基于2D循环卷积和难度敏感轮廓交并比损失的Deep Snake

Deep Snake端到端地变形初始目标框到目标轮廓,能提升实例分割的性能,但存在对初始目标框敏感和轮廓参数独立回归的问题.因此文中提出基于2D循环卷积和难度敏感轮廓交并比损失的Deep Snake.首先,基于轮廓的空间上下文信息设计2D循环卷积,解决对初始目标框敏感的问题.然后,基于定积分的几何意义与样本难易度提出难度敏感轮廓交并比损失函数,将轮廓参数进行整体回归.最后,利用2D循环卷积和难度敏感轮廓交并比损失函数完成实例分割.在Cityscapes、Kins、Sbd数据集上的实验证明文中方法的实例分割精度较优.     

小型无人驾驶直升机动力学模型辨识仿真研究

获得足够精确的动力学模型．对于小型无人驾驶直升机这种MIMO控制系统研究具有重要的意义。文中研究了直升机模型辨识方法,将子空间辨识算法运用于直升机动力学模型的辨识,并对模型直升机的垂直——偏航耦舍运动方程进行了辨识,得到了较为精确的结果,通过和PEM算法进行比较,显示该算法适合模型直升机系统辨识。     

基于TV与SSIM的图像质量评价方法

提出一种基于全变分(TV)模型与结构相似度(SSIM)的图像质量评价方法。对待评价图像进行主动定量加噪,得到降质图像,利用自适应的TV去噪模型得到消噪图像,采用SSIM方法对待评价图像与消噪图像进行全参考评价,得到待评价图像的无参考评价指标。采用标准测试图像和LIVE库的降质图像进行实验,结果表明,该方法可在无参考图像的条件下对图像质量进行评估,评价结果与主观评价结果具有较高的一致性。     

基于十字链表的图像符号表达方法

图像符号的表达与描述是图像进行分析与理解的关键环节。基于十字链表,提出了一种图像符号表达新方法,统一了区域和边界的表达与描述。该方法为图像分析和理解提供简洁紧凑的数据结构。     

弱小目标检测预处理算法对比研究

针对弱小目标检测与处理问题,对比研究了帧问差分法、背景预测法和小波分析法三种典型的弱小目标检测预处理算法.理论分析和实验验证表明,背景预测法的综合性能较好,只是在时间复杂度上较差,如果硬件资源允许,则是首选的算法;小波分析法在检测精度和抑制噪声方面较差,但其运算速度较快,如果对检测精度要求不高,则是首选的算法;帧间差分法检测率较低,综合性能最差,较少使用.研究为弱小目标检测预处理算法的选择提供了依据,为弱小目标检测预处理算法的研究和设计提供了重要的参考,具有重要的现实意义.     

一种快速鲁棒的视频序列运动目标检测方法

稀疏表示已经成为运动目标检测的有效方法之一,但其还没有很好地解决目标检测的快速性和鲁棒性.本文基于最大后验概率提出了一种快速鲁棒的运动目标检测模型,并设计了该模型的求解算法.该算法包括两个阶段：在第一阶段利用编码迁移实现稀疏系数的快速求解;在第二阶段基于运动目标的空间连续性结构,利用图切实现目标检测.在多个具有挑战性的图像序列上的实验结果表明,与其他经典运动目标检测算法相比,本文方法在快速性和鲁棒性方面具有较优的性能.     

