公共文化服务平台

王美华: 作品数：61 被引量：141H指数：7; 供职机构：华南农业大学更多>>; 发文基金：国家自然科学基金广东省自然科学基金广东省科技计划工业攻关项目更多>>; 相关领域：自动化与计算机技术文化科学经济管理理学更多>>

合作作者

一种基于多频网络的路面裂缝分割方法: 本发明提供一种基于多频网络的路面裂缝分割方法，包括S1)、构建分频网络；S2)、对路面裂缝图像X和路面裂缝标签图像Y进行预处理；S3)、将训练集输入分频网络进行模型训练；S4)、将测试集图像输入训练好的训练模型中，经过编...; 王美华李朋涛

基于JSON的教育游戏地图可视化研究被引量：2: 2013年; 总结当前基于Flash的教育游戏地图建设中存在的一些问题,如:资源可重用性较低,与XML文件交互过程中存在较大的数据冗余,可视化修改的复杂性较高。针对这些问题,在查阅相关文献资源之后,提出一种基于JSON(JavaScript Object Notation)的设计与开发方法。并结合等距投影技术,运用该方法开发出一款可视化地图编辑软件,以帮助用户根据自身需求快速、可视地进行教育游戏虚拟地图的建设。用户可通过该软件将所建设的地图以图片(png、jPg)或JSON文件格式存储到本机,以供其在后续的教育游戏开发中使用。最后对该软件进行测试,证明使用该方法能够较好地解决上述问题。; 罗静王美华刘跃勇张典; 关键词：JSON FLASH 可视化

特征学习的单幅图像去雾算法被引量：12: 2016年; 目的雾霾天气使图像降质,严重影响军事、交通和安全监控等领域信息系统的正常运作,因此图像去雾具有重要研究意义。目前主流的单幅图像去雾算法主要利用各种与雾相关的颜色特征实现,但不同的颜色先验知识往往存在各自的场景局限性。为提高图像去雾的普适性,提出一种特征学习的单幅图像去雾方法。方法首先通过稀疏自动编码机对有雾图像进行多尺度的纹理结构特征提取,同时抽取各种与雾相关的颜色特征。然后采用多层神经网络进行样本训练,得到雾天条件下纹理结构特征及颜色特征与场景深度间的映射关系,并估算出有雾图像的场景深度图。最后结合大气散射模型,根据场景深度图复原无雾图像。结果与主流去雾算法的结果定性对比,复原后的图像细节更清晰,颜色更自然。采用均方误差和结构相似度定量评价各算法去雾结果与真实无雾图像的相似度,本文算法结果与真实无雾场景间的相似度最高,达到99.9%。结论对实验结果的定性及定量分析表明,本文算法能有效获取有雾图像的场景深度,复原出视觉效果理想的无雾图像,且具有很好的场景普适性。; 麦嘉铭王美华梁云蔡瑞初; 关键词：神经网络

一种生物分子间相互作用强弱状态的监测装置: 本发明涉及一种生物分子间相互作用强弱状态的监测装置，包括处理器模块、数据采集模块、数据接收模块、语音处理模块、显示模块、按键模块和扬声器；所述的数据采集模块用于采集生物分子间相互作用的数据信息；所述的数据接收模块、语音处...; 万华常珊李健明王美华涂淑琴; 文献传递

自适应车流方向的跨道行人检测被引量：2: 2011年; 针对视频交通事件监控中的行人检测问题,提出一种自适应车流方向的跨道行人检测算法。利用运动历史图像计算画面中物体的运动方向,通过学习获得运动参考方向场,并对运动目标进行跟踪。依据参考方向场分析其轨迹的走向,以确定运动目标是否发生跨道行为。实验结果表明,该算法能适应车流方向并有效检测跨道行人,具有较好的实时性和较高的检测成功率。; 许崇博王美华谭志标; 关键词：行人检测智能监控运动历史图像

一种融合注意力单幅图像去雨方法: 本发明涉及一种融合注意力单幅图像去雨方法，包括：首先将输入图像进行批归一化处理，然后输入到三维注意力机制与残差密集块结构相结合的编码器网络得到高维特征；使用Transformer机制计算全局特征关联性；使用三维注意力残差...; 王美华柯凡晖廖磊

蛋白质氨基酸网络研究进展被引量：3: 2011年; 氨基酸网络是运用复杂网络工具对蛋白质结构-功能关系研究的新方法。本文回顾了氨基酸网络中常用网络参量的计算方法,如:度分布,聚集系数,平均最短路径等。结合本研究小组的工作,介绍了常用的网络构建和分析方法,并总结了氨基酸网络在蛋白质折叠以及蛋白质分子对接问题中的应用。最后,分析了氨基酸网络研究目前存在的主要问题,并对未来的工作进行了展望。; 常珊焦雄王美华田绪红; 关键词：蛋白质复杂网络

一种融合频率和内容特征的单幅图像去雾方法: 本发明涉及一种融合频率和内容特征的单幅图像去雾方法，包括：首先将输入图像进行批归一化处理，然后输入到包含频率流和内容流的双流网络；频率流使用倍频卷积提取图像高低频特征，并加入了基于Transformer的高低频双重自注意...; 王美华廖磊徐嘉杰

融合3D注意力和Transformer的图像去雨网络被引量：1: 2022年; 目的因为有雨图像中雨线存在方向、密度和大小等各方面的差异,单幅图像去雨依旧是一个充满挑战的研究问题。现有算法在某些复杂图像上仍存在过度去雨或去雨不足等问题,部分复杂图像的边缘高频信息在去雨过程中被抹除,或图像中残留雨成分。针对上述问题,本文提出三维注意力和Transformer去雨网络(three-dimension attention and Transformer deraining network,TDATDN)。方法将三维注意力机制与残差密集块结构相结合,以解决残差密集块通道高维度特征融合问题;使用Transformer计算特征全局关联性;针对去雨过程中图像高频信息被破坏和结构信息被抹除的问题,将多尺度结构相似性损失与常用图像去雨损失函数结合参与去雨网络训练。结果本文将提出的TDATDN网络在Rain12000雨线数据集上进行实验。其中,峰值信噪比(peak signal to noise ratio,PSNR)达到33.01 d B,结构相似性(structural similarity,SSIM)达到0.9278。实验结果表明,本文算法对比以往基于深度学习的神经网络去雨算法,显著改善了单幅图像去雨效果。结论本文提出的TDATDN图像去雨网络结合了3D注意力机制、Transformer和编码器—解码器架构的优点,可较好地完成单幅图像去雨工作。; 王美华柯凡晖梁云范衠廖磊; 关键词：TRANSFORMER

一种基于重用原始信息的压缩奖惩神经网络的单幅图像去雨方法: 本发明涉及一种基于重用原始信息的压缩奖惩神经网络的单幅图像去雨方法，首先利用快速引导滤波将有雨图像分解为低频图层和高频图层；接着将高频图层输入到一个结合了压缩奖惩神经网络结构块、批归一化处理以及本方法提出的重用原始信息连...; 王美华陈伦宝梁云何海君; 文献传递