高光谱遥感图像空谱联合分类方法研究

在遥感影像研究领域里,高光谱数据分类是一个热点问题。近年来,在这个问题上涌现出很多研究方法,然而,大多数方法都是用浅层的方法提取原始数据的特征。将深度学习的方法引入高光谱图像分类中,提出一种新的基于深信度网络(DBN)的特征提取方法和图像分类架构用于高光谱数据分析。将谱域-空域特征提取和分类器相结合提高分类精度。使用高光谱数据进行实验,结果表明该分类器优于当前的一些先进的分类方法。此外,本文还揭示了深度学习系统在高光谱图像分类研究中具有的巨大潜力。     

对YWK-50-C型压力控制器的改造

电机车在露天煤矿运输中担负着重要的作用，多年来，由于机车所使用的压力控制器因部件磨损等原因对安全生产造成极大的隐患。为了从根本上解决因控制器误动作而造成的事故，我们选用了目前常用于船舰，冷冻设备及其它工业设备上用于对气体压力进行二位式控制的YWK50-C型压力控制器，对现有的控制器进行了改造。该压力控制器的控制范围为-0．1～1．5MPa，最小切换差范围≤0．0065～0．1MPa，最大切换差的范围≥0．026～0．28MPa，     

互联网中流媒体及其QoS控制技术的研究

通过对Internet中流媒体及其QoS控制技术的讨论，构架出了Internet中流媒体及其QoS控制的关键技术。并提出针对发送端和接收端的QoS控制，讨论两端的控制技术；并提出了非均匀QoS控制技术。     

实体造型中一种等距曲面求交优化算法

主要针对实体造型系统中曲面求交，通过分析连续变化曲的等距曲面的特征信息，提取连续变化曲面不同瞬间交线环的相关性，并使用特征点来标识交线环的拓扑信息，将拓扑信息和跟踪法结合，设计了一种优化的等距曲面求交算法。     

基于混合模糊隶属度的模糊双支持向量机研究

双支持向量机是近年提出的一种新的支持向量机.在处理模式分类问题时,双支持向量机速度远远超过传统支持向量机,而且显示出较好的推广能力.但双支持向量机没有考虑不同输入样本点可能会对分类超平面的形成产生不同影响,在某些实际问题中具有局限性.为了克服这个缺点,提出了一种基于混合模糊隶属度的模糊双支持向量机.该算法设计了一种结合距离和紧密度的模糊隶属度函数,给不同的训练样本赋予不同的模糊隶属度,构建两个最优非平行超平面,最终实现二值分类.实验证明,该模糊双支持向量机的分类性能优于传统的双支持向量机.     

基于小波分解和灰度共生矩阵的纹理图像检索

采用Daubechies4小波对图像进行三层Mallat塔式分解,取每个分解层次上的每个子带图像的能量,加入在低频子带上提取的灰度共生矩阵统计量,来形成最终的特征向量以提高检索精度.     

数字水印的信道选择及容量分析

该文提出了一种基于噪声允许的信道选择方案,根据图象自身特点,结合人眼视觉模型和噪声可见性函数,找出了在满足不可见性条件下每个信道可嵌水印的最大强度。在应用香农信道理论进行容量估计的同时,协调好了鲁棒性、不可见性、容量三者的关系。     

基于分形的DCT域数字水印算法研究

提出一种改进分形数字水印算法,对传统的分形数字水印进行改进,利用混沌序列对水印图像进行置乱处理,增强了水印的鲁棒性.实验结果表明,该算法具有较好的鲁棒性,而且对高斯噪声以及剪切等都有良好的稳健性.     

综合颜色及空间特征的图象检索方法

针对目前的CBIR,没能有效地结合图象中对象空间信息的问题,提出了一种新的图象分割方法,该方法以线性加权方式融合颜色、纹理特征采用区域增长法对图象进行分割,避免了传统的由于单独采用颜色或纹理特征分割图象而产生的欠分割或过分割问题.根据分割区域的灰度、形状、位置等特征计算图象间的相似度,提出采用图象的灰度特征代替彩色信息以提高查询速度.     

基于多尺度加权特征融合的行人重识别方法研究

针对目前由于行人重识别普遍存在的遮挡以及多姿态变化等原因,导致的行人重识别率低的问题,提出一种基于多尺度加权特征融合的行人重识别方法（Person Re-identification Method Based on Multi-scale Weighted Feature Fusion, MSWF）。该方法首先使用基准网络ResNeSt-50提取图像特征,获得下采样3倍、下采样4倍和下采样5倍的特征图,输入到加权特征金字塔网络中,然后使用快速归一化融合方法进行特征融合,在特征融合中引入加权操作可以让模型在训练过程中学习如何给融合特征的权重值进行分配,这样可以充分利用不同尺度的特征,获得更加丰富的行人特征。最后将融合后的富含语义信息的高层特征作为全局特征,将融合后的高分辨率特征作为局部特征。在训练过程中,联合Softmax分类损失函数、三元组损失函数和中心损失函数对模型进行训练,在测试阶段,将全局特征和局部特征沿通道维度进行拼接表示行人特征,并使用欧氏距离计算行人之间的距离。该方法在Market-1501、DukeMTMC-reID、CUHK03-Labeled和CUHK03-Detected数据集上,mAP分别达到了89.2%、79.7%、80.1%和76.6%,Rank-1分别达到了95.8%、90.4%、82.4%和80.1%。实验结果说明了该算法的识别精度和平均正确率优于当前很多主流算法。