基于墙体补偿与多视角融合的穿墙雷达建筑物布局成像算法

穿墙雷达能够对建筑进行布局成像,并准确获取建筑内部结构信息,已广泛应用于灾害搜救、反恐作战等领域。针对建筑物墙体穿透导致的墙体展宽、位置偏移和墙体多径杂波导致的多径鬼影等成像问题,本文提出了一种基于墙体补偿与多视角融合的建筑布局成像算法。首先,对雷达回波的后向投影成像结果应用Radon变换,通过恒虚警率检测提取峰值,提取墙体位置信息,以墙体前后表面中心为分界线将图像分割为两个子图像;其次,对包含偏移墙体的子图像进行自适应补偿,矫正墙体位置;最后,对多个视角成像结果进行图像融合,抑制多径鬼影。仿真结果表明,该方法可以有效解决图像中墙体展宽、位置偏移和多径鬼影问题,得到正确清晰的建筑布局图像。     

基于子孔径方位特性的穿墙雷达虚拟多视角成像方法

针对穿墙雷达(TWR)室内不规则场景中信号传播的多径效应所导致成像区域“幻影”存在的问题,提出了一种基于脉冲雷达信号平台频域压缩感知(CS)框架的多径利用方法。在建立室内多径回波脉冲信号矢量模型的基础上,将每条多径分量作为一个特殊的观测通道,并利用目标、多径“幻影”依赖于阵列子孔径方位(AD)的特性,由此来分析目标、“幻影”与子孔径位置的关联性,最后通过调和平均(HMAM)子孔径图像融合方法实现 “幻影”抑制和目标的虚拟多视角成像。该方法克服了脉冲信号时域压缩感知计算复杂度高以及需要事先已知室内几何反射位置的不足。不同场景的仿真结果验证了此方法的可行性和优越性。     

多视角穿墙雷达联合稀疏成像算法

多视角穿墙雷达成像系统利用多个视角的目标回波数据，可以有效提高目标成像重建结果的质量。在建立多视角穿墙雷达联合稀疏信号模型的基础上，提出了一种基于交叉验证技术的删失同时正交匹配追踪成像算法。该算法将每个观测视角雷达单元的测量数据分成重建数据和交叉验证数据两部分，通过进行多次删失同时正交匹配追踪迭代计算实现测量噪声水平估计和成像重建，既减小了各个视角雷达站间的数据通信开销，也摆脱了成像算法对测量噪声水平和场景稀疏度先验信息的依赖。仿真实验结果验证了所提成像算法的有效性和准确性。     

基于多频段红外成像的多视角建筑布局规划研究

建筑规划布局探测过程容易发生墙体图像偏移,导致建筑布局成像效果不佳,为此,基于多频段红外成像技术研究多视角建筑布局规划问题。描述了多频段红外成像过程,利用该成像技术,选取三个单视角计算图像区域像素值,整合获取多视角建筑图像。采用Radon变换检测图像直线,形成图像平面,检测建筑布局图像距离位置和方位位置,完成建筑墙体图像偏移补偿。对补偿后的红外建筑布局图像进行归一化处理,计算图像像素值,并遍历三幅图像的所有像素点获取融合像素值。在此基础上,分割图像边缘特征点并灰度化处理图像,完成建筑规划布局建模。实验测试结果表明,本方法的建筑布局成像效果好,图像空间偏移量计算精度始终在80%以上,图像复原度较高,且与实测数值接近,整体性能较好。     

多方位多尺度建筑物布局成像融合方法

穿墙雷达成像中,建筑物布局成像对墙内隐藏目标探测和提取有重要辅助意义,完整的建筑物布局成像大多在多视角下进行,对此提出一种基于多方位多尺度的多视角建筑物布局成像融合方法。首先由后向投影算法获得各视角墙体成像后,采用多方位二维匹配滤波对各视角图像增强,消除旁瓣、栅瓣的影响。然后结合多尺度变换,即非下采样Contourlet变换分解各个视角的图像,将获得的低频分量和高频分量分别采用相应的融合规则进行融合。最后通过非下采样Contourlet反变换获得最终融合后的建筑物布局图像。仿真实验和实测数据结果证明了该方法的有效性。     

