基于Himawari-8数据的日间海雾检测方法

新一代静止轨道气象卫星Himawari-8静止气象卫星具有空间分辨率高可持续性观测的特点,对海雾监测具有重要的意义。星载激光雷达(Cloud-aerosol lidar with orthogonal polarization, CALIOP)可以探测大气的垂直剖面信息。利用CALIOP 数据进行海雾检测,获得4类样本点:中高云、低云、海雾和海表样本点,并将这些样本点用于Himawari-8 日间海雾检测的通道选择和动态阈值设定的研究中,建立一套Himawari-8日间海雾检测算法。利用CALIOP和中国气象局国家卫星气象中心的气象卫星雾监测报告数据对海雾检测方法进行验证。对比CALIOP数据,海雾检出率63.42\%,漏检样本点中晴空海表占比71.54\%; 对比雾监测产品,海雾检测率89.7\%。结果表明,提出的海雾检测算法是可行的。     

基于CALIOP和MODIS的北极地区海雾检测研究

极地地区的海雾给极地科考和海冰研究带来了挑战,但由于相关监测数据较少,因此对极地地区海雾的研究还相对匮乏。基于CALIOP传感器可以观测垂直方向上云雾信息的特性,使用准同步观测的MODIS中分辨率成像光谱仪对北极地区的云雾信息进行分析。首先使用深度神经网络模型反演云顶高度,再根据云高确定是否为海雾。并且就不同波段对反演结果的影响进行了分析。结果显示使用深度神经网络反演的云顶高度平均绝对误差要比传统方法的结果低1774.280 m,可以更好地对云顶高度进行反演,提高了海雾检测精度。     

应用深度神经网络和集成学习的电台个体识别

提出了一种基于深度神经网络的个体智能识别方法,可用于电台个体分类识别.该方法构建集成多子网络的一维深度卷积模型,以电台时序信号作为模型输入,进行电台个体分类.利用深度神经网络自动特征化的能力,该方法从时序信号中自动获取个体特征,从而以端到端的形式实现从电台信号识别电台个体.该方法能够免去基于专家知识的特征提取工作,自动提取的个体深度特征还有助于区分传统特征无法区分的高度相似电台个体.实验证明,该方法能有效降低模型调参设计难度,能减轻单一网络带来的特征提取识别过拟合问题,能提高电台个体识别算法的泛化能力与鲁棒性.在信噪比12 dB的条件下,对10类电台8PSK调制信号进行特征提取与识别,整体正确率91.83％,平均正确率为89.12％;对MSK调制信号进行特征提取与识别,平均分类精度为89.1％.     

基于栈式稀疏自编码器的新型干扰识别

为了有效应对频谱弥散干扰(SMSP)和切片组合干扰(C&I)两种新型干扰,提出了一种基于栈式稀疏自编码器的识别算法。该算法首先对干扰与否的雷达接收信号进行双谱分析;然后对双谱特征进行降维,得到高维样本。预训练阶段,构造稀疏自编码器神经网络模型进行无标签样本的预训练;然后根据有标签数据对该模型参数进行有监督微调;最后利用Softmax分类器完成新型干扰的识别。仿真实验证明该方法有较高的识别率,特别是相较于其他文献方法,该方法受信噪比影响最小且识别效果最佳。说明了深度学习方法应用于雷达新型干扰信号识别领域的可行性和优越性。     

基于深度信念网络的铁路信号设备故障识别

针对现有铁路信号设备故障识别算法特征提取不准确导致正确率偏低的问题,提出了深度信念网络(DBN)的故障识别模型。该模型首先利用无监督训练方法对DBN的多个堆叠受限玻尔兹曼机(RBM)进行预训练,获得网络初始参数;然后,结合铁路信号设备识别问题,构建BP神经网络,利用有标签样本进行反向传播训练,实现网络参数微调。实验结果表明,该模型避免特征提取的人工操作,能够有效实现铁路信号设备故障的准确智能识别。     

基于卷积神经网络的卫星遥感图像区域识别

为了提高卫星遥感图像的识别与分类效果,提出一种基于卷积神经网络的卫星遥感图像识别与分类方法。该方法通过导向滤波去雾和旋转图像数据提高了模型的泛化能力,同时采用了双全连接层网络结构增强了模型数据表达能力。实验证明,该方法在卫星遥感图像的识别与分类上优于传统图像识别方法和一般卷积神经网络模型。     

