基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。     

基于金属介质交替膜超材料窄带滤色片的性能优化

超材料窄带滤色片由于结构紧凑、体积小、制备工艺简单和成本较低等优点,其常被用于光电探测和成像系统等领域。利用银和二氧化硅交替膜制备的周期性超材料狭缝阵列,实现了在可见光范围中心波长可调的窄带过滤颜色性能。研究了狭缝宽度、狭缝周期、金属银膜厚度与介质层厚度之间的比值和超材料厚度对该滤色片透射性能的调控规律,得到了具有较高透射效率且中心波长可调的窄带滤色片。最终实现半峰全宽17～30 nm、透射率约50%、在可见光500～760 nm波段实现中心波长可调且色纯度较好的滤色片。该结果为新型窄带滤色片的设计提供了崭新的思路。     

一种改进的基于暗通道先验去雾算法

在雾霾天气下图像质量受大气散射的作用,使得图像质量较差。针对以上问题,提出一种改进的暗通道图像去雾算法。由于带雾图像中局部区域暗通道分量不趋近于0,对大气光值的估计是通过局部像素点R、G、B三通道像素值的方差来判断其波动幅度。若波动较大,则选出三通道中的较小值为当前像素点的暗通道像素值;若波动较小,则通过其周围像素点中最小通道的均值来确定当前点的暗通道值,从而得到精准的暗通道图和大气光值。将采样的方式加快求取透射率图的速度,最后转变为HSI颜色空间可以对图像进行更好的复原。实验结果表明,该算法可以针对色彩失真的状况得到有效的改善,同时在得到去雾图像速度上提高50%以上。     

后向散射法测量蒸汽湿度中理论计算模型的优化

基于Mie散射理论和Lambert-beer定律,利用CCD相机接收湿蒸汽水滴微粒的散射光强,建立了蒸汽湿度测量系统。对于该系统的理论计算模型,分别采用对数正态分布(LN分布)和Rosin-Rammler分布(R-R分布)来描述模拟器缸汽中的水雾粒径分布,对散射光强进行仿真计算,将得到的仿真结果同实验数据进行对比分析。结果表明:后向散射法测量蒸汽湿度中,采用对数正态分布(LN分布)建立的理论计算模型更合适。     

面向工程应用的电磁散射特性建模关键问题研究

随着计算电磁学和计算机技术的迅速发展，电磁散射特性建模技术从算法研究向产品化、集成化、工程化发展.文中分析了探测、识别、伪装等实际工程应用中对电磁散射特性建模技术的具体需求，总结了几何建模、网格剖分、电磁计算和模型验证等建模流程中存在的关键问题与解决方式，以及电磁散射建模技术的发展特点.     

便携极低速对流层散射通信系统优化设计

针对便携极低速对流层散射通信系统的远距离应用,在分析散射信道快衰落特性的基础上,提出便携极低速通信系统分集接收方案,并给出不同分集重数情况下的误码性能理论曲线,在此基础上提出采用失真自适应接收的抗多径波形以获取最大隐分集增益,设计并实现高效低时延LDPC编码和窄带滤波器。仿真结果表明,纠错编码可获得5 d B编码增益,窄带滤波解决了极低速远距离通信存在的多普勒效应问题。在系统测试平台上对便携极低速散射通信系统性能进行实测,测试结果表明,该优化设计方案可有效提升系统能力。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。