自适应空间约束融入混合模型的遥感图像分割

为了降低图像噪声的影响并提高遥感图像分割精度,提出了一种自适应空间约束融入混合模型的遥感图像分割算法。考虑到学生t分布具有重尾特性比高斯分布更具有鲁棒性,利用学生t混合模型(Student’s-t Mixture Model, SMM)建模像素光谱测度概率分布。为了避免图像噪声对分割结果的影响,基于马尔可夫随机场利用局部像素类属概率定义组份权重,将像素空间相关性融入SMM,进而构建出空间约束图像分割模型。为了实现自适应平滑系数的模型参数求解,采用梯度下降方法求解分割模型。采用本文算法对添加噪声的遥感图像进行分割实验,结果表明,所提算法可有效降低图像噪声的影响,同时可准确分割高分辨率遥感图像。     

基于改进U-Net的低剂量CT图像重建方法

针对低剂量CT图像重建会产生噪声和伪影的问题,在U-Net神经网络基础上引入残差学习和空间注意力机制,在编解码过程中嵌入跳跃连接为上采样增加多尺度信息,使用AAPM公开数据集CT影像进行模型训练和测试。选取峰值信噪比（PSNR）、结构相似性（SSIM）和均方根误差（RMSE）作为图像性能评价指标。在CT重建结果的测试中,与未处理的图像相比,网络模型处理后图像的PSNR、SSIM和RMSE指标平均值分别提升21.699%、2.263%和40.833%。实验结果表明,改进的U-Net神经网络模型能够减少噪声和伪影,保留了更多的纹理细节,对低剂量CT重建图像质量的提高有一定效果。     

大气信道下窄线宽激光器对相干通信系统性能影响研究

在空间下行相干激光通信系统中,激光器的线宽大小会影响通信系统的性能,而窄线宽激光器能有效降低激光器线宽引起的激光器相位噪声,目前已经成为相干激光通信系统的首选。光信号在大气信道传输时,大气湍流会引起光信号强度和相位的波动,从而进一步影响系统的通信性能。针对上述问题,基于四相移键控(Quadri Phase Shift Keying, QPSK)通信系统的工作原理,进一步考虑窄线宽激光器线宽和大气湍流引起的光信号强度和相位的波动,给出了空间下行QPSK通信系统误码率模型。并基于该模型,数值仿真分析了窄线宽激光器对空间下行相干激光通信系统性能的影响。结果表明：大气湍流不仅严重影响系统性能,也会弱化激光器线宽对系统性能的影响。而对于大气湍流影响而言,其引起的相位波动要大于光强波动的影响。此外,随着通信速率增大,激光器线宽对于系统性能影响也会随之降低。文中对于空间下行相干激光通信系统的优化设计和调试具有一定的实际参考意义。     

非均匀转动空间目标天基逆合成孔径激光雷达成像

由于没有大气的影响,天基逆合成孔径激光雷达(ISAL)可在远距离上获取空间目标的高分辨率图像,因此具有重要的应用前景。建立了空间目标天基ISAL成像的方位向回波信号模型,在目标非均匀转动二阶近似下,即匀加速转动时,ISAL方位向回波信号可近似为调频斜率和起始频率各异的多分量线性调频(MLFM)信号,采用传统的FFT方法难以实现方位图像聚焦。提出了一种基于Radon-Wigner变换的方位快速成像算法,利用Radon-Wigner变换并结合逐次消去法,在每个距离单元对回波中的MLFM信号由强至弱逐个进行估计,将估计获取的峰值点直接提取并线性叠加,即得到该距离单元的方位像。通过对所有距离单元进行上述处理,即可获得二维ISAL图像。由于该方法在估计出MLFM信号后无需再进行瞬时多普勒成像处理,因此减少了处理流程,算法效率大幅提高。仿真试验表明,相比传统的距离瞬时多普勒成像算法,该算法平均处理时间从222.66 s降低至23.51 s,在低信噪比情况下图像中目标轮廓更显著,更易于检测识别。     

融入无监督度量学习的稀疏子空间聚类模型

子空间聚类任务中的无标记数据具有维度高、数据分布分散等特点,传统方法对数据预处理未进行详细地针对化设计且大多使用欧氏距离度量数据间的相似性,使聚类性能提升受限.因此,本文提出融入无监督度量学习的稀疏子空间聚类模型,该算法将距离度量与子空间聚类联合到同一框架,设计由两步组成的聚类过程.该方法对原始数据进行度量学习并重构了稀疏子空间聚类模型,使数据预处理不再是一个单独的步骤,最大限度地将输入的无标记数据之间相似度提高,有效提升了子空间聚类性能、加强了模型泛化能力.我们在真实公开数据集上进行实验测试,实验结果表明该方法优于现有的子空间聚类算法,具有良好的聚类性能.     