基于深度卷积神经网络的宫颈细胞病理智能辅助诊断方法

针对宫颈细胞病理自动筛查问题,提出一种基于深度卷积神经网络的智能辅助诊断方法。首先采用基于改进UNet深度卷积神经网络模型的语义分割方法,检测出宫颈细胞病理涂片扫描图像中的细胞(粘连簇团)区域。接着,利用VGG 16深度卷积神经网络模型,结合迁移学习技术,对检测出的细胞(粘连簇团)区域进行精确识别。为了提高深度卷积神经网络模型的性能,在进行细胞(粘连簇团)区域检测、识别的过程中,采用了数据增强技术。同时,针对该领域相关研究缺乏宫颈细胞病理液基涂片扫描图像数据集的问题,我们收集四川大学华西附二院的典型LCT筛查病例,建立了宫颈细胞病理图像HXLCT数据集,并由资深病理医生完成数据标注。实验表明,本文方法能够较好地完成宫颈细胞病理涂片扫描图像中的细胞(粘连簇团)区域检测(正确率为91.33%),并能对检测出的区域完成正常、疑似病变二分类识别(正确率为91.6%,召回率为92.3%,ROC曲线线下面积为0.914)。本文工作将有助于宫颈细胞病理自动筛查系统的开发,对于宫颈癌早期防治具有重要意义。     

基于高密度点云的激光焊接缺陷智能在线检测（特邀）

铝合金薄板激光焊接经常会出现咬边、凹陷等表面缺陷。这两种缺陷由于尺寸小、特征相似,难以通过传统视觉在线检测手段对其进行精确分类和测量。开发了一种基于深度学习缺陷分类-点云测量的在线监测系统,利用高密度的点云数据对缺陷进行识别、分类与测量,解决了上述检测难题。通过双目结构光传感器采集点云数据;利用基于区域推荐网络的卷积神经网络模型识别和定位缺陷;在识别和定位缺陷后,通过对局部缺陷区域的点云进行操作,快速测量缺陷尺寸。高密度点云数据训练的模型的识别准确率达到93%,高于传统二维视觉传感器图像训练的模型。该检测系统在线检测允许的最大焊接速度为316.87 mm/s,适用于大多数激光焊接。     

基于CLDNN的物联网设备个体识别

针对目前个体识别中特征工程存在信号序列长、特征鲁棒性差等问题,研究了基于深度神经网络的个体识别技术。借鉴语音识别中的卷积长短时全连接神经网络(CLDNN),通过卷积神经网络提取信号的局部幅度特征,通过长短期记忆网络提取信号的全局时域特征,使用全连接网络实现特征图到设备标签的映射。在视距(LOS)信道下,采集8台LoRa调制的无线数传电台数据,加入高斯白噪声进行仿真测试。仿真表明,本文所提方法在信号序列长度为2 048点和低信噪比(0 dB)时,模型准确率达到95%;此外相较VGG16模型,本模型参数更少,在物联网设备部署方面具有一定的应用前景。     

基于SWCNN和双向LSTM的文本情感特征分析方法

针对文本句子中语义角色重叠、高维度文本词向量训练中难以收敛等问题,将情感词标签与卷积神经网络相结合,采用结合情感词的卷积神经网络算法,将词语转为情感标签后与词向量拼接再输入卷积神经网络,将输出的特征再与双向长短期记忆神经网络所获取的特征进行融合,最后通过全连接网络输出情感分类结果。实验结果表明,在微博新冠疫情评论情绪数据集上,本研究所提出的算法模型文本情感特征识别精确度达到89.23%,比其他深度学习算法在准确率上至少提高1.95%,而且训练具有更快的收敛速度,能够为文本情感识别提供一种新的思路与方法。     

CALIOP反演海洋颗粒物后向散射方法

云和气溶胶探测激光雷达( Cloud-aerosol lidar with orthogonal polarization, CALIOP)能够发射532 nm 和 1064 nm 两种波长激光脉冲,主要用于大气中云和气溶胶的探测。532 nm激光脉冲在海洋表面有很好的穿透性,能获得海表以下的 后向散射信号。利用CALIOP数据对直接提取水下信号和瞬态响应校正提取水下信号两种方法进行对比研究。首先,反演 得到海洋次表层水下信号,进而反演海洋颗粒物后向散射,并与中分辨率成像光谱仪(Moderate-resolution imaging spectroradiometer, MODIS)反演的颗粒物后向散射进行对比。颗粒物后向散射差值的均值分别为0.0035、0.0027; 标准偏差分别为0.4004、0.0042。表明校正方法反演的颗粒物后向散射与MODIS反演颗粒物后向散射更为接近。     

