计算机辅助设计与图形学学报杂志

计算机辅助设计与图形学学报杂志2022年第7期

• 计算机辅助血管介入技术进展综述

  李娜, 贺建安, 陈阳, 周寿军

  血管类疾病是人类健康的重大威胁.血管介入诊疗作为常用的微创手术面临多种临床负担,亟需计算机辅助技术的支撑.近年来,血管外和血管内的医学影像技术与人工智能方法的快速发展推动了计算机辅助血管介入技术的相关研究.通过回顾和系统分析计算机辅助血管介入的基本内容和关键技术及其应用之间的有机关系,包括多模态医学造影图像分析、导管导丝的位置跟踪、血管关联病灶的特性和形态识别等热点问题,并分析上述内容与手术规划和手术导航的关系,得出该领域的临床应用趋势是结合诊疗一体化的血管介入机器人技术.通过对研究现状和发展趋势的分析,得出各类研发内容所面临的挑战:分割模型对血管结构量化的精确性与拓扑提取的完整性、介入路径矢量化与多模态信息融合的准确性、动静脉血管分类和分段与路径导航的关联性以及血管介入的人机交互的水平和评价方式等问题.分析表明,上述问题的解决将不断地推动人工智能诊疗技术,尤其是机器人辅助血管介入的快速发展和临床应用.

• 注意力监督策略下的自然场景文本检测算法

  梁浩然, 叶凌晨, 梁荣华, 陈龙, 吴昊

  已有的场景文本检测算法在处理任意形状的文本区域时,会将多余的背景区域也包含在内,为了自动学习聚焦任意形状的文本区域,提出一种注意力监督策略下的文本检测算法.首先使用深度残差网络作为骨架网络提取包含多尺度信息的特征图,然后通过注意力掩膜生成模块将融合特征图转换生成注意力掩膜,再通过背景抑制模块,利用注意力掩膜监督生成下一级特征图,最后经过一系列卷积操作生成分割掩膜,处理优化后得到最终的文本检测结果.实验表明,所提算法在ICDAR2015数据集上的多指标综合表现优越,其中F值相较对比算法提高了2.1%.

• 结合特征解耦和静动态联合图卷积网络的人脸属性识别

  姚树婧, 张立言, 李星燃

  现有的人脸属性识别方法或采用属性分组的方式提取特征,或计算属性共现概率构造静态属性关系图.前者学习的属性间互补信息不充足,且无法确定组间属性的相关性和属性间的相关程度;后者在人脸图像出现偶然共现属性对时存在偏差,可能会降低模型的通用性.为解决上述问题,提出一种结合特征解耦和静动态联合图卷积网络的人脸属性识别方法.首先使用深度卷积神经网络ResNet-50提取包含属性表示信息的特征;然后设计特征解耦模块,学习得到每种属性对应的特定特征;最后联合属性关系的静态图和动态图,通过图卷积网络学习属性之间的相关性并使用一维卷积层识别人脸属性.在CelebA和LFWA数据集上进行验证,所提方法的平均准确率分别达到91.85%和88.17%,优于许多已有的方法.

• 特征增强全卷积网络下的船舶检测

  姚婷婷, 张波, 柳晓鸣

  针对现有船舶检测算法受海面背景噪声和不同种类船舶尺度变化影响,存在较多误检和漏检现象的问题,提出一种特征增强全卷积网络下的船舶检测方法.首先引入多尺度特征增强机制,提高模型对船舶目标的特征描述力.在每个单尺度特征提取阶段,利用计算获得的统计信息抑制海浪、杂波等背景噪声对船舶特征描述的干扰.同时,在多尺度特征融合阶段,利用双阶段特征自适应融合策略提高网络对不同尺度大小船舶的感知力.进一步,在回归分析求解框架下,改进目标检测头部网络,在回归分支中通过注意力增强机制优化中心度计算,更好地抑制低质量目标检测框,在保证检测效率的同时提高检测性能.所提方法在大型海事监控数据集SeaShips上的均值平均精度达到91.6%,检测速度为9帧/s,实验结果表明所提方法具有良好的准确性和鲁棒性.

• 高度分层分区的图卷积交警手势识别技术

  张丞, 侯义斌, 何坚

  针对无人驾驶汽车自动识别连续交警手势的需求,提出高度分层分区的图卷积交警手势识别方法.首先,依据人体部件在空间域内的自然、辅助和自身连接关系以及时间域内的关联关系建立交警手势时空图模型,并从图像序列卷积预测模型参数;其次,引入时空图卷积网络,提出以人物自然站立状态下时空图顶点相对高度差为标签的图卷积高度分层分区策略,打破现有分区策略对图结构的限制;最后,设计保留时间维度的空间域平均层网络输出架构,在减少特征数量的同时适配多对多序列预测模式,达到识别连续交警手势的目的.与领域内代表性方法的对比实验表明,该方法的识别准确率显著提高,不同手势之间混淆率仅为0.1%,Jaccard指数超过对比方法.

