基于实时地形校正的InSAR图像匹配算法

针对侧视雷达/可见光图像匹配制导系统中由于雷达图像地形畸变引起的误匹配问题,提出了一种基于干涉合成孔径雷达（InSAR）的实时地形校正图像匹配算法。该算法以侧视雷达成像几何构象为基础,利用InSAR获取的实时地形数据对获取的SAR景象数据进行实时几何校正,生成无畸变的SAR景象数据,然后利用校正后的SAR景象数据与提前安装的可见光基准数据进行基于去均值归一化互相关模板的图像匹配。实验结果表明,通过实时地形校正,该景象匹配算法在复杂地形区域的匹配概率和匹配精度都大大优于传统SAR景象匹配算法,有效地提高了SAR图像匹配制导技术的适用性。     

三维陈述式约束模型的自动生成

由于缺乏有效的自动生成约束模型的方法，三维变量化技术的进一步发展受到制约，通过转换边界表示和提取特征中的本质约束信息，自动生成三维陈述式约束模型，以InteSolid2.0为基础，实现了原型系统。     

用约束网络表示二维图形的二叉树算法

文章重点讨论了利用网络表达二维图形，提出网络的分解原则，使其最终能转化成可以求解的二叉树表示，并在其过程中探讨尺寸标注的一致性及可加工性，最后讨论加速网络分解的技术，为参数化设计提供快速，简捷的技术手段。     

基于边缘检测的保特征的图像缩放算法

针对Seam Carving算法在实现图像缩放的过程中,对图像边缘几何特征造成破坏的现象,提出一种基于边缘检测的改进Seam Carving算法。首先在Seam Carving算法计算低能量线的同时引入图像边缘检测,其次确定低能量线与边缘的交点,进而提升交点邻域的能量,分散过于集中的低能量线。仿真实验结果表明,该算法能够有效减少Seam Carving算法缩放图像后产生的畸变,很好地保持了图像的重要几何特征。     

SVM的几何方法—SK类思路的研究

支持向量机（Support Vector Machine,SVM）的几何方法是一种基于SVM计算过程中几何意义出发的求解方法。利用其几何特点,比较直观地对其基本算法的构建过程进行了分析。两凸包相对位置可以简要地归纳成5类,且在该类算法迭代过程最优点多在顶点和边界上,该类算法在第一次迭代就可能达到边界（最优点）;该类算法的手动单步模拟计结果揭示：很多情况下,该类算法迭代过程的投影并不成功,虽不影响解法的最终结果,但会影响迭代效率;基于几何的分析,给出软SK软算法的两种改进思路（Backward-SK和Forward-SK思路）,并进行了仿真比较计算。实验表明,该方法计算效果与原思路相似,但是计算过程理解更加直观。     

北京一号灾害监测小卫星数据几何精校正研究

北京一号是具有双遥感器的灾害监测小卫星,其星载的CCD多光谱传感器可以获取32m的多光谱数据。本文对2005年11月14日的北京天津地区遥感图像数据进行了几何精校正研究,根据图像自身特点和后续研究需求采用有限元模型对空间位置进行校正,采用最临近法重新采样,矫正后的图像满足后续使用精度要求。     

基于差分矩因子的灰度图像矩快速算法

由于不变矩对图像的平移放大旋转的不敏感性,因此在图像处理、模式识别、场景匹配和计算机视觉等领域获得越来越广泛的应用．但是,求矩运算过程复杂,计算量大,使它的应用受到限制．快速求矩算法不少,但大多限于二值图像．文中提出一种新的适用于灰度图像的快速求矩算法．算法基于文中提出和证明的差分求和定理,即两个离散函数数组的乘积,等于将其中一个差分、另一个累进求和后的乘积．将矩因子作为一个函数数组,图像作为另一个函数数组,对矩因子数组实施多次差分,差分结果使得矩因子数组除边界1个或几个数组元素外,其余数组元素值皆为0．这样需对所有数组元素的乘积变为只对边界1个或几个数组元素的乘积．由于边界上不为0的数组元素值几乎都为1,这实际上就无需乘法计算．该算法原理简单,编程容易,求矩结果精确,适用于任意灰度图像．利用该算法,对任意大小和任意级别的灰度图像,无需任何乘法计算,且加法运算次数也大幅减少．和其它求矩算法相比,计算复杂性大大降低．     

Certification of Numerical Computation of the Sign of the Determinant of a Matrix

Certified computation of the sign of the determinant of a matrix is a central problem in computational geometry. Certification by known methods is practically difficult because the magnitude of the determinant of an integer input matrix A may vary dramatically, from 1 to || A || ⁿ , and the round-off error bound of the determinant computation varies proportionally. Because of such a variation, high precision computation of \det A is required to ensure that the error bound is smaller than the magnitude of the determinant. We observe, however, that our certification task of determining only a single bit of \det A , that is, the bit carrying the sign, does not require us to estimate the latter round-off error. Instead, we solve a much simpler task of computing numerically the factorization of a matrix by Gaussian elimination with pivoting (which is a subroutine of LAPACK and LINPACK) and of estimating the minimum distance 1/||A ^-1 || from A to a singular matrix. Such an estimate gives us a desired range for the round-off error of the factorization such that the invariance of the sign of det A is ensured as long as the error varies in this range. Based on these simple but novel observations, we devise new effective arithmetic filters for the certification of the sign, compare them with the known filters, and confirm the efficiency of our techniques by some numerical tests. Received March 29, 1998; revised December 14, 1998.     

边缘氢化石墨烯片层结构和光谱性质的密度泛函理论研究

以并3-6苯环为氢化石墨烯片层模型,采用量子化学密度泛函理论方法(DFT)在B3LYP/6-31G(d,p)水平上进行了几何结构全优化,讨论了分子结构、能量、前线分子轨道等性质的变化规律。在得到化合物基态稳定构型的基础上,运用含时密度泛函理论(TD-DFT)计算了电子吸收光谱的性质。计算结果显示边缘氢化石墨烯片层均为平面结构,线型扶手椅型结构能量最低,结构最稳定。随着石墨烯片层环数的增加HOMO轨道能量增加,LUMO轨道能量降低,能隙能量降低,最大吸收波长明显红移。     

基于YOLOv5s融合SENet的车辆目标检测技术研究

针对交通监控视频的车辆目标检测技术在早晚高峰等交通拥堵时段,车辆遮挡严重且误、漏检率较高的问题,提出一种基于YOLOv5s网络的改进车辆目标检测模型。将注意力机制SE模块分别引入YOLOv5s的Backbone主干网络、Neck网络层和Head输出端,增强车辆重要特征并抑制一般特征以强化检测网络对车辆目标的辨识能力,并在公共数据集UA-DETRAC和自建数据集上训练、测试。将查准率、查全率、均值平均精度作为评价指标,结果显示3项指标相比于原始网络均有明显提升,适合作为注意力机制的引入位置。针对YOLOv5s网络中正、负样本与难易样本不平衡的问题,网络结合焦点损失函数Focal loss,引入2个超参数控制不平衡样本的权重。结合注意力机制SE模块和焦点损失函数Focal loss的改进检测网络整体性能提升,均值平均精度提升了2.2个百分点,有效改善了车流量大时的误检、漏检指标。