基于两阶段模型的无人机图像厚云区域内容生成

无人机飞行时常因云层遮挡而造成拍摄图像下垫面的信息损失,而现有多光谱和多时相的云区内容估计方法主要针对卫星遥感图像,无法直接应用于无人机图像.如何利用已有信息合理地推断厚云遮挡区域内容,以提高影像的可用性是亟待解决的问题.针对无人机成像光谱单一、航时短且航迹随机的特点,利用图像修复理论,提出了一种基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)的两阶段厚云区域内容生成方法.采用词袋(Bag of Words,BoW)检索算法搜索一阶段修复图像的相似样本,设计了仿射网络对它们进行注意力对齐,使生成的图像能利用同分布已知图像的信息,解决了无人机图像含有多种分布而难以有效提取特征,以及现有修复方法强依赖于单幅图像的局限.改进了经典DCGAN的结构,综合局部和全局对抗损失,以及感知损失和总变差损失,设计了新的联合损失函数.在仿真实验的中心1/4掩膜上,峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)、平均像素L1损失、自然图像质量评价NIQE(Natural Image Quality Evaluator)和BLIINDS(Blind Image Integrity Notator using DCT Statistics)指标比对比方法分别改善0.3214～3.6793、0.0005～0.0543、0.0171～4.1120、0.0565～4.7440和0.8841～4.2586.在真实含云图像实验中,NIQE和BLIINDS指标比对比方法分别改善0.1062～1.8992和1.0903～5.6495.实验结果的主观和客观分析表明,相比经典方法,本文方法在语义合理性、信息准确性和视觉自然性上都具有一定的优势,为厚云遮挡下的单光谱图像像素值预测提供了一种较好的解决方案.     

雾天条件下偏振解析成像质量评价

目的 偏振成像产生的偏振参量图像具有一定的揭示雾天目标相关特性的优势,目前尚无适当的量化评估手段,由于偏振参量图像均由原方向图解析产生,针对解析类图像的质量评价问题利用现有方法无法有效解决,为此,提出一种用于雾天条件下偏振成像质量评价的方法,旨在给出不同雾天条件下偏振参量图像质量及其变化对比情况。方法 从图像质量分析角度验证雾天目标特性表征与主观观测一致性关系。在分析全偏振参量解析过程及雾天对图像质量的影响基础上,提取了与“解析失真”敏感的特征因子：基于空域的自然场景统计特征和图像的结构性特征,同时引入相应Stokes参量形成了偏振解析参量特征,依据马氏距离构建了统一的评价模型。结果 分别选取室内模拟雾天环境成像样本、仿真生成的雾天样本、室外实拍雾天成像样本3类样本。采用3个参数：1）非线性回归后的算法测试分数与DMOS（平均主观评份差值）间的线性相关系数（CC）;2）非线性回归后的算法测试分数与DMOS间;的均方根误差（RMSE）3）斯皮尔曼相关系数（SROCC）。开展了有效性实验及主客观一致性实验。采用本文算法评价的入射光强（I）图CC值和RMS值分别为0.930 2和4.593 2,偏振度（P）图的CC值和RMS值分别为0.877 1和0.995 0,算法准确度高。入射光强（I）图的SROCC值为0.939 0,P图的SROCC值为0.786 1,算法的客观分数与主观分数相一致。算法对不同雾天条件下的偏振解析参量图像的质量演变关系辨识性好,客观评价结果符合主观理论分析。结论 本文针对偏振参量图像提出的综合质量评价模型通过提取特征因子及Stokes参量形成的评价算法能够准确地评价参量图像中的I图和P图,算法准确度高、主客观一致性好,能够反映偏振参量图像的质量及相关关系,较好地解决了雾天条件下偏振成像质量评价问题。     

微软一曲没完没了的咏叹调

几乎所有从事计算机及其相关产业的人都受过微软产品的“洗礼”，同时对于这个软件巨人的一举一动也时刻关注。但是在过去的一年，微软过的并不怎么好，跌跌撞撞，起起浮浮地来到了马年。在聆听微软这曲咏叹调中，可以发现参与演奏的不仅只是微软本身，各种震撼动人的音调来自与其相关者的合奏。下面我们来“听一听”其中的片断。基调：wintel微软与英特尔的“捆绑”众所周知，随着“wintel”这个固定词组的诞生，做软件的微软和做硬件的英特尔一起成长了起来，坚挺了整整一个PC时代。微软与英特尔的战略联盟在IT业形成了坚不可破的垄断，…