基于多尺度特征融合的遥感影像语义分割

针对传统的遥感影像语义分割方法存在分类能力差和分割效果不精细的问题,设计并实现一种基于U-Net的多尺度特征融合网络。网络通过多尺度跳跃连接组合不同层级的语义特征;结合通道注意力机制增强跳跃连接中关键特征的表达能力;利用空洞空间金字塔池化结构融合深层特征,进一步加强网络在复杂背景中的分类性能。在公开数据集Vaihingen上进行的实验表明,多尺度特征融合网络相比通用分割网络具有更高的表现性能和更好的实用价值。     

基于RP-ResNet网络的抓取检测方法

针对目前机器人抓取中实时性差和小目标物体抓取效果不理想的问题,提出基于RP-ResNet网络的抓取检测方法。该方法以模型ResNet-50为基础,引入Region Proposal Network(RPN)网络与改进型空间金字塔结构,使用SENet机构增强通道注意力,充分提取不同深度语义信息,加强对高低层信息的利用,增加了抓取点检测的准确性。在Cornell数据集上进行实验验证,结果表明,RP-ResNet网络结构达到实验要求,能够提高物体检测的准确度与检测效率。     

基于子空间流形的图像集识别方法

近年来,基于黎曼流形将图像集在线性子空间中进行表征的图像集识别方法已经被证实有良好的效果,针对该领域存在的图像线性子空间大多高维所导致现有黎曼流形的图像集识别方法存在计算成本高、适用性有限的问题,提出一种基于子空间流形的图像集识别方法。首先,从线性子空间的几何结构出发,利用Grassmann流形对线性子空间进行建模,得到基于Grassmann流形的联合黎曼度量。然后,通过该联合黎曼度量,从高维的Grassmann流形中学习到一个低维的Grassmann流形。最后,对通过学习得到的低维流形上的图像集数据进行图像集识别。实验结果表明,在ETH-80数据集上该方法的识别准确率比投影度量学习（PML）和图嵌入Grassmann判别分析（GGDA）都分别提升了2.5个百分点。证明了在通过提出的度量与方法学习到的低维流形上,图像集数据具有更好的分类结构,从而降低图像集识别计算成本,扩大适用范围,提升识别准确率。     

基于性能驱动的船载稳定平台尺度参数优化设计

为提升船载稳定平台的运动学性能,针对■并联机构的尺度参数优化问题,以机构的工作空间体积和全域力传递率为综合评价指标,采用小生境遗传算法优化得到稳定平台的最佳几何构形。具体地,采用数值法与解析法相结合的方式判断支链长度、关节转角、奇异位形等约束条件的生效情况,求解出并联稳定平台的工作空间;基于力雅可比矩阵逆矩阵的最小奇异值定义机构的局部力传递性能,以工作空间内局部力传递率的平均值作为全域力传递性能评价指标;以工作空间体积和全域力传递率的加权和为优化目标,采用小生境自适应遗传算法完成优化求解,获得最优尺度参数。与初始构形的性能对比分析表明,优化构形在力传递性能方面有35%的提升,具有更好的综合运动学性能。制作试验样机并完成相关实验,验证了所提尺度参数优化方法的有效性。最后探讨了多目标优化过程中不同的权重系数取值对优化结果的作用规律,发现选用均衡的权重可获得更佳的综合性能。     

稀疏约束的时空正则相关滤波无人机视觉跟踪

目的 基于相关滤波的跟踪算法在无人机(unmanned aerial vehicle,UAV)视觉跟踪领域表现出卓越的性能。现有的相关滤波类跟踪算法从样本区域的所有特征中学习滤波器,然而某些来自遮挡或形变的特征可能会污染滤波器,降低模型判别能力。针对此问题,提出一种稀疏约束的时空正则相关滤波跟踪算法。方法 在相关滤波目标函数上施加空间弹性网络约束以自适应地抑制跟踪过程中的干扰特征,同时集成空间—时间正则相关滤波算法(spatial-temporal regularized correlation filter,STRCF)中的时间正则项以增强滤波器抑制畸变的能力。采用交替方向乘子法(alternating direction method of multipliers,ADMM)将带有约束项的目标函数转化为两个具有闭式解的子问题迭代求局部最优解。此外,提出一种相关滤波框架通用的加速策略,根据当前帧的目标位移量,对检测定位阶段的特征矩阵进行等距离的循环移位,将其作为在线学习阶段的特征矩阵,每帧可节省一次训练样本的特征提取操作,提高跟踪速度。结果 在3个UAV数据集上与14种主流跟踪算法进...