三维显微图像的分辨率评估方法及应用

现有分辨率评估方法,如瑞利判据、阿贝判据、半峰全宽方法等都具有一定的应用局限性。本文采用基于切片傅里叶壳层相关(sFSC)的频域分辨率评估方法来评估系统的实际成像能力,该方法对分辨率的评估结果仅取决于图像质量,不受系统成像理论的影响,是一种客观、直接的计算方法。它将傅里叶壳层分成楔形壳层对,每个选择器都是一对镜像楔形,以改善由三维荧光成像各向异性带来的分辨率评估问题。实验结果表明,sFSC可作为一种无参考三维图像分辨率评估方法,且利用sFSC方法的分辨率结果所拟合的三维高斯点扩展函数(PSF)进行图像反卷积操作,能有效恢复图像纹理细节,提高图像信噪比,且相比于其他PSF估计方法,sFSC方法具有更好的性能。     

DDAC：面向卷积神经网络图像隐写分析模型的特征提取方法

针对基于卷积神经网络的图像隐写分析方法中使用人工设计的滤波器在特征提取过程中有效性低的问题,提出方向差分自适应组合（DDAC）特征提取方法。在计算中心像素与周围不同方向像素的差分后,使用1×1卷积对方向差分进行线性组合。根据损失对组合参数自适应更新来构建多样化的滤波器,使获取的嵌入信息残差特征更有效。使用截断线性单元提高嵌入信息残差和图像信息残差的比率,加快模型收敛速度并提高残差特征提取能力。实验结果表明,该方法使Ye-net、Yedroudj-net模型的准确率在WOW和S-UNIWARD数据集中提高1.30%～8.21%。与固定和更新参数SRM滤波器方法相比,测试模型在不同隐写数据集中的准确率提高0.60%～20.72%,并且训练过程更稳定。对比其他图像隐写分析模型,DDAC-net具有更高的隐写分析效率。     

轻量级(2+1)D卷积结构的动态手势识别研究

目前,基于卷积神经网络的动态手势识别方法取得了巨大的进展,但神经网络模型具有很大的参数量,计算成本和内存占用较大,很难应用在设备资源有限的场合.以减少计算量和参数量为出发点,提出了一种轻量级(2+1)D卷积结构.该结构在(2+1)D卷积结构的基础上,将其中的3D卷积替换为3D深度可分离卷积,在输出向量维度不变的前提下,进一步减少了(2+1)D卷积结构的计算量和参数量.为了弥补时空特征在表征动态手势上的不足,融合注意力机制模块,专注于对运动特征的提取,结合轻量级(2+1)D卷积结构提取的时空特征,可以更好地表征手势动作.实验结果表明,注意力机制模块的插入,在不增加太多额外计算和空间成本的前提下,进一步提高了模型的识别精度.基于以上结构构建的模型,在20BN-jester、EgoGesture和IsoGD数据集上分别取得了96.62%、91.83%和60.1%的识别精度,模型参数量和浮点计算量分别为5.05M和12.81GFLOPs,相比于其他手势识别模型,计算成本和内存占用大大减少,实时手势识别速度达到每秒70帧.     

基于卷积神经网络的末敏弹复合探测信号识别方法北大核心CSCD

为了进一步提升末敏弹的目标识别性能,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的复合探测信号识别方法。首先针对毫米波辐射计、激光测距雷达和红外敏感器的复合探测信号特点,提出了3种构造输入样本的方法;然后根据不同的信息融合方式,提出了3种基本网络架构,分别构建了单通道、多通道CNN模型对输入信号进行特征提取和分类;最后通过高塔试验数据对模型进行训练和评估。测试结果表明,基于样本构造方案2和网络结构3的识别方法表现最佳,测试准确率达到了97.26%,所提样本构造方法和识别方法能够有效提取复合探测信号的特征,具有较高的识别精度。     

