基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。     

可见光与红外图像分区融合的夜视抗晕光方法

针对夜视晕光图像区域特征差异大,导致融合图像视觉效果不理想的问题,提出一种可见光与红外图像分区融合的夜视抗晕光方法。先采用自适应阈值迭代法确定低频系数的晕光阈值,将低频系数划分为晕光与非晕光区域,在晕光区域采用非线性红外系数权值调节策略,依据图像晕光程度合理消除晕光;在非晕光区域采用灰度均值先验权值调节策略,提高较亮图像参与融合的权值,增强暗处区域的可见度。实验结果表明,本文方法对不同程度的夜视晕光场景均具有良好的适用性,能合理且有效地消除晕光,提高夜视融合图像的质量。     

目标跨像元展宽“分裂”退化模型与检测研究

采用大规模红外探测器的遥感仪器对以恒星为主的点目标成像时,受点目标跨像元效应、探测器读出带宽不足等影响,目标信号展宽,在多抽头间隔采样下出现“分裂点”现象,空间红外遥感仪器定位精度、目标辨识能力下降。针对此问题,本文构建了点目标“分裂”退化模型,并根据分裂点之间的强相关性,设计了预检测-能量维度迭代-模型更新-后检测的目标检测流程,通过形态学滤波与多假设关联跟踪对“分裂点”目标各观测进行独立跟踪,获取“分裂点”统计信息。然后利用已知恒星成像的质心矫正退化模型并映射到检测图像,修正目标质心。测试结果表明,该方法能有效区分多目标和“分裂点”造成的假目标,平均定位精度由0.5像元以上提升到0.15像元内。     

电气类专业群双创人才培养的探索与实践

针对科技产业发展人才需求和专创融合教育改革中存在的问题,本文从构建双创型人才培养模式、完善实践教学体系、深化校企合作和建立特色创新创业工作室四个方面,对厦门理工学院电气类专业群创新创业人才培养进行探索与实践。实施效果表明,已取得积极成效,具有一定推广价值。     

GNSS系统中通信服务能力比较与电文播发策略研究

随着世界各大导航卫星系统(GNSS)导航定位授时服务性能的日渐完善,在卫星导航系统中发展通信能力逐渐成为趋势,除了北斗系统明确宣布提供导航定位授时和通信数传两大类服务,其他GNSS系统中也出现了部分通信导航融合的服务功能。系统地梳理了欧洲伽利略(Galileo)、日本准天顶卫星系统(QZSS)、印度卫星导航系统(NavIC)和中国北斗卫星导航系统(BDS)目前已经具备或正在发展中的单向通信服务能力,提出了从通信容量、定位实时性、链路鲁棒性和服务弹性4个维度评估通导融合电文性能,综合比较了目前GNSS信号中的通导融合电文性能。针对北斗B2b电文基本框架,提出了一种首次定位时间(TTFF)约束下的竞争式通导融合电文播发策略,兼顾了通信容量与定位实时性两方面性能的动态平衡,为GNSS中通导融合服务的持续优化设计提供参考。     

结合多尺度特征和注意力机制的公路裂缝检测

由于航拍公路裂缝数据缺乏并且裂缝图像存在目标小、分布复杂的特点,导致语义分割模型在航拍公路裂缝检测中效果差,影响模型在实际场景的应用,为此提出基于改进DeeplabV3+的公路裂缝检测方法。构建语义分割模型,选定DeeplabV3+模型并作如下优化：由于低级特征包含更多裂缝细节信息,增加了提取低级特征的路径,从ASPP模块输出的特征为高级特征,高级特征包含更多语义信息,将两者信息进行融合能保证模型不丢失裂缝的细节信息;在网络中嵌入SCSE注意力模块抑制对其他无关信息的响应,改善模型在裂缝数据集检测效果差的问题。实验结果表明,改进DeeplabV3+算法可以有效解决模型对小目标裂缝分割时效果差的问题,模型的检测精度提高了2.59%,具有较强的应用价值,可以为实际公路裂缝检测提供参考。     

