,根据基于物理可实现的波动幅度、极值点不一致性和占空比不一致性形状特征,建立基于分段抛物线的相对群时延分析模型。该模型可以准确分析相对群时延特性的形状特征对时延估计偏差的影响,且对于给定的时延估计误差指标,可以得到相对群时延特性形状特征之间的约束关系,为高精度导航接收信道射频前端滤波器的设计优化提供支撑。

摘要：首先,对空间分布不均匀且无序的三维点云构造其二维主流形,并以与球面同胚的封闭曲面网格形式给出其二维主流形的二次优化逼近,以主流形网格有序均匀的结点分布表示三维点云空间分布无序且不均匀的形状特征,降低了三维形状描述的难度;然后,以基本几何变换作为快速粗对齐、以迭代最近法向点(ICNP)方法作为精准对齐,确定两个主曲面网格之间最佳刚性变换,ICNP方法在寻找最近点时考虑法向夹角,利用了更多的几何信息,实现快速精准的刚性对齐,兼顾计算精度和速度;最后,以对齐误差作为两个3D点云之间形状差异测度.实验结果表明:所提出的基于主流形二次曲面网格优化逼近的三维点云模型形状描述方法对三维点云的分辨率和噪声等干扰因素具有较高的健壮性,可以用于三维检索的形状描述.