InSAR DEM的质量评价

首先简要介绍ＩｎＳＡＲ的技术背景及其数据处理;然后选择香港作为试验区,将欧空局ＥＲＳ－１／２卫星对该地区所获取的６幅时序ＳＡＲ复数图像组合成１５个干涉对进行处理并得到了１５个相关图,对干涉相关性和数据质量进行了统计分析;最后基于Ｔａｎｄｅｍ干涉对建立ＤＥＭ并利用地面控制点进行纠正,选择局部区域与已有的ＤＥＭ比较,对干涉ＤＥＭ的精度做了分析和评价。     

基于多通道图像深度学习的恶意代码检测

现有基于深度学习的恶意代码检测方法存在深层次特征提取能力偏弱、模型相对复杂、模型泛化能力不足等问题。同时,代码复用现象在同一类恶意样本中大量存在,而代码复用会导致代码的视觉特征相似,这种相似性可以被用来进行恶意代码检测。因此,提出一种基于多通道图像视觉特征和AlexNet神经网络的恶意代码检测方法。该方法首先将待检测的代码转化为多通道图像,然后利用AlexNet神经网络提取其彩色纹理特征并对这些特征进行分类从而检测出可能的恶意代码;同时通过综合运用多通道图像特征提取、局部响应归一化（LRN）等技术,在有效降低模型复杂度的基础上提升了模型的泛化能力。利用均衡处理后的Malimg数据集进行测试,结果显示该方法的平均分类准确率达到97.8%;相较于VGGNet方法在准确率上提升了1.8%,在检测效率上提升了60.2%。实验结果表明,多通道图像彩色纹理特征能较好地反映恶意代码的类别信息,AlexNet神经网络相对简单的结构能有效地提升检测效率,而局部响应归一化能提升模型的泛化能力与检测效果。     

一种结合边缘检测的多基线InSAR高程反演方法

针对多基线InSAR高程重建算法鲁棒性差的问题,提出一种基于边缘检测与路径跟踪策略的多基线InSAR高程反演算法.该算法分为2个步骤.第1步是直接利用多基线最大似然估计算法从多幅不同基线的干涉相位图中获取粗略的地形高程,再用Sobel算子对滤波后的粗略地形高程进行边缘检测,获得地形的不连续边界;第2步则先构建优化的多基...     

一种基于并联卷积神经网络的InSAR相位滤波方法

为了提高InSAR干涉相位图的质量以及改善密集条纹区域的边缘信息保持效果,提出了一种基于并联卷积神经网络的InSAR相位滤波方法。该方法通过多个并联的卷积神经网络提取多尺度相位信息的特征层以及传统卷积神经网络结构的滤波层,将不连续跳变的干涉相位转换至连续的正、余弦分量,并送入到并联卷积网络中进行残差学习,最后输出相位残差并完成相位滤波。通过仿真实验与实测数据验证了该方法的有效性。分析结果表明,该方法的各项评价指标均优于Boxcar滤波、非局部均值滤波和Goldstein滤波,可用于实际的InSAR数据处理中,提高干涉相位质量。     

基于质量引导的InSAR快速相位解缠方法

针对处理大型InSAR相位数据,由于传统质量引导的相位解缠方法在解缠过程中要进行大量的排序操作,其解缠效率非常低,提出一种索引分段堆排序相位解缠方法。通过结合传统质量图的优点,将QPDVC作为质量图,并利用索引分段堆排序法将大型相位数据分成多个小堆,从而节省了堆排序过程中调整为最小堆的时间。与传统方法相比,提高了解缠精度和效率。最后,通过相关实验数据仿真证明了该方法的高效性和可行性。     

一种新的基于形态学的InSAR干涉相位图滤波算法

在干涉合成孔径雷达（InSAR）成像中，由于相位噪声的影响，在相位展开前应该对干涉相位图作滤波处理，以保证相位展开后结果的正确性，获得真实的数字高度模型。对于InSAR干涉相位图的滤波，滤除相位噪声的同时，应确保有用跳变信息不被滤除。本文基于形态学原理，结合数据的量化处理，提出一种新的InSAR干涉相位图的滤波算法。实验结果表明，该滤波算法的效果优于Candeias等人提出InSAR干涉相位图的形态学滤波算法，且运算速度更快。     

卫星编队InSAR基线的确定方法

基于卫星编队的InSAR系统是一个多基雷达系统,依靠卫星编队构型形成干涉所需的基线.在卫星编队的InSAR系统中,由于参与编队的各卫星相对位置不断变化,故其基线值也在不断变化.在动态变化中基线测量所得的基线一般是某一时刻两颗卫星雷达天线相位中心之间的连线,不能直接用于高程测量,需要对基线重新进行确定.本文在分析了需要基线确定原因的基础上,提出了基线确定的方法,并分析了基线误差对InSAR高程测量精度的影响.     