• 特征约束的有理多项式图像放大

  张帆, 周浩, 王桦, 姜新波, 张彩明

  图像边缘的质量对图像的视觉效果起着至关重要的作用,而现有图像放大方法保持图像边缘的作用不明显.因此,提出一种构造有理多项式曲面对图像拟合的图像放大方法.首先,对每个像素,以图像边缘为约束,构造能较好保持图像边缘特征的局部拟合二次多项式曲面片.然后,根据每个曲面片对邻近图像的逼近精度构造有理权函数,每个正方形网格上由4张二次多项式曲面片加权组合生成有理多项式曲面片,所有有理多项式曲面片拼合起来形成整体曲面.整体曲面在图像边缘处的误差较大,因此构造误差曲面对整体曲面进行修正,以提高整体曲面的精度和保边缘特征能力.文中方法与其他7种方法相比的实验结果表明,对于4组常用的比较图像集,其生成的放大图像在set5,set14和Urban100图像集的平均PSNR和SSIM值是最高的,而在BSD100图像集的平均PSNR和SSIM值是次高的;对用于比较边缘保持效果的3幅图像,其边缘保持能力都最好,因此视觉效果最好;另外,该方法的复杂度和速度和Bicubic属于相同的数量级,适用于实时图像放大处理,比其余6种方法的速度明显更快.

• LabGAN: 基于生成对抗网络标签自动生成的血细胞检测方法

  丁启辰, 黄小巧, 刘泓锟, 陈雪云, 金鑫

  针对现有的条件生成对抗网络通过输入固定位置标签生成细胞样本多样性不足,导致细胞检测精度提升不能满足实际检测需求的问题,提出一种基于生成对抗网络的标签自动生成的血细胞检测方法.首先输入随机噪声生成细胞样本,将随机生成细胞样本与真实细胞样本通过标签生成器实现对细胞图像标签的生成;然后引入多功能鉴别器,将生成细胞图像、标签与真实细胞图像、标签成对一一对应,输入多功能鉴别器中对细胞位置进行匹配鉴别与真假鉴别.在血细胞数据集上的实验结果表明,通过输入随机噪声生成的细胞样本不仅增加了生成细胞图像的多样性与质量,同时与目前主流的细胞图像生成与检测方法LCGAN对比,细胞检测精度交并比由90.3%提升至91.1%,精确率由91.7%提升至94.8%.

• 随机赋值权重的深度网络具有物体分类能力

  荣梦琪, 胡立华, 董秋雷, 胡占义

  一些文献中报道,即使深度网络的权重参数随机赋值,对应的深度网络仍有一定的分类能力.以AlexNet为模式网络,从3个侧面分析探讨了随机深度网络是否具有图像物体分类能力.首先,将AlexNet的权重随机赋值;然后,对多类不同的图像物体刺激下的神经元响应的表达不相似矩阵(RDM)与原AlexNet的RDM进行了相关性分析,发现这2类RDM具有显著相关性;鉴于深度卷积网络每层的卷积操作为加权求和,且根据中心极限定理,大量随机变量的和近似服从正态分布,进一步分别拟合了在同一输入图像下原AlexNet神经元响应的分布和随机AlexNet神经元响应的分布与高斯分布的拟合优度,并对上述2种优度进行了相关性分析.大量模拟实验表明,对于来自真实世界的样本,对应高斯拟合优度呈现显著相关性.最后,直接利用赋以随机权重的AlexNet输出的高层响应进行K近邻分类,发现其分类精度高于直接对原始彩色图像进行K近邻分类的精度.因此,与文献报道相似,实验结果再次表明随机深度网络的确具备一定的物体分类的能力.

• 面向图像分割的卷积密度聚类算法

  张淼, 陈爱军, 卢男凯, 沈小燕

  为了提升密度聚类算法在高分辨图像分割中的可用性,针对数字图像特点,提出一种基于三维卷积的高效密度聚类算法,并在此基础上实现一种彩色图像分割方法.首先,在DBSCAN算法的基础上引入卷积思想,将核心对象获取过程转化为三维卷积运算过程,避免距离计算和区域检索,使该步骤的时间复杂度从二阶降为常数级;然后,基于动态规划思想优化三维卷积运算过程,使卷积时间与卷积核尺寸无关;最后,根据核心对象集合的有序性精简样本点的邻域搜索范围.对比现有算法,在Berkeley BSD300数据集上的实验结果表明,所提算法是有效的,CH指数和计算效率平均提高17%和49%.利用遥感图像测试集Mts-WH进行实验的结果表明,所提算法的时间效率提升显著,比kD树优化的DBSCAN算法效率平均提升19倍,并且样本点数量越多,提升效果越明显,样本点数量超过50万级别时,提升效率达到169倍.

• 利用属性控制的人脸图像修复

  张繁, 叶凯威, 王鹿鸣, 刘泽润, 王章野

  人脸图像修复在刑事侦查、医疗美容、安防等领域有着重要的应用价值,但是传统已有工作大多基于扩散和纹理方法,均未有效地利用人脸图像已有的属性知识和语义信息,图像真实性和语义不一致问题较为突出.因此,提出一种基于属性控制的人脸图像修复方法.首先通过改进生成对抗网络,加入额外人脸属性信息以及分类网络,实现了在修复人脸图像的同时控制人脸面部特征;然后加入基于多尺度特征融合的注意力模块,在几乎不增加复杂度的同时通过增大神经网络的感受野获得更多全局特征,以提升人脸图像修复质量.结合MAE,PSNR,SSIM和FID这4项评价指标,在CelebA数据集上的实验结果表明,本文方法通过有效的语义引导,不仅可以保证人脸图像修复质量,还可以基于属性修改人脸面部特征.