基于多尺度几何分析的SAR图像融合

在穿墙雷达成像技术中,建筑布局成像对确定墙后人体目标的空间相对位置以及多径虚假目标的提取有重要意义。目前的建筑布局成像一般采用多通道多视角图像融合方法,对此提出一种基于多尺度分析,即基于小波分解下的多通道多视角图像融合算法。该算法分为两个阶段,第一阶段涉及到单视角下的多通道图像融合,该阶段的融合目的主要是为增强图像细节信息和提高图像清晰度。因此对其小波分解后的图像高频分量采用平均梯度增强的加权融合算法,低频分量采用平均加权融合,后经小波反变换后形成多幅单视角图像;第二阶段涉及到多视角融合,该阶段的融合目的主要是为了增强图像的对比度,并且考虑到此阶段不同视角下图像经小波分解后的三个高频分量对比度各不相同,因此高频分量采用对比度增强的加权融合算法,低频分量仍采用平均加权融合,后将融合后的频率分量经小波反变换,便可得到一幅完整融合图像。仿真结果表明,提出的基于小波分解下的多通道多视角图像融合算法不论在图像视觉效果的改善和信噪比的提高等方面都有较大的作用。     

穿墙雷达中的一种多层墙体强度补偿方法

在穿墙雷达建筑布局成像中,由墙体对电磁波信号的衰减而引起多层墙体成像强度的非均匀现象,这为建筑布局的重构带来极大的不便。对此提出一种基于霍夫变换门限检测的多层墙体衰减补偿方法。首先,对实测数据采用后向投影成像算法,并用基于主成份分析和模糊逻辑图像增强方法处理,形成原始图像。其次,基于霍夫变换直线检测原理完成固定门限值的选取,并依此判决和划分目标墙体区域和非目标杂波区域。再次,根据门限判决后的数据连通域的特性,获得目标墙体连通域的强度补偿率并完成多层墙体衰减补偿。实测数据的处理验证了基于霍夫变换门限检测的多层墙体成像强度衰减补偿方法的有效性。     

穿墙雷达中的一种多层墙体强度补偿方法

在穿墙雷达建筑布局成像中,由墙体对电磁波信号的衰减而引起多层墙体成像强度的非均匀现象,这为建筑布局的重构带来极大的不便。对此提出一种基于霍夫变换门限检测的多层墙体衰减补偿方法。首先,对实测数据采用后向投影成像算法,并用基于主成份分析和模糊逻辑图像增强方法处理,形成原始图像。其次,基于霍夫变换直线检测原理完成固定门限值的选取,并依此判决和划分目标墙体区域和非目标杂波区域。再次,根据门限判决后的数据连通域的特性,获得目标墙体连通域的强度补偿率并完成多层墙体衰减补偿。实测数据的处理验证了基于霍夫变换门限检测的多层墙体成像强度衰减补偿方法的有效性。     

超宽带穿墙雷达成像技术研究

文中详细介绍了超宽带穿墙雷达试验系统及其数据处理技术.针对试验系统中基于延时-求和波束形成方法的传统超宽带成像算法目标分辨率低、容易产生误判的缺点,引入最小方差无畸变响应波束加权及相关因子加权,优化成像算法,并应用于墙后隐藏目标的检测、成像试验.外场试验表明,应用优化后的成像算法,系统能对未知场景中的目标给予准确定位,目标杂波比改善了9.41dB.     

一种快速超宽带穿墙雷达成像算法

超宽带穿墙雷达因为反恐、灾后救援等方面的迫切需要而成为近年来的一个研究重点。传统的超宽带成像算法在目标识别能力及计算效率上已不能满足其要求。基于逆边界散射变换的SEABED成像算法可以完成对目标边界快速成像,但是墙体的存在使其在穿墙雷达应用中受到限制。该文考虑到墙体的影响,在SEABED算法基础上提出一种新的适用于超宽带穿墙雷达的包络线算法,该算法通过计算从回波中提取的准波前所对应的曲线簇的包络线来完成目标边界成像。利用FDTD数值仿真实现了对隐藏在墙后目标的二维成像,验证了算法的有效性,并分析了墙壁对目标定位误差的影响。     

基于改进灰色预测模型的雷达备件消耗预测

在穿墙雷达成像领域,建筑墙体会改变电磁波的传播路径和速度,引入墙体回波延迟误差,造成建筑布局图像出现墙体位置偏移,这种现象随着穿透墙体的面数增加而加剧。并且电磁波穿透墙体时的衰减会带来前后墙体图像强度差异。对此提出了一种墙体补偿算法,该算法利用 Radon变换进行墙体距离向位置检测,实现在距离向上对成像区域进行划分,结合线段检测,实现在方位向上对成像区域进行划分,最终完成成像区域的精确划分,分别对各成像区域补偿墙体穿透延时和聚焦成像。XFDTD仿真数据验证了该算法能实现各成像区域和各面墙体的聚焦成像,有效地矫正了墙体位置,降低了前后墙体图像强度差异。     