一种星载InSAR高精度快速DEM重建方法

面对全球干涉测量的海量实测数据,在保持精度的情况下,如何提高处理速度是星载干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)数据处理必须考虑的重要问题.数字高程模型(digital elevation model,DEM)重建是InSAR数据处理中较为耗时的一个关键环节.针对星载InSAR处理中DEM快速重建的难题,从DEM重建原理出发,分析揭示了干涉相位与目标点三维坐标映射关系的两个基本特性,一是目标点的三维坐标与干涉相位的关系可以分别用多项式来进行拟合,二是SAR图像上相近像素各自对应的多项式变化不大,并从理论上对特性的成立进行了论证.基于此,提出了一种快速DEM重建方法,给出了快速算法的详细步骤及关键参数的取值方法.最后,利用德国最先进的在轨雷达卫星TerraSAR-X获取的重复轨道干涉数据进行快速DEM重建,处理结果表明在重建精度损失较小的情况下,显著提高了重建速度,验证了该方法的高效性和正确性.     

基于信号子空间估计的多基线InSAR干涉相位图滤波方法

多基线干涉合成孔径雷达（Interferometic synthetic aperture radar,InSAR）利用长短基线之间的关系,能够获得优于单基线InSAR的高程测量结果。本文针对多基线InSAR的数据特点,提出了基于信号子空间估计的多基线InSAR干涉相位图滤波方法。该方法将不同长度基线下所获得干涉相位图中同一像素单元信号作为一个训练样本,通过信号子空间的估计完成多基线InSAR干涉相位图滤波。仿真实验结果表明,本文方法可以在运算时间相当的情况下,获得优于回转均值滤波算法和回转中值滤波算法的滤波性能,是一种可满足实时处理要求的有效的多基线InSAR干涉相位图滤波方法。     

多通道卷积的图像超分辨率方法

目的 超分辨率技术在实际生活中具有较为广泛的应用。经典的基于卷积神经网络的超分辨率（SRCNN）方法存在重建图像纹理结构模糊以及网络模型训练收敛过慢等问题。针对这两个问题,在SRCNN的基础上,提出一种多通道卷积的图像超分辨率（MCSR）算法。方法 通过增加残差链接,选择MSRA初始化方法对网络权值进行初始化,加快模型收敛;引入多通道映射提取更加丰富的特征,使用多层3×3等小卷积核代替单层9×9等大卷积核,更加有效地利用特征,增强模型的超分辨率重构效果。结果 MCSR迭代4×10⁶次即可收敛,在Set5与Set14数据集上边长放大3倍后的平均峰值信噪比分别是32.84 dB和29.28 dB,与SRCNN相比提升显著。结论 MCSR收敛速度更快,并且可以生成轮廓清晰的高分辨率图像,超分辨率效果更加优秀。     

结合多通道深度学习和随机森林的地表分类

地表分类技术对地面无人驾驶车辆的感知能力有着重要影响。而针对传统卷积神经网络CNN(Convolutional Neural Networks)地表分类效果不佳的问题,本文提出一种结合多通道深度学习和随机森林的地表分类算法。算法先通过图像计算得到人工设计的特征LBP;再采用多通道融合技术,将原彩色图像的RGB三通道和LBP通道加以融合形成融合图像;然后构建并预训练卷积神经网络,以此提取融合图像的关键特征信息;最后用随机森林分类器代替卷积神经网络输出层完成地表分类。实验结果表明,本文算法识别正确率达到98.56%,相比于传统卷积神经网络能取得更好的分类结果,具有一定的鲁棒能力。     

InSAR处理中滤波方法研究 

合成孔径雷达干涉图质量直接影响相位解缠精度,对干涉图进行滤波处理,去除相位图噪声,改善干涉图质量,是InSAR处理中十分重要的步骤,通过探讨方位向与距离向滤波,以及多视滤波、圆周期均值/中值滤波、基于梯度自适应滤波、Goldstein自适应滤波等噪声抑制方法,并利用Envisat ASAR数据对以上滤波方法进行对比验证。     

利用星载InSAR技术提取镇江地区DEM及其精度分析

InSAR技术是目前获取高精度数字高程模型（DEM）的一种新方法。为了分析InSAR技术提取DEM的精度,首先介绍了美国航天飞机雷达SRTM DEM的精度和数据结构,然后以江苏镇江地区作为试验区,采用ERS1/2卫星影像来提取DEM,并对星载SAR提取的DEM与SRTM 3弧秒分辨率DEM的精度作了比较。 结果表明,利用星载SAR提取的DEM分辨率与SRTM 3弧秒分辨率的DEM相当,能很好地显示出地形起伏（如山脉、沟谷）的纹理特征。进一步的研究还表明,利用InSAR技术提取DEM的精度与SRTM 3 DEM之间存在5米左右的系统误差,并对产生这一系统误差的原因作了详细分析。     

