Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 314

年份

2023 40

2022 38

2021 27

2020 31

2019 32

2018 18

2017 28

2016 10

2015 7

2014 9

2013 1

2012 10

2011 4

2010 8

2009 4

2008 8

2007 6

2006 5

2005 5

2004 7

展开︾

关键词

深度学习 15

人工智能 7

机器学习 4

临床特征 3

2035 2

CAPP 2

中国 2

人工神经网络 2

人脸识别 2

冲击波 2

分布特征 2

增材制造 2

深度神经网络 2

炎症 2

自相关函数 2

6G；广域覆盖信令小区；多维资源分配；深度Q网络（DQN） 1

N-糖链 1

AF/PSTM 1

CAD 1

展开︾

检索范围：

排序：展示方式：

基于RGBD和稀疏学习的鲁棒目标跟踪 Article

Zi-ang MA, Zhi-yu XIANG

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 989-1001 doi: 10.1631/FITEE.1601338

摘要：随着深度传感器的普及，深度信息因其对光照变化与遮挡表现出一定的鲁棒性而被广泛应用于视觉目标跟踪算法中。本文提出了一种基于RGBD和稀疏学习的跟踪算法，从三个方面将深度信息应用到稀疏学习跟踪框架。首先将深度图像特征结合现有的基于彩色图像的视觉特征用于目标外观的鲁棒特征描述。为了适应跟踪过程中的各种遮挡情况，我们设计了一种特殊的遮挡物模板用于增广现有的超完备字典。最后，我们进一步提出了一种基于深度信息的遮挡物检测方法用于有效地指示模板更新。

关键词：目标跟踪；稀疏学习；深度视角；遮挡物模板；深度图像特征

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：概要：在图像分类任务中，不同类别之间的相似度是不同的，样本经常被误分到相似度较高的类别中。为了区分高度相似类别中的样本，需要更加具体的图像特征，以便于分类器能够提高分类性能。本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。然后，从全部类别中抽取的通用特征和从高度相似类别中抽取的具体特征被融合成一个特征向量，并将其输入线性分类器进行分类。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类

HTML PDF 收藏

使用曲率尺度空间描述符从单眼深度图像中提取手关节

Shao-fan WANG,Chun LI,De-hui KONG,Bao-cai YIN

《信息与电子工程前沿（英文）》 2016年第17卷第1期页码 41-54 doi: 10.1631/FITEE.1500126

摘要：

我们提出了使用曲率标度空间（CSS）描述符从单眼深度图像中进行手关节检测的框架。我们从输入的深度图像中提取手部轮廓，并使用轮廓的修改CSS映射的局部极值获得轮廓的指尖和手指谷。然后我们根据轮廓内部点深度的局部变化恢复未检测到的指尖。与使用角度检测器或凸包检测器的传统基于外观的方法相比，修改后的CSS描述符可以更精确地提取指尖和手指谷，因为它对嘈杂或损坏的数据更可靠；此外，深度的局部极值可以恢复指尖不能很好地弯曲手指，而传统的基于外观的方法在不匹配手模型的情况下几乎无法工作

关键词：曲率尺度空间；手部关节；凸包；手形轮廓

HTML PDF 收藏

基于深度序列特征学习的临床感染性角膜炎图像分类 Article

许叶圣, 孔鸣, 谢文加, 段润平, 方钲清, 林宇萧, 朱强, 汤斯亮, 吴飞, 姚玉峰

《工程（英文）》 2021年第7卷第7期页码 1002-1010 doi: 10.1016/j.eng.2020.04.012

摘要：本文提出了一种深度序列特征学习模型，该模型能够通过对临床图像的分类高效地鉴别不同的感染性角膜炎。我们针对感染性角膜炎的特点设计了一种能够解耦临床图像中最具区别
性的特征并保持其空间结构的机制。通过比较，我们提出的深度序列特征学习模型在120张图像的测试集上的准确率能够达到80%，远高于421位眼科医生所能达到的平均水平[(49.27 ± 11.5)]%。

关键词：深度学习角膜病序列特征机器学习长短时记忆

HTML PDF 收藏

一种快速均匀的采用尺度不变特征变换描述符进行基于内容的卫星图像配准方法 Article

Hamed BOZORGI, Ali JAFARI

《信息与电子工程前沿（英文）》 2017年第18卷第8期页码 1108-1116 doi: 10.1631/FITEE.1500295

摘要：基于内容的卫星图像配准是在遥感和图像处理领域的一大难题。受照度、旋转、来源差异的影响，该问题在多源遥感图像匹配中更为突出。尺度不变特征变换（scale-invariant feature transform, SIFT）算法是一种成功应用于卫星图像配准的算法。本地SIFT描述符被许多研究者应用于改进图像检索流程。另外，SIFT算法提取的本地特征具有较高维度，导致计算过程耗时过长以及对保存相关信息的储存空间要求过高，而这两点也是在基于内容图像检索（content-based image retrieval, CBIR本文介绍了一种在多源遥感中将本地SIFT特征转变为全局特征的新方法。通过在预处理阶段对图像进行对比度均衡化来提升SIFT本地特征点质量和数量。将参考数据库中每副图像的本地特征单独分为一类后，采用线性判别分析（linear discriminant analysis, LDA）方法将本地SIFT特征转变为全局特征，同时不为降低特征空间的维度。