直推式多视图协同分割

多视角拍摄条件下获取到含有同一刚性或静态目标多幅图像后,快速准确地在所有图像中分割出该目标是一个尚未被关注的问题。该文首次给出这个问题的数学描述,并借助图模型的描述方法,推导了它与传统的基于图割分割问题之间的关系。在求解该问题时,该文提出了迭代式协同直推优化算法,算法思想是将优化目标函数拆分为图像空间和3维空间分割两个子优化问题,利用图割和谱聚类分割的方法迭代求解两个子优化问题,并在迭代过程中设计传播、过滤、投票处理引入两个空间标签一致性约束,算法收敛时同时得到图像空间和3维空间的分割结果。最后,使用实际图像序列实验得出算法的平均误判率为3.4%,比较讨论和改进思路一并给出。     

Multi-view convolutional vision transformer for 3D object recognition

With the rapid development of three-dimensional (3D) vision technology and the increasing application of 3D objects, there is an urgent need for 3D object recognition in the fields of computer vision, virtual reality, and artificial intelligence robots. The view-based method projects 3D objects into two-dimensional (2D) images from different viewpoints and applies convolutional neural networks (CNN) to model the projected views. Although these methods have achieved excellent recognition performance, there is not sufficient information interaction between the features of different views in these methods. Inspired by the recent success achieved by vision transformer (ViT) in image recognition, we propose a hybrid network by taking advantage of CNN to extract multi-scale local information of each view, and of transformer to capture the relevance of multi-scale information between different views. To verify the effectiveness of our multi-view convolutional vision transformer (MVCVT), we conduct experiments on two public benchmarks, ModelNet40 and ModelNet10, and compare with those of some state-of-the-art methods. The final results show that MVCVT has competitive performance in 3D object recognition.     

电信建筑结构设计的几点建议

探讨了电信建筑楼面活荷载的特点,结合房屋的结构体系,提出了提高结构设计质量的一些做法,并对当前结构设计和施工中需要改进和完善的问题提出了建议。     

Multi-view representation learning for multi-view action recognition

Although multiple methods have been proposed for human action recognition, the existing multi-view approaches cannot well discover meaningful relationship among multiple action categories from different views. To handle this problem, this paper proposes an multi-view learning approach for multi-view action recognition. First, the proposed method leverages the popular visual representation method, bag-of-visual-words (BoVW)/fisher vector (FV), to represent individual videos in each view. Second, the sparse coding algorithm is utilized to transfer the low-level features of various views into the discriminative and high-level semantics space. Third, we employ the multi-task learning (MTL) approach for joint action modeling and discovery of latent relationship among different action categories. The extensive experimental results on M²I and IXMAS datasets have demonstrated the effectiveness of our proposed approach. Moreover, the experiments further demonstrate that the discovered latent relationship can benefit multi-view model learning to augment the performance of action recognition.     

利用块间耦合稀疏贝叶斯学习的建筑物布局成像方法

该文针对现有穿墙雷达建筑物布局成像中扩展目标稀疏成像方法未能有效利用墙体反射信号的结构稀疏性,导致成像中出现墙体不连贯和墙体轮廓不明显的问题,提出一种利用稀疏信号块间耦合的建筑物布局成像方法。该方法在块稀疏信号特性的高斯分层先验模型的基础上,利用块间耦合系数进一步表征场景中墙体反射信号的结构稀疏性,然后将其引入到控制稀疏信号先验概率分布的超参数中,从而把稀疏信号的结构性转化为超参数的耦合关系,最后利用期望最大化(EM)算法求解超参数的最大后验(MAP)估计。仿真和实验数据处理结果表明,该方法有效改善了墙体的成像质量。     

基于序列间先验约束和多视角信息融合的肝脏CT图像分割

医学电子计算机断层扫描(CT)序列图像中肝脏的准确分割是实现计算机辅助肝手术的重要前提,然而图像中存在的组织病变、边界模糊或缺失、不同组织间的粘连给肝脏分割带来极大挑战。针对这些问题,该文提出一种基于图像序列间先验约束的半自动分割方法,并进一步采取了多视角信息融合的方式实现肝脏的准确分割。该方法的优势在于无需大量数据的收集和复杂的先验训练。在Sliver07公开数据集合的验证结果显示,和领域内主要方法相比,该方法具有较高的分割准确度,特别是当肝脏区域存在病灶、边界模糊或缺失的情况下具有明显提升。