复杂天气及海风对天基被动干涉微波辐射无源探测系统性能的影响

基于微波辐射无源探测系统的目标探测方程,该文探讨了云、雾和雨等复杂天气以及海风对天基被动干涉微波辐射无源探测系统的影响,定量化仿真分析了这些因素对系统探测能力的影响,实验验证了被动干涉微波辐射无源探测系统对云层的穿透能力。研究结果表明:云、雾和雨等复杂天气对被动干涉微波辐射无源探测系统对海面目标的探测有一定的影响,但在低频段云雾影响较小,可忽略不计;而降雨会对系统的目标探测能力影响较大;海风对海面金属目标的探测是有利的,而海风对隐身目标探测是不利的,会降低系统的探测能力。     

Viewpoint-independent hand gesture recognition with Kinect

The advent and popularity of Kinect provide new choice and opportunity for hand gesture recognition research. Aiming at the effective, accurate and freely used hand gesture recognition with Kinect, this paper presents a viewpoint-independent hand gesture recognition method. Firstly, based on the rules about gesturers posture under optimal viewpoint, the gesturers point clouds are built and transformed to the optimal viewpoint with the exploration of the joint information. Then Laplacian-based contraction is applied to extract representative skeletons from the transformed point clouds. A novel partition-based algorithm is further proposed to recognize the gestures. The promising experiment results show that the proposed method performs satisfyingly on scale and rotation variant in HGR with robustness and high accuracy.     

毫米波云雾衰减计算模型及特性分析

本文给出了毫米波在大气中传输受云、雾粒子吸收所导致衰减的可实用计算模型。由于实际环境中 ,云、雾类型的多样性 ,以及粒子密度的不均匀性 ,使得精确计算云雾衰减量值有一定困难 ,通常对于云雾衰减采用实时观测的方法 ,不利于对其进行定量分析。本文采取瑞利散射近似算法 ,结合我国某一地区的长年气象统计数据 ,模拟计算了该地区的云雾衰减 ,最后对计算结果进行了简要分析     

基于星载激光雷达的AOD与海面风速关系研究

海面上空气溶胶的产生和传输在一定程度上和风有关,研究气溶胶和风速间的关系,对增加大气模式的预测精度有重要意义。文中使用CALIPSO卫星CALIOP激光雷达L2（V3.01）气溶胶层与云层数据,与准同步AQUA卫星的AMSR-E海面风速数据,采用2007年和2008年的1月、4月、7月、10月共8个月的观测数据,研究波长为532 nm的气溶胶光学厚度（AOD）与海面风速间的关系及其随季节、年份的变化。结果显示,无云条件下,全球海洋上空AOD与风速存在关系：当风速在0-12 m/s时,AOD随风速增大而增加,当风速在4-12 m/s时,AOD与风速近似线性关系,当风速>14 m/s时,AOD趋于平稳。     

一种基于视觉感知的舰船目标智能化识别方法

为有效识别视觉系统采集的可见光图像中的舰船目标,提出了基于YOLO（You Only Look Once）网络模型改进的10层的卷积神经网络（Convolutional Neural Network,CNN）用于水面舰船目标的智能识别,通过反卷积的方法可视化CNN中不同卷积层提取到的舰船目标特征。按照传统目标识别方法提取了舰船目标的四类典型人工设计特征,将所提CNN的舰船目标识别结果与YOLO网络模型及四类人工设计特征结合支持向量机用于舰船目标识别的结果进行比较。实验结果表明,与YOLO网络模型相比,综合精确率、召回率和效率3个舰船目标识别的性能指标,改进后的CNN性能更好,从而验证了所提方法的有效性。不同数据量下采用典型特征识别舰船目标与基于深度CNN识别舰船目标的识别结果比较说明了不同类型目标识别算法的优劣势,有利于推动综合性视觉感知框架的构建。     

基于DnCNN的海面目标一维距离像识别方法

针对低信噪比条件下海面目标分类识别精度差的问题,该文提出了一种基于去噪卷积神经网络(Denois-ing convolutional neural network,DnCNN)的海面目标高分辨一维距离像(High Resolution Range Profile,HRRP)识别方法.所提方法设计了一个海面目标分类识别模...