关键词：基于内容的卫星图像配准；特征点分布；图像配准；线性判别准则；遥感；尺度不变特征变换

HTML PDF 收藏

基于图像的深度学习降雨强度估计方法 Article

尹航, 郑飞飞, 段焕丰, Dragan Savic, Zoran Kapelan

《工程（英文）》 2023年第21卷第2期页码 162-174 doi: 10.1016/j.eng.2021.11.021

摘要：本文提出了一种基于图像的深度学习模型来估计具有高时空分辨率的城市降雨强度。进一步来说，一种称为基于图像的降雨卷积神经网络（image-based rainfall convolutional neural network, irCNN）模型是使用从现有密集传感器（即智能手机或交通摄像头）收集的降雨图像及其相应的测量降雨强度值开发的。随后使用经过训练的irCNN 模型根据传感器的降雨图像有效地估计降雨强度。分别利用合成降雨数据和真实降雨图像来探索irCNN 在理论和实际模拟降雨强度方面的准确性。

关键词：城市洪水降雨图像深度学习模型卷积神经网络（CNN）降雨强度

HTML PDF 收藏

基于核空间非线性特征提取的图像质量评价方法 Article

Yong DING,Nan LI,Yang ZHAO,Kai HUANG

《信息与电子工程前沿（英文）》 2016年第17卷第10期页码 1008-1017 doi: 10.1631/FITEE.1500439

摘要：概要：在实现对与人类视觉感知相一致的图像质量的客观评价中，如何提取图像的视觉感知特征至关重要。不同于传统方法中通过线性变换或模型表达图像的方式，本文采用高维空间的一种数学表达来揭示图像的统计特性，通过引入核独立分量分析（kernel independent component analysis,KICA）方法实现非线性转化和图像的高维特征提取。从而提出一种基于非线性特征提取的全参考图像质量评价方法。在LIVE、TID2008和CSIQ等图像质量评价数据库上的实验结果表明，图像的非线性特征更有利于图像内在质量的描述，并且本文提出的方法性能良好，与主观评价较为一致。

关键词：图像质量评价；全参考方法；特征提取；核空间；支持向量回归

HTML PDF 收藏

深度学习在医学超声图像分析中的应用综述 Review

刘盛锋, 王毅, 杨鑫, 雷柏英, 刘立, 李享, 倪东, 汪天富

《工程（英文）》 2019年第5卷第2期页码 261-275 doi: 10.1016/j.eng.2018.11.020

摘要：对于图像分析来说，很有必要开发先进的自动化超声图像分析方法来帮助医生进行超声诊断，一方面可以减轻医生的负担，另一方面可以降低诊断的主观性，从而使得诊断更加客观与准确。近年来，深度学习已经成为最主要的机器学习工具，并且广泛应用于各个研究领域，尤其是一般的图像分析与计算机视觉。在医学超声图像分析中，深度学习也展示了巨大的应用潜力。本文首先简要介绍了一些流行的深度学习结构，然后总结并全面讨论了深度学习方法在超声图像分析的各种特定任务（如图像分类、物体检测与目标分割）中的应用。最后，本文讨论了深度学习在医学超声图像分析应用中所面临的挑战以及潜在的发展趋势。

关键词：深度学习医学超声图像分析分类分割检测

HTML PDF 收藏

基于双重约束的多帧图像降噪方法 Research Articles

张丹,赵磊,许端清,鲁东明

《信息与电子工程前沿（英文）》 2022年第23卷第2期页码 220-233 doi: 10.1631/FITEE.2000353

摘要：深度学习在计算机视觉领域应用非常成功，促进了图像降噪和多帧图像降噪领域的快速发展。本文针对多帧图像降噪问题，提出一种从多帧噪声图像中恢复清晰图像的方法。该方法结合BM3D（块匹配和三维滤波，block-matching and 3D filtering）算法和卷积神经网络（CNN）模型完成多帧图像降噪任务。该CNN模型基于分治法的思想设计。首先，用BM3D算法处理带噪声的多帧图像。然后，将预处理后的图像和原始噪声图像分别输入CNN模型的两个并行分支。最后，用一个轻量级CNN模块融合两个分支的输出得到最终图像估计。与以往研究不同，我们对CNN中两个并行分支分配了不同约束函数——信号约束和噪声约束，以提升模型提取不同特征的能力。此外，引入图像块匹配策略解决帧不对齐问题。在合成和真实噪声图像上的实验结果表明，该算法与其他算法相比具有一定竞争力。