• 采用交替优化策略的三维模型兴趣点提取算法

  舒振宇, 易顺, 杨思鹏, 刘予琪, 隆威, 金海容, 辛士庆, 吴双卿

  针对三维模型的兴趣点提取问题,提出一种基于交替优化的全监督检测算法.第1步,利用多种特征描述符对人工标注好的三维模型进行特征提取,得到每个顶点的特征向量,将其作为神经网络的输入;第2步,使用双调和距离场为模型表面顶点赋予概率标签,并将顶点标签值作为神经网络的输出;第3步,通过神经网络学习输入特征与输出标签之间的复杂映射关系;第4步,将训练后的神经网络对训练集进行预测,并把兴趣点提取结果与人工标签进行对比,根据对比差异进一步优化顶点标签值,然后将顶点标签值作为输出、顶点特征向量作为输入,继续优化神经网络.将第3步和第4步重复多次进行交替优化,最终得到一个较优的神经网络模型.在公开数据集SHREC 2011上的实验结果表明,由于采用了交替优化的策略,所提算法在三维模型表面兴趣点提取的关键评价指标FNE和FPE上均优于传统算法,准确率实现了平均11个百分点以上的提升.

• 双调和的三维人体参数化模型

  陈寅, 姜巍, 于涛, 周启臻, 程志全

  三维人体参数化模型是一种高层次的语义信息,可以为三维人体重建提供有效的先验知识.针对已有人体参数化模型未考虑参数的局部相似特性,难以保证生成光滑的模型的问题,提出一种双调和的三维人体参数化模型.首先以BlendSCAPE模型为基础,在模型的每步变形过程中均考虑双调和约束;然后采用数据驱动的方式对每项参数进行训练,双调和约束的引入对整个训练过程重新进行设计,将参数的训练转化为若干最小能量函数的求解问题.最后,在CAESAR公开数据集上进行了实验,较BlendSCAPE模型,该模型在真实数据拟合误差上下降了14.2%;通过生成不同姿态和体形的人体外形进行Laplace光滑前后对比,该模型光滑度提升了7.3%;标准姿态下真实数据的姿态估计结果显示,该模型躯干部分姿态的偏差减小了18.6%.

• ZS3D-Net: 面向三维模型的零样本分类网络

  白静, 袁涛, 范有福

  零样本三维模型分类对于三维形状的理解和分析非常重要.针对当前零样本三维模型分类缺乏相应数据集且准确率低的问题,设计并构建零样本三维模型数据集ZS3D,提供包括41个类1677个非刚性三维模型数据及所有类别的完备属性表征,为零样本三维模型的分类研究提供了数据基准;提出一种面向零样本三维模型分类的深度学习网络ZS3D-Net,通过集成学习子网络有效地提取三维模型的视觉特征信息,通过语义流形嵌入子网络捕捉未知类和已知类视觉特征和语义特征之间的关联性,完成对未知类的识别.在传统三维模型数据集和ZS3D上,ZS3D-Net分别取得了30.0%和58.6%的分类精度,表明其在同类工作中处于相当或领先的水平,验证了其可行性及有效性.

• StreamLNet: 结合流线可视化的流场原位压缩方法

  林佳琦, 解利军, 季候风, 陆曼君

  为了解决大规模计算流体力学数据量巨大引起的可视化和数据存储困难,提出一种原位流线提取和速度场压缩方法.在计算流体数值模拟的原位,首先使用均匀随机方法在流场中分布和生成一定数量的流线;然后基于该组流线训练一个深度神经回归网络模型StreamLNet,该模型以流场中任意位置的速度作为输出,以该位置周围若干流线节点的相对位置关系和速度属性作为输入,学习二者间的映射关系;最后舍弃原始流场数据,仅存储该组流线和StreamLNet模型用于后续数据可视化和流场恢复.对典型流体仿真数据的实验结果表明,所提方法在原位实现流线可视化的同时,可以以2%~3%的相对误差的代价获得几十倍到几百倍的压缩比.

• 基于自适应矩阵低秩分解的三维电容提取计算加速

  黄杰辰, 冯栩, 喻文健

  为了加速直接边界元法电容提取,利用方程组系数矩阵的局部低秩性进行定精度的低秩分解,用分解因子代替原矩阵参与线性方程组的迭代求解,在保持一定精度的同时加快求解速度.为了降低矩阵分解带来的额外开销,提出分解算法针对矩阵向量乘这一下游任务进行优化.在大量三维互连线结构上的实验结果表明,所提快速自适应低秩分解fastQB算法相比现有的randQB_EI算法的加速比达到1.5,引入矩阵低秩分解后方程组的迭代求解加速比达到16.8.