多雷达典型条件下串行数据融合算法性能分析

多雷达组成的信息平台同时接收多组目标数据,数据融合成为这种平台处理数据的必然技术措施。数据融合一方面提高了目标的数据率、目标测量精确度,另一方面为整个平台一体化管控提供方便。串行数据融合算法与单雷达目标跟踪具有相似的工作流程,易于扩展至多雷达平台的使用。该文采用串行数据融合算法验证典型条件下数据融合的性能,这种典型条件是以多部舰载搜索雷达组成的环境。仿真试验结果表明,融合算法能够提高目标跟踪精确度并增大目标探测距离。     

干涉合成孔径雷达复图像自动配准算法

提出了一种基于曲线特征的干涉合成孔径雷达（InSAR）复图像对的自动配准算法．该算法借助于B-样条拟台特征曲线，利用BFGS拟牛顿法加速最小均方误差拟合．通过相干系数法实现了曲线段的匹配．采用最小二乘法计算仿射变换参数．基于实测数据的实验结果表明．该算法具有精度高、稳健性强和计算复杂性较小的特点．     

小波变换实现图像导向滤波

导向滤波器是一类能够实现图像方向滤波的滤波器组,它比方向滤波器计算量小并且可以实现各个方向的滤波处理。该文把小波函数和多分辨关系引入到导向滤波处理过程中,实现了图像的方向滤波。实验验证了小波可以从图像中提取更多方向的信息,表明新导向滤波的有效性。     

自注意力融合调制的弱监督语义分割

目的 现有图像级标注的弱监督分割方法大多利用卷积神经网络获取伪标签,其覆盖的目标区域往往过小。基于Transformer的方法通常采用自注意力对类激活图进行扩张,然而受其深层注意力不准确性的影响,优化之后得到的伪标签中背景噪声比较多。为了利用该两类特征提取网络的优点,同时结合Transformer不同层级的注意力特性,构建了一种结合卷积特征和Transformer特征的自注意力融合调制网络进行弱监督语义分割。方法 采用卷积增强的Transformer （Conformer）作为特征提取网络,其能够对图像进行更加全面的编码,得到初始的类激活图。设计了一种自注意力层级自适应融合模块,根据自注意力值和层级重要性生成融合权重,融合之后的自注意力能够较好地抑制背景噪声。提出了一种自注意力调制模块,利用像素对之间的注意力关系,设计调制函数,增大前景像素的激活响应。使用调制后的注意力对初始类激活图进行优化,使其覆盖较多的目标区域,同时有效抑制背景噪声。结果 在最常用的PASCAL VOC 2012（pattern analysis,statistical modeling and computational learning visual object classes 2012）数据集和COCO 2014 （common objectes in context 2014）数据集上利用获得的伪标签进行分割网络的训练,在对比实验中本文算法均取得最优结果,在PASCAL VOC验证集上,平均交并比（mean intersection over union,mIoU）达到了70.2%,测试集上mIoU值为70.5%,相比对比算法中最优的Transformer模型,其性能在验证集和测试集上均提升了0.9%,相比于卷积神经网络最优方法,验证集上mIoU提升了0.7%,测试集上mIoU值提升了0.8%。在COCO 2014验证集上结果为40.1%,与对比算法中最优方法相比分割精度提高了0.5%。结论 本文提出的弱监督语义分割模型,结合了卷积神经网络和Transformer的优点,通过对Transformer自注意力进行自适应融合调制,得到了图像级标签下目前最优的语义分割结果,该方法可应用于三维重建、机器人场景理解等应用领域。此外,所构建的自注意力自适应融合模块和自注意力调制模块均可嵌入到Transformer结构中,为具体视觉任务获取更鲁棒、更具鉴别性的特征。     

基于Beamlet的图像线特征提取方法

提出一种基于Beamlet变换图像线特征提取方法。用基于方向窗的方向滤波突显图像中不同方向的线特征,通过阈值处理将灰度图像转换为一组二值图像,利用逻辑或运算融合成一幅图像,用Beamlet变换从融合图像中提取图像的线特征和曲线特征。实验结果表明,在信噪比很低的情况下该方法能够得到满意的结果。     

基于广义高斯最大似然估计的小波域类LMMSE滤波算法

基于小波系数服从广义高斯分布,该文采用最大似然(ML)准则估计普通图像在子带上的系数方差。该文提出的估计子是一个子带自适应因子和一个次幂均值的乘积。与最近提出的SI-AdaptShr,LAWMAP和其它一些算法相比,所提出的算法取得了更好的去噪效果。进一步,一种简化的算法产生用于去除SAR图像的斑点噪声。这种新算法可以大大减少运算量,对大尺度的SAR图像后处理有帮助。     

时空渐进式学习的视频显著性目标检测

视频显著性目标检测需要同时结合空间信息和时间信息,连续地定位视频序列中与运动相关的显著性目标,其核心问题在于如何高效地刻画运动目标的时空特征.现有的视频显著性目标检测算法大多使用光流,ConvLSTM以及3D卷积等提取时域特征,缺乏对时间信息的连续学习能力.为此,设计了一种鲁棒的时空渐进式学习网络(spatial-temporal progressive learning network, STPLNet),以完成对视频序列中显著性目标的高效定位.在空间域中使用一种U型结构对各视频帧进行编码解码,在时间域中通过学习视频序列中帧间运动目标的主体部分和形变区域特征,渐进地对运动目标特征进行编码,能够捕捉到目标的时间相关性特征和运动趋向性.在4个公开数据集上与13个主流的视频显著性目标检测算法进行一系列对比实验,所提出的模型在多个指标(max F, S-measure (S), MAE)上达到了最优结果,同时在运行速度上具有较好的实时性.     

酿酒酵母谷胱甘肽产量与镉盐抗性关系的研究与应用

酿酒酵母谷胱甘肽（GSH）生成量与其镉盐抗性关系验证实验和利用镉盐抗性筛选高产GSH酿酒酵母突变株实验证明,酿酒酵母GSH生成量越高,其镉盐抗性越强;反之,酿酒酵母镉盐抗性越强,其GSH生成量不一定越高。在紫外诱变实验中利用镉盐抗性筛选高产GSH酿酒酵母突变株,正突变率达到23.5%,最终获得突变株BV54和MV16,其胞内GSH含量较出发菌株B-3和M8分别提高了32.53%和36.55%。结果表明,这种利用镉盐抗性筛选高产GSH酿酒酵母突变株的育种方法可行且高效。     

基于数据关联的多雷达点迹融合算法研究

在典型应用场景下,针对传统数据关联算法易于产生目标跟踪丢失的问题,提出了并行多传感器联合概率数据关联算法(PMSJPDA),给出行多传感器联合概率数据关联算法的实现流程,并对该算法进行理论分析。最后采用两部典型雷达构成PMSJPDA数据融合系统,对其算法的目标跟踪精度进行仿真,仿真结果表明,所提出算法可有效改善对目标的跟踪性能,提高了对目标的跟踪精度。