基于时序时空双流卷积的异常行为识别

针对地铁站特定场合下,人体异常行为识别无法有效利用帧间运动时间维度信息,导致人体异常行为识别准确率不高的问题,提出一种深层次残差长短期双流网络结构。将RGB帧和连续光流帧作为双流网络的输入,分别利用ResNet34提取低层特征信息,空间流网络提取运动外观特征信息,时间流网络提取光流运动信息,然后将特征信息输入长短期记忆（LSTM）网络,有效学习空间外观和光流运动的帧间关联时间信息,并且通过多种加权融合策略加强模型识别效果。最后在地铁站异常行为数据集上验证提出的网络结构,并与原双流网络进行对比,改进后的网络识别准确率提高了4.7%,融合后的模型准确率提高了12.9%。实验结果表明,所提方法能够充分利用时间维度信息,可有效提高异常行为识别准确率,在昏暗环境下仍有较好的识别效果。     

基于transformer自适应特征向量融合的图像分类

针对目前基于transformer的图像分类模型直接应用在小数据集上性能较差的问题,本文提出了transformer自适应特征向量融合网络,该网络在特征提取器中将不同阶段的特征进行融合,减少特征信息丢失的同时获得更多不同感受野下的信息,同时利用最大池化来去除特征中的冗余信息,从而使提取的特征更具有判别性。此外,为了充分利用图像的各级特征信息来进行分类预测,本文将网络各阶段产生的特征向量进行融合,使融合后的特征向量更具有表征能力,从而减少网络对大数据集的依赖,使网络在小数据集中也能获得很好的性能。实验表明,本文提出的 算法在数据集Mini-ImageNet-100、CIFAR-100和ImageNet-1k上的TOP-1准确率分别达到了74.22%、85.86%和81.4%。在没有增加计算量的情况下,在baseline上分别提高了6.0%、3.0%和0.1%,且参数量减少了18.3%。本文代码开源在“https://github.com/xhutongxue/afvf”。     

基于改进DeepLabV3+的铣床碎屑图像分割方法

针对铣床碎屑形状不规则导致图像分割中碎屑轮廓不清晰、分割精度低的问题,本文提出一种改进的DeepLabV3+铣床碎屑分割算法。首先在DeepLabV3+的Xcepetion模块中嵌入通道与空间注意力机制(convolutional block attention module, CBAM)模型,优化通道的权重和位置信息,加强碎屑图像区域的特征学习;其次将DeepLabV3+的空洞空间卷积池化金字塔(atrous spatial pyramid pooling, ASPP)模块改为密集连接(dense conolutional network, DenseNet)方式,增大碎屑图像特征点的感受野,提升铣床碎屑图像特征的复用效率;最后在解码过程中采用多尺度自适应特征融合方法,聚合多尺度特征作为解码器的输入特征,提高碎屑图像分割的精度与鲁棒性。实验结果表明,本文算法优于其他分割算法,改进后算法相比DeepLabV3+,像素准确率提高0.026,平均交并比(mean intersection over union,MIOU)提高0.020,F₁值提高了0.013。     

多高斯关联扭曲光束在GRIN光纤中的轨道角动量演化

轨道角动量(orbital angular momentum, OAM)的引入丰富了光通信领域内的调制维度,为寻找更高效快捷的通信方式提供了新思路,相较于传统携带涡旋相位的涡旋光束,部分相干扭曲光束携带的OAM性质更为复杂。本文针对椭圆多高斯关联扭曲光束在梯度折射率(gradient-index, GRIN)光纤中的OAM传输,基于GRIN光纤的ABCD光学传输矩阵,着重分析了多高斯关联扭曲光束在GRIN光纤传输的OAM的传输演化特性。研究结果表明,光束的光强、OAM通量密度以及归一化OAM通量密度在光纤传输过程中均呈现周期性变化,通过对关联结构以及扭曲因子的调控不仅可以改变光束OAM通量密度的分布,还可以调控单光子携带OAM的大小。本文的研究有助于丰富扭曲部分相干光束在GRIN光纤中传输的理论结果,在光纤通信中具有潜在的应用前景。