基于TR-RASK的多输入多输出UWB方案

本文提出了一种基于时间反演接收天线移位键控的多输入多输出超宽带（time reversal receive antenna shift keying multiple input multiple output ultra wide band,TR-RASK-UWB）方案,较好地解决了MIMO-UWB系统中多天线干扰和多径干扰的问题。首先,该方案利用RASK调制将发射天线阵列形成空间波束,同时使用TR技术聚焦发射信号到达目标接收天线;其次,通过最大接收功率检测算法理论推导了该方案在UWB多径信道下的误比特率（bit error rate,BER）表达式,并通过仿真得到验证;最后结果表明,在发射天线和接收天线相同的情况下,所提方案的性能相比于MIMO-UWB有较大提升。      

融合航空器监视数据的航空气象参数反演及验证

风矢量、温度和压强是非常重要的航空气象信息,事关飞行安全。航空器监视数据更新快、分布广,可用于绝大多数的飞机和地区,基于航空器监视数据获取气象信息是一种经济可行的方法。论文给出一种基于广播式自动相关监视（Automatic Dependent Surveillance-Broadcast,ADS-B）和Mode S二次监视雷达（Secondary Surveillance Radar, SSR）融合数据的气象参数反演方法,利用空速、地速和气压高度等反演气象参数,并应用于单航线和区域性反演两种场景。与现有气象系统对照表明单航线和区域性反演都具有较高的反演精度,能够很好的补充现有的航空气象获取网络。      

多尺度混合注意力胶囊网络的海洋鱼类识别

针对胶囊网络(capsule network,CapsNet)特 征提取结构单一和数据处理中参数量过大的问题,提出 多尺度混合注意力胶囊网络 模型。首先,在网络初始端添加不同尺度的卷积核来多角度提取 特征,并引 入混合注意力机制,通过聚焦更具分辨性的特征区域来降低复杂背景干扰。其次,采用局部 剪枝算法优 化动态路由,减少参数量,缩短模型训练时间。最后,在海洋鱼类数据集F4K(Fish4Knowled ge)上验证, 结果表明,与传统残差网络(residual network50,ResNet-50)、双线性网络(bilinear convo l utional neural network,B-CNN)、分层精简双线性注意力网络(spatial transformation netw ork and hierarchical compact bilinear pooling,STN-H-CBP)以及CapsNet模型相比,该算法 识别精度为98.65%,比ResNet-50模型提升 了5.92%;训练时间为2.2 h,相比于CapsNet 缩短了近40 min,验证了该算法的可行性。     

一种水平不均匀反常大气折射环境反演方法

针对反常传播中的水平不均匀大气折射率环境反演问题,提出了一种用于跨海微波超视距远距离电路观测场景和信息的反演方法。该方法基于原理要求的全面分析,用粒子群算法进行优化实现反演,确定了海岸-海面-海岸下垫面和近海面复合大气剖面模型,给出了粒子群算法的剖面参数粒子、搜索空间、搜索方法以及适用的适应性函数。研究结果表明,本文方法能够有效反演出水平均匀和不均匀大气环境,且反演结果具有实测剖面的特征,在研究场景中贴地波导高度的误差可低至9.4%。     

基于改进的SSD监理目标检测研究

针对装饰装修工程中由人工验收带来的诸多问题,文中提出了一种改进的SSD算法并将其应用于监理工作来代替人工验收,推动智能监理的实现。由于SSD算法存在对同一目标复检以及小目标检测效果欠佳等问题,故文中利用DPN网络替换基础特征提取网络VGG16。DPN结合了Resnet和Densenet的优点,具有更好的特征提取能力。通过加权FPN融合特征图,突出不同层特征图的贡献,丰富用于预测的特征图语义。利用深度可分离卷积降低模型的参数量,提高算法的推理速度。实验对比发现,改进后模型的平均精度提升了3.47%,对小数目检测平均精度的提升可达15%,证明新模型在监理目标检测任务中效果良好。