结合深度度量学习的血缘关系识别

目的 人脸图像分析是计算机视觉和模式识别领域的重要研究方向之一,基于人脸图像的血缘关系识别是对给定的一对或一组人脸图像,判断其是否存在某种血缘关系。人脸血缘关系识别不仅在生物特征识别领域有着重要研究价值,而且在社交媒体挖掘、失散家庭成员寻找等社会生活领域中有重要的应用价值。针对当前大多数算法都是基于传统机器学习方法,提出一种采用深度度量学习进行人脸图像血缘关系研究的新方法。方法 目前深度学习算法能很好地理解单张人脸图像,但是多个主体间的关系探究仍然是计算机视觉领域富有挑战性的问题之一。为此,提出一种基于深度度量学习的父母与子女的血缘关系识别方法。首先使用超过5 000 000张人脸图像的样本集训练一个深度卷积神经网络FaceCNN并提取父母与子女的人脸图像深度特征,之后引入判别性度量学习方法,使得具有血缘关系的特征尽可能地靠近,反之则尽可能地远离。然后对特征进行分层非线性变换使其具有更强判别特性。最后根据余弦相似度分别计算父亲、母亲和孩子的相似度并利用相似概率值得到双亲和孩子的综合相似度得分。结果 算法在TSKinFace数据集上验证了FaceCNN提取特征与深度度量学习结合进行血缘关系识别的有效性,最终在该数据集上父母与儿子和女儿的血缘关系识别准确率分别达到87.71%和89.18%,同时算法在进行血缘度量学习和双亲相似度计算仅需要3.616 s。结论 提出的血缘关系识别方法,充分利用深度学习网络良好的表征和学习能力,不仅耗时少,而且有效地提高了识别准确率。     

结合全局上下文与融合注意力的干涉相位去噪

目的 干涉相位去噪是合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术中的关键环节,其效果对测量精度具有重要影响。针对现有的干涉相位去噪方法大多关注局部特征以及在特征提取方面的局限性,同时为了平衡去噪和结构保持两者之间的关系,提出了一种结合全局上下文与融合注意力的相位去噪网络GCFA-PDNet(global context and fused attention phase denoising network)。方法 将干涉相位分离为实部和虚部依次输入到网络,先从噪声相位中提取浅层特征,再将其映射到由全局上下文提取模块和融合注意力模块组成的特征增强模块,最后通过全局残差学习生成去噪图像。全局上下文提取模块能提取全局上下文信息,具有非局部方法的优势;融合注意力模块既强调关键特征,又能高效提取隐藏在复杂背景中的噪声信息。结果 所提出的方法与对比方法中性能最优者相比,在模拟数据结果的平均峰值信噪比（peak signal to noise ratio, PSNR）和结构相似性（structural similarity,...     

几种机载InSAR平地效应去除方法的比较研究

论述了InSAR系统平地效应产生的原因,并简述了去除平地效应的常用方法：基于轨道、基于DEM及基于频率的平地效应去除方法。分别将这三种方法应用于机载InSAR系统,经实验结果对比分析表明：基于频率的方法不适用于机载系统,基于轨道、基于DEM的方法适用于机载系统,并得到了满意的结果。     

基于联合图学习的多通道语音增强方法

考虑到通道间存在的空间关系影响着其降噪问题,图信号处理可以捕获该潜在关系,若直接采用其空间物理分布图,无法实时反映其时变特性,因此本文提出了一种基于联合图学习的多通道语音增强方法。首先,提出一种联合时间-空间图学习方法,以最小化多通道含噪语音信号在空间图上的平滑度、参考通道信号在语音帧内图上的平滑度、空间图的稀疏度和帧内图的稀疏度之和为目标,优化阵列空间图和语音帧内图。基于学习的空间图和帧内图,构建多通道语音信号的时间-空间联合图。在此基础上,将多通道语音图信号进行联合图傅里叶变换,进而采用固定波束形成（Fixed beam forming,FBF）方法进行增强。实验结果表明,与传统的FBF方法相比,所提出的基于联合图学习的FBF(Joint graph learning based FBF, JGL-FBF)方法显著提升了增强语音的信噪比（Signal-to-noise ratio, SNR）和主观语音质量评估（Perceptualevaluationofspeechquality,PESQ）。另外,实验结果也表明,JGL-FBF方法的语音增强性能会受到时延补偿准确性的影响。     

结合深度学习的机器人示教系统设计

传统的机器人示教系统在使用上受到应用对象和硬件设备的限制,导致其开放性和易用性较低,为了降低示教系统的使用门槛,提高人机交互的效率,利用ROS（Robot Operating System）的开放性和跨平台性,设计了手势引导机器人示教系统,可以控制机器人进入学习、编码、执行等模式。系统采用YCbCr与RGB空间相结合的肤色分割算法,利用CNN深度学习框架进行特征提取完成手势识别;基于ROS集成手势对机器人模式控制。通过在公开数据集上实验验证手势识别准确率可达96.49%,并测试了系统的有效性与可靠性。