基于深度森林的多级特征融合SAR目标识别

大多数传统的合成孔径雷达(SAR)目标识别方法仅仅使用了单一的幅度特征,但是由于斑点噪声的存在,仅仅使用幅度特征会限制识别的性能.为了进一步提高SAR目标识别的性能,该文提出了一个基于深度森林的多级特征融合SAR目标识别方法.首先,在特征提取阶段,提取了多级幅度特征和多级密集尺度不变特征变换(Dense-SIFT)特征.幅度特征反映了目标反射强度,Dense-SIFT特征描述了目标的结构特征.而多级特征可以从局部到全局表征目标.随后,为了更完整、充分地反映SAR目标信息,借鉴深度森林的思想对多级幅度特征和多级Dense-SIFT特征进行联合利用.一方面通过堆叠的方式不断将多级幅度特征和多级Dense-SIFT特征进行融合,另一方面通过逐层的特征变换挖掘深层信息.最后利用得到的深层融合特征对目标进行识别任务.该文在MSTAR数据集上进行对比实验,实验结果表明所提算法在性能方面取得了提升,且其性能对超参数设置具有一定的鲁棒性.     

基于超像素级卷积神经网络的多聚焦图像融合算法

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法。该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像。该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果。     

2006年国际生物-纳米-信息融合大会暨2006年国际生物芯片技术论坛

会议由清华大学、生物芯片北京国家工程研究中心、科技部、教育部、国家自然基金委等单位共同主办，由生物签片北京国家工程研究中心具体筹办。会议主要议题。     

微孔中简单流体粘度的分子动力学模拟及关联模型

用分子动力学模拟计算了微孔介质中流体氩在不同温度、不同密度和不同孔径下的剪切粘度.并根据Chapman-Enskog关于硬球流体传递性质的理论以及Heyes的关于Lennard-Jones流体粘度的表达式,提出了两个描述微孔介质中流体粘度的模型,该模型可以计算微孔中流体氩在不同状态下的粘度值.通过与计算机模拟值的比较,证明这两个微孔流体粘度模型是可用的.     

有线数字电视技术体系探讨

随着数字电视技术的不断应用，数字电视业务的不断开发和推广，数字电视技术平台正从承载单一业务向承载多业务方向演进，正从简单技术平台向复杂技术平台发展。数字电视技术和网络技术、通信技术的相互融合和集成，正在催生Triple Play业务．即有机融合视频、音频、数据类业务的创新业务．并催生与Triple Play业务形态相适应的新媒体。     

北京网通"宽频空间"业务初探

“宽频空间”是中国网通关于IPTV业务的品牌名称。IPTV作为一种新的技术，改变传统的电视传播方式，其最重要的特征是视、音频内容的交互性和个性化。IPTV将成为“三网融合”的先行者和探索者。本文主要阐述了IPTV的体系架构，国内外发展情况，以及北京“宽频空间”业务的现状。     

贝叶斯融合在SAR图像分类中的应用

本文研究将数据融合理论用于SAR图像分类.通过贝叶斯理论进行多通道SAR图像测量级数据融合,充分利用像素的从属信息并获得单通道分类无法获取的分类结果,有效保留各通道有用信息并抑制图像中的斑点噪声;针对贝叶斯融合涉及到的先验概率的问题采用两种方式进行先验概率估计,对估计引起的马赛克现象提出了三种解决方法;并提出三种先验概率融合方法,比较得出相对最优的SAR图像多通道分类方案.     

产城融合视角下高科技园区的规划策略

文章对产城融合概念进行了分析,以高科技园区为研究样本,针对高科技园区的现状与问题,指出了园区建设和规划中存在的不足,提出了产城融合视角下高科技园区的规划策略,试图为高科技园区发展提供有效的规划引导,从而形成科学的规划体系,促进高科技园区可持续发展。     

面向无人机航拍图像的多尺度目标检测研究

针对无人机航拍图像背景复杂、小目标占比高且分布不均导致的现有算法精度不佳等问题,提出了一种面向无人机航拍图像的多尺度目标检测网络VTO-YOLOv8。首先,采用WIoU v3作为边界框回归损失函数,并使用明智的梯度分配策略,这一策略将使网络更加关注普通质量样本,从而提高其定位能力;其次,设计四层T-BiFPN结构,加强浅层特征和深层特征的融合;此外,设计C2f-DBB多分支模块,在不增加计算量的前提下,提升检测性能;同时,使用聚焦调制模块,加强不同尺度信息的交互。实验结果表明,网络在Visdrone2019数据集上相较基准模型在mAP50和mAP指标上分别提高了9.0%和5.9%,同时参数降低了22.6%,可更好地应用于无人机航拍目标检测中。     

结合视觉Transformer和CNN的道路裂缝检测方法

提出了一种结合视觉Transformer和CNN的道路裂缝检测方法。利用CNN来捕获局部的细节信息,同时利用视觉Transformer来捕获全局特征。通过设计的Fusion特征融合模块将两者提取的特征有机地结合在一起,从而解决了单独使用CNN或视觉Transformer方法存在的局限。最终将结果传递至交互式解码器,生成道路裂缝的检测结果。实验结果表明,无论是在公开的数据集上还是在自建的数据集上,相较于单独使用CNN或视觉Transformer的方法,所提出的方法在道路裂缝检测任务中有更好的效果。