基于可能性信息质量合成的双模态红外图像融合算法选取

针对双模态红外图像在融合时异类差异特征两两合成出现信息冗余导致所选择的融合算法相互冲突,造成融合效果差甚至失效的问题,提出了一种基于可能性信息质量合成的双模态红外图像融合算法选取方法。首先计算双模态红外图像多融合算法下不同差异特征的融合有效度,利用可能性框架得到对应的可能性分布向量子集;其次计算向量子集的信息量和可信度,并对多个向量子集进行加权合成;然后构建基于信息质量的排序函数,得到每种融合算法下的非支配子集;最后构建多融合算法得分函数的联合分布对多种融合算法优化选择。实验结果表明,将基于质量来整合多个差异特征的方法运用于双模态红外图像融合算法选取中,所选出的融合算法在加权综合指标上高于其他算法均值55%以上,证明了本文方法的有效性和合理性;由多组实验算得本文方法平均耗时10.083 s,在时间效率上也符合实时图像融合应用的工程需求。     

基于双模压缩信道的双模高斯态量子隐形传态

研究了双模高斯态的两个模经由两个双模压缩量子信道的隐形传态.结果表明，当输入态有纠缠时，若要输出态的纠缠不为零，量子信道的纠缠必须大于一确定值，其大小在输入态为纯态时依赖于输入态的纠缠度；在输入态为混合态时不仅与输入态的纠缠有关，还依赖于输入态的整体纯度. 关键词： 量子隐形传态 量子纠缠 双模高斯态     

基于音视频信息融合的目标检测与跟踪算法

针对单一视觉跟踪算法易受遮挡影响的缺陷,提出一种基于音视频信息融合的目标检测与跟踪算法。整个算法框架包括视频检测与跟踪、声源定位、音视频信息融合跟踪3个模块。视频检测与跟踪模块采用YOLOv5m算法作为视觉检测的框架,使用无迹卡尔曼滤波和匈牙利算法实现多目标的跟踪与匹配;声源定位模块采用十字型麦克风阵列获取音频信息,结合各麦克风接收信号的时延计算声源方位;音视频信息融合跟踪模块构建音视频似然函数和音视频重要性采样函数,采用重要性粒子滤波作为音视频融合跟踪的算法,实现对目标的跟踪。在室内复杂环境下对算法性能进行测试,结果表明该算法跟踪准确率达到90.68%,相较于单一模态算法具有更好的性能。     

一种基于图像融合的运动目标快速检测算法

提出了一种新的运动目标检测方法,这种方法可以有效的提取目标轮廓。应用一种图像差分技术得到运动目标的初始轮廓线。使用了动态轮廓线使其收敛到目标轮廓。提出了一种新的目标轮廓特征级融合方法,求解两类模式图像的收敛动态轮廓线控制点向量差的范数平方极小化。这种方法不需要图像配准降低了融合的计算复杂度,有效提高了可见光图像中目标轮廓提取的精度。对比检测实验证实了算法的有效性。设计了一种基于Newmark方法的动态轮廓线快速迭代算法,将该方法和方法作了比较,对比实验表明这种方法的时间复杂度降低了22%。     

基于双模压缩态的量子投票协议

提出了一种基于双模压缩态的基本量子投票协议,该协议通过随机选择信号加载的方式,充分利用量子信号测不确定性原理实现了分布式投票系统.并在此基础上分析可能遇到的攻击.双模压缩态的模间关联性保证了该方案的安全性. 关键词： 量子投票协议 双模压缩态 不确定性原理     

激发双模压缩真空态的非经典特性

通过数值计算研究了激发双模压缩真空态a^+mb^+m|ξ>的非经典特性.结果表明:对于a^+mb^+m|ξ>,Cauchy-Schwartz不等式受到破坏;当取适当的压缩参量r(例如0.4～0.7)时,a^+mb^+m|ξ>呈现出正交分量的压缩和光子的亚泊松分布,而且压缩程度和亚泊松特性都随m的增大而有所增强.     

基于伪模态转换的红外目标融合检测算法

为提高红外图像目标检测的精度和实时性,提出一种基于伪模态转换的红外目标融合检测算法.首先,利用双循环的生成对抗网络无需训练图像场景匹配的优势,获取红外图像所对应的伪可见光图像;然后,构建残差网络对双模态图像进行特征提取,并采取add叠加方式对特征向量进行融合,利用可见光图像丰富的语义信息来弥补红外图像目标信息的缺失,从而提高检测精度;最后,考虑到目标检测效率问题,采用YOLOv3单阶段检测网络对双模态目标进行三个尺度的预测,并利用逻辑回归模型对目标进行分类.实验结果表明,该算法能够有效地提高目标检测准确率.     

基于并行融合网络的航拍红外车辆小目标检测方法

提出了一种基于并行融合网络的航拍红外车辆小目标检测方法.以并行残差块搭建的网络作为主干网络,完成对目标高精度且强鲁棒性的识别和分类.在此网络的基础上进行特征提取与特征融合,提出了基于跨层连接的改进YOLOv3算法,充分利用底层的信息完成对红外车辆小目标的高精度检测与定位.最后,采用soft-NMS替代NMS来缓解目标重...     

