基于改进RX算法的高光谱异常检测

针对RX算法中局部背景协方差矩阵估计的局限性,提出一种改进的RX (I-RX)异常检测算法。基于奇异值分解(SVD),将高光谱图像投影到背景的正交子空间上,获得仅包含噪声和异常的残留图像。在此基础上,通过计算各样本的空间秩深度将残留图像划分为噪声背景和潜在异常两个样本集,利用噪声背景集估计整幅图像的背景协方差矩阵,并将潜在异常集作为测试样本进行异常检测。对模拟数据和真实高光谱数据进行了实验仿真,ROC曲线表明,在相同的虚警概率下,I-RX算法的检测概率相较于RX平均提高了2倍左右。     

后期模拟制作相机镜头背景模糊效果

在摄影实践中,虚化背景是突出主体的常用手段。但是由于消费级DC镜头的实际焦距都很短,因此实现浅景深而虚化背景的难度较大。如果我们希望用消费级DC也能达到虚化背景突出主体的效果,那么,Photoshop后期处理可以派上用场。     

浅谈随机决策树

该文介绍了随机决策树分类模型及如何启发式选择随机决策树的深度及棵树,通过实验证明了该算法的有效性和高效性。     

具有深度自适应估计的视觉伺服优化

在手眼机器人视觉伺服中,如何确定机器人末端摄像机移动的速度和对物体的深度进行有效的估计还没有较好的解决方法.本文采用一般模型法,通过求解最优化控制问题来设计摄像机的速度,同时,利用物体初始及期望位置的深度估计值,提出了一种自适应估计的算法对物体的深度进行估计,给出了深度变化趋势,实现了基于图像的定位控制.该方法能够使机器人在工作空间范围内从任一初始位置出发到达期望位置,实现了系统的全局渐近稳定且不需要物体的几何模型及深度的精确值.最后给出的仿真实例表明了本方法的有效性.     

灰度／深度图像序列的三维空间内插──一种新的计算机图像生成技术

本文提出的灰度／深度图像序列的三维内插方法,摆脱了原实摄路径限制,可在空间内任意巡行,采用空间稀疏化采样,从而达到大量节省存储量和高度灵活地可控再现空间场景的目的,为解决三维内插中庞大的计算量,我们研究了快速而实用的散点算法和深度适应的Ｗａｒｐ算法。通过介绍三维内插的几种简单情形,导出了一些简单、实用的算法。计算机仿真结果显示了这一新方法是完全可行的。     

Characterization of laser hardened steels by laser induced ultrasonic surface waves

Ultrasonic surface waves are suitable for the characterization of surface hardened materials. This is shown on laser hardened turbine blades. The martensitic microstructure within the surface layer of surface hardened steels has a lower surface wave propagation velocity than the annealed or normalized substrate material. Because the propagation velocity depends on the ratio of layer thickness to wavelengthd/, its measurement allows the determination of the hardening depth. If the surface wave frequency is high enough, the surface wave propagates mainly within the hardened layer. A correlation of the surface wave velocity to the surface hardness has been found. Because the variation of the surface velocity in hardened steels is small, a high measurement accuracy is necessary to obtain the interesting hardening parameters with sufficient certainty. Therefore, a measuring arrangement has been developed where laser pulses, guided by optical fibers to the surface hardened structure, generate simultaneously surface wave pulses at two different positions. The two ultrasonic pulses are received by a piezoelectric transducer. The surface wave velocity is obtained from the time delay between these pulses which is determined by the cross-correlation method. To evaluate simultaneously surface waves with different penetration depths from the same signal acquisition, digital filtering has been used in connection with the cross-correlation.     

Himawari-8气溶胶变分同化对PM2.5污染模拟的改进

利用地球静止轨道卫星Himawari-8 气溶胶光学厚度 (AOD) 产品能够估算空间覆盖范围广、时间分辨率高的 近地表 PM2.5 浓度。基于三维变分同化系统将AOD估算得到的 PM2.5 资料同化进入WRF-Chem大气化学模式中, 通过 控制实验与同化实验的对比与分析, 探讨了AOD估算得到的PM2.5资料同化对 PM2.5 污染模拟的改进作用。实验结果 表明： (1) AOD估算得到的 PM2.5 资料同化能够改进 PM2.5 污染模拟效果;(2) PM2.5 污染模拟改进效果存在时空差异。 此外, 与其他研究中使用AOD观测算子直接同化AOD的方法相比, 该方法的操作更加简单。     

Fast optimization of computer-generated holograms using conjugate gradient

Holographic display, as an ideal three-dimensional (3D) display method, can provide a realistic stereo-perception sense, and is expected to be used in the next generation of augmented reality (AR) prototypes without complex optical devices. While holographic 3D displays have been proposed in the past decades, high-quality holographic reconstructed images have always relied on well-designed generation algorithms, and it is still a challenge to obtain an accurate phase profile fast. In this work, we utilize a first-order optimization algorithm to optimize the phase profile using the conjugate gradient direction instead of the steepest gradient direction to update the phase parameters. We validate this proposed method by comparing the current widely used stochastic gradient method and the wirtinger holography method. The simulation and experimental results illustrate the superiority of the proposed method, which can achieve faster optimization with the same quality metrics.     

基于动态门控特征融合的轻量深度补全算法

稠密深度图在自动驾驶和机器人等领域至关重要,但是现今的深度传感器只能产生稀疏的深度测量,所以有必要对其进行补全.在所有辅助模态中, RGB图像是常用且易得的信息.现今的许多方法都采用RGB和稀疏深度信息结合进行补全.然而它们绝大部分都是利用通道拼接或逐元素求和简单的对两种模态的信息进行融合,没有考虑到不用场景下不同模态特征的置信度.提出一种以输入深度稀疏分布为指导,结合双模态信息量的动态门控融合模块,通过动态产生融合权重的方式对两个模态特征进行更高效的结合.并且根据不同模态的数据特征设计了精简的网络结构.实验结果表明所提出模块和改进的有效性,提出的网络在两个有挑战性的公开数据集KITTI depth completion和NYU depth v2上,使用了很少的参数量达到了先进的结果,取得了性能和速度的优秀平衡.     

基于改进YOLOv3的智慧足球场行人检测

由于足球比赛场景中密集人群、移动小目标居多, YOLOv3算法存在检测精确度较低且模型参数量较大等问题, 使其无法部署在资源算力有限的移动设备上, 本文提出了一种基于改进YOLOv3的行人检测方法, 将Darknet-53主干特征提取网络替换为更加高效且轻量化的GhostNet网络; 同时选取了4个尺度的检测分支层并采用K-means++算法改善anchor box的聚类效果; 添加空间金字塔池化对输入图像实现相同大小的输出; 提出CIoU损失函数来计算目标定位损失值; 添加heatmap热力图可视化并在训练中使用Mosaic数据增强. 实验结果表明, YOLOv3-GhostNet在VOC融合数据集上mAP达到90.97%的同时相比YOLOv3算法提高了1.75%, 参数量减少了约81.4%且实时检测速率提高了约1.5倍, 在小型移动设备上表现出不错的检测效果.