关键词：图像降噪；多帧图像降噪；深度学习

HTML PDF 收藏

拟共形映射图像特征匹配 Article

Chun-xue WANG, Li-gang LIU

《信息与电子工程前沿（英文）》 2017年第18卷第5期页码 644-657 doi: 10.1631/FITEE.1500411

摘要：本文展示了一种从两幅图像的候选匹配点集中选取几何一致匹配点组并排除离群数据（outliers）的全自动方法。在给出包含离群数据的尺度不变特征转换（Scale-invariant feature transform, SIFT）候选匹配点集合的前提下，本文旨在通过在全部微分同胚空间中搜索映射，选择匹配点子集以保留更多的几何信息

关键词：特征匹配；拟共形映射；分裂算法

HTML PDF 收藏

一种针对盲图像质量评估的多模态密集卷积网络 Research Article

Nandhini CHOCKALINGAM, Brindha MURUGAN

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1601-1615 doi: 10.1631/FITEE.2200534

摘要：图像在加强交流中发挥着重要作用，已被广泛应用。因此，图像质量评估（IQA）对优化传递给终端用户的内容至关重要。在IQA中使用卷积神经网络面临两个常见难题。一是这些方法难以提供图像最佳表示，另一个问题是模型具有大量参数，容易导致过拟合。为解决这些问题，提出一种参数更少的深度学习模型——密集卷积网络（DSC-Net），用于无参考图像质量评估（NR-IQA）。此外，将多模态数据用于深度学习明显改进各种应用的性能。多模态密集卷积网络（MDSC-Net）融合了灰度共生矩阵（GLCM）方法提取的纹理特征和DSC-Net方法提取的空间特征，并对图像质量进行预测。

关键词：无参考图像质量评估；盲图像质量评估；多模态密集卷积网络；深度学习；视觉效果；感知质量

HTML PDF 收藏

基于改进立体网络的深度估计 Research Article

徐万朋1,邹玲3,吴玲达1,齐越2,钱昭勇1

《信息与电子工程前沿（英文）》 2022年第23卷第5期页码 777-789 doi: 10.1631/FITEE.2000676

摘要：自监督深度估计方法通过在训练数据中利用目标图像和参考图像之间的视角合成，呈现了可以与全监督方法相媲美的结果。图像中的低纹理区域也使深度估计的效果受到很大影响。为了解决这些问题，本文提出一系列改进，以实现更加有效的深度预测。首先，我们通过改进网络结构来促进网络中的信息流通，并提高学习空间结构的能力。其次，使用二值蒙版去除目标图像和参考图像之间低纹理区域中的像素，以更准确地重建图像。最后，我们随机输入目标图像和参考图像对数据集进行扩充，并在ImageNet上进行预训练，从而使模型获得良好的通用特征表示。我们使用立体图像对作为输入，在KITTI自动驾驶数据集的特征分割上验证了最先进的性能。

关键词：单目深度估计；自监督；图像重建

HTML PDF 收藏

结合熵、梯度、峰度特征的无参考噪声图像质量评价 Research Article

姚恒1,马奔2,邹勔2,徐栋3,4,姚劲草3,4

《信息与电子工程前沿（英文）》 2021年第22卷第12期页码 1551-1684 doi: 10.1631/FITEE.2000716

摘要：噪声是影响人类视觉感知最常见的图像失真类型。本文提出一种基于熵、梯度和峰度特征的无参考图像质量评估方法。具体来说，基于偏度不变性在离散余弦变换域进行图像噪声估计，进一步计算得到熵特征。在主成分分析变换域，通过统计有噪声图像与无噪声图像之间的显著差异得到峰度特征。此外，将熵和峰度特征与梯度系数结合，提高熵和峰度特征与主观得分之间的一致性。通过不同方向的滤波器对图像进行梯度特征提取，最后支持向量回归将所有提取的特征映射到综合评分系统中。为验证算法性能，在3个主流数据库（即LIVE、TID2013以及CSIQ）中对该方法进行评价。

关键词：噪声图像质量评价；噪声估计；峰度；人类视觉系统；支持向量回归

HTML PDF 收藏

具有深度阈值噪声消除的多尺度分析调制识别网络 Research Article

李响1,2,李一兵1,2,汤春瑞3,4,李迎松1,2

《信息与电子工程前沿（英文）》 2023年第24卷第5期页码 742-758 doi: 10.1631/FITEE.2200253

摘要：为了提高多变环境下调制信号识别的准确性、减少先验知识不足等因素对识别结果的影响，研究人员逐渐采用深度学习技术来替代传统的调制信号处理技术。为了解决低信噪比下调制信号识别精度低的问题，我们设计了一种具有深度阈值噪声消除的多尺度分析调制识别网络，在标签平滑的对称交叉熵函数作用下识别实际采集的调制信号。该网络由一个具有深度自适应阈值学习的消噪编码器和一个具有多尺度特征融合的解码器组成。将两个模块进行跳跃连接，共同作用以提高整体网络的鲁棒性。该网络展示了对噪声阈值的灵活自学习能力以及所设计的特征融合模块对各种调制类型的多尺度特征获取的有效性。

关键词：信号消噪；深度自适应阈值学习网络；多尺度特征融合；调制识别