双模相干迭加态的产生

文中提出一种产生双模相干迭加态的方法，它是基于原子与处于两个不同腔的双模的非共振相互作用。     

双模光场压缩态的实验研究

利用非简并参量下转换过程,在实验上获得了双模光场压缩态,在电磁场的一正交位相分量上噪声水平较真空噪声水平下降近30％。     

基于双模压缩态的量子密钥分发方案

提出了一种基于双模压缩态的量子密钥分发方案，采用Shannon信息论分析了该协议抵抗光束分离攻击的能力，得到秘密信息速率与压缩因子、信道参数之间的解析表达式，双模压缩态的模间关联性保证了该方案的安全性.     

产生双模压缩态的哈密顿算符的一般形式

本文给出产生双模压缩态的最一般形式的哈顿算符，推导出双模压缩参数，双模混合参数及两个模式各自的压缩参数之间的一个耦合方程，并在共振条件下得出此耦合方程的解析解。     

基于模糊证据理论的多特征目标融合检测算法

提出了一种基于平方证据权重的模糊证据组合方法,并应用于弱小目标多特征融合检测算法中,采用了证据理论中的基本概率分配函数来描述判决结果的不确定性,首先提取检测图像的局部灰度均值对比度、局部梯度均值对比度、局部差值和局部熵四个特征,然后对特征进行归一化,再对其进行模糊化并根据先验知识和测量统计的结果对目标各特征值所取空间和待识别目标假设集进行基本概率分配,接着采用自适应加权融合的方法得到目标的基本可信度,最后采用基于博弈概率分布的决策规则得到检测后的目标图像。实验结果表明,该算法能在较大程度上降低目标检测过程中的不确定性,提高系统的检测性能。     

双模压缩真空态和纠缠相干态的一维势垒散射

分析了双模压缩真空态和纠缠相干态的一维势垒散射问题,结果表明,两种散射态的纠缠度都随势垒的透射系数呈类抛物线关系,且抛物线谷底对应半反半透势垒.前者的纠缠度还随入射压缩因子呈类抛物线关系,后者随入射纠缠呈线性关系.两种散射的保真度都可以由透射系数的增加而得到提高,但前者还会随入射压缩因子的增大而降低,后者随入射相干态模的增加而降低.     

基于红外与激光雷达融合的鸟瞰图空间三维目标检测算法

结合MEMS激光雷达和红外相机的优势,设计了一种简单轻量、易于扩展、易于部署的可分离融合感知系统实现三维目标检测任务,将激光雷达和红外相机分别设置成独立的分支,两者不仅能独立工作也能融合工作,提升了模型的部署能力。模型使用鸟瞰图空间作为两种不同模态的统一表示,相机分支和雷达分支分别将二维空间和三维空间统一到鸟瞰图空间下,融合分支使用门控注意力融合机制将来自不同分支的特征进行融合。通过实际场景测试验证了算法的有效性。     

双模压缩数态光场的Wigner函数及其特性

借助纠缠态表象及Wigner算符在该表象下的表示,得到双模压缩数态的Wigner函数,数值计算画出相空间中Wigner函数的分布图,并加以分析,发现双模压缩数态两模之间相互关联、相互纠缠,对相空间中Wigner函数分布产生影响. 关键词： 双模压缩数态 Wigner函数 纠缠态表象     

基于红外/毫米波双模融合的目标识别方法

在数据融合的基础上,以红外/毫米波双模传感器的智能融合结构为模型,将模糊神经网络与D-S证据理论相结合,提出了一种新的目标识别方法.该算法根据红外/毫米波传感器的性能及工作范围,构造模糊变量作为神经网络的输入,根据神经网络的不同输出判别目标的真伪,并利用D-S证据理论进行目标身份识别.仿真结果证明了该算法的可行性.     

用纠缠态表象讨论对双模压缩真空态作正交振幅分量的测量

对文献[4]的结果作了进一步推导,用纠缠态表象方法计算了对双模压缩真空态第一个模场作正交振幅分量测量的结果,发现第二个模塌缩到一个压缩态,其显式被导出。     

多尺度特征融合的目标检测算法研究

针对Faster R-CNN在多尺度目标检测时易出现小目标漏检和误检的问题,提出一种改进的多尺度目标检测算法。将利于小目标检测的低层网络和利于大尺度目标检测的高层网络进行多尺度特征融合;在训练阶段,采用在线难例样本挖掘算法维护难例样本分类池,加速神经网络模型迭代收敛,解决训练样本不均衡、训练效率低下的问题;计算并统计待检测目标的尺度大小,合理控制用于生成候选区域的锚框尺寸,提高模型泛化能力。采用PASCAL VOC2012公开数据集和类人足球机器人自建数据集进行算法验证,实验结果表明,相比Faster R-CNN算法,本算法的平均检测精度在上述数据集下分别提高了8.61和5.47个百分点。