排序方式: 共有36条查询结果,搜索用时 15 毫秒
1.
针对空中红外目标样本数目不足、细粒度分类精度低等问题,提出一种基于元学习的少样本红外空中目标分类的方法.该方法以元学习为基础,结合多尺度特征融合,在减少计算量的同时有效提取不同分类任务之间的共性,再利用微调策略实现对不同任务的分类.实验证明,此方法在提升mini-ImageNet数据集分类精度的同时可减少约70%的计算... 相似文献
2.
针对海天线SNR低且有一定倾角难于提取的问题,提出一种新的海天线提取算法。在预处理阶段,利用Laplacian模板对海面的波纹进行增强,然后使用顺序滤波与数学形态学相结合的方法增加海面波纹的面积与灰度,预处理后增大了海面与天空的灰度差,海天线的SNR提升70%以上;最后,设计了一种斜线查找矩阵,通过对图像行扫描生成该矩阵,矩阵最大值的横纵坐标即为海天线的位置和角度。实测数据的试验结果验证了该方法的有效性且算法运算简单,易于工程应用。创新点在于使用模板运算与形态学相结合的方法提高了海天线SNR并设计了斜线查找矩阵可以简单地定位海天线的位置和角度,减少了计算复杂度。 相似文献
3.
4.
针对红外空中目标,提出了一种基于稀疏表示的快速分类算法.该工作的技术难点表现在训练样本较少,算法需要具有旋转不变性、较高的抗噪性和实时性.针对这些难点,首先根据红外空中面目标的梯度信息和统计特性,计算出图像主方向,然后将主方向旋转至同一参考方向.接着基于稀疏表示原理,把分类问题转化为1范数最小化问题,最后用快速收敛方法得到分类结果.实验结果表明该方法能够达到98.3%的正确率,给测试图像50%的像素叠加噪声后,分类正确率仍大于80%. 相似文献
5.
6.
7.
针对复杂背景下尺寸未知的红外弱小目标检测难题,一种基于聚类思想的红外弱小目标检测方法被提出。首先,利用小目标形态学特征对原始红外图像进行预处理,生成新的密度特征图。其次,使用改进的密度峰聚类算法对潜在候选目标进行粗定位。然后,针对潜在目标的局部候选集,采用加权模糊集聚类算法对局部候选集进行目标与背景区域的精细分割,利用目标与背景之间的差异性在增强目标的同时抑制虚警。最后,对处理后的局部候选集进行自适应阈值提取真实目标。实验结果表明,与7种对比算法相比,该算法对尺寸未知的小目标具有良好的鲁棒性和检测性能。 相似文献
8.
提出并验证面临探测器扫描图像退化模型的点扩展函数,并运用该点扩展函数对扫描模糊图像进行复原。 相似文献
9.
10.
针对异构多核架构下,大量共享末级缓存(last level cache,LLC)空间被GPU应用程序占据,导致系统性能降低的问题,提出了一种基于异构多核的LLC缓冲管理策略buffer-for-GPU(BFG).该策略在共享末级缓存旁侧建立一个与其结构相同的缓冲buffer,缓存不敏感GPU消息直接访问buffer而不访问LLC.针对CPU应用程序和GPU应用程序不同的特性,采用合理的替换策略,增加cache命中率.结果表明:BFG使CPU和GPU每一时钟周期内所执行的指令数(instruction per cycle,IPC)分别平均提升2.48%和9.30%,CPU应用程序命中率平均提升70.45%.BFG可以有效地过滤GPU请求,为CPU应用程序腾出LLC空间,从而提高系统性能.
相似文献