基于SSD卷积网络的航拍图像目标检测方法

基于深度学习的目标检测算法是目前目标检测领域 最流行的算法,但是由于硬件条件的限制,算法输入图像的尺寸受到限制。对于大尺寸的航 拍图像,通常先采用滑窗法提取区域,再对提取的 区域进行检测,极大地降低了算法的检测速度。针对这一问题,本文根据航拍图像中人造物 体含有 大量边缘的特点,提出了一种基于深度学习的梯度聚类目标检测算 法,并阐述了其模型结构与工作原理,然后通过151张航拍图像数据 集测试,对比评估了梯度聚类 SSD方法与滑窗SSD方法在航拍图像检测上的检测精度和检测速度。结果表明:梯度聚类SSD 方 法的FPS(Frames Per Second)为0.499,SPF(Seconds Per Frame )为2.00,mAP(mean Average Precision) 为46.93,相比滑窗SSD方法,在损失11.72%的 检测精度的条件下,FPS提高了64.69%(SPF提高了40.40%),验证了所提出算法的有效性。     

基于叶片含水量的激光偏振成像模型研究

目标物体的偏振特性是一种固有特性,由目标的外部结构、内部结构以及入射角度等决定,因此利用偏振信息研究植物叶片含水量测量。主要研究过程分为以下五个部分:搭建激光偏振成像测量实验系统、计算目标偏振度、测量叶片实际含水量、建立偏振度与叶片含水量间映射模型、验证映射模型。根据目标与环境特性,选择和调整实验器件和实验步骤;基于图像灰度提取方法计算目标偏振度;采用水分梯度处理方法测量叶片实际含水量;基于统计方法建立叶片偏振度与含水量的一到三阶函数映射模型,比较一到三阶模型的稳定性与预测能力分析其适用情况,为利用偏振测定植物叶片含水量的方面提供理论基础。结果发现:在含水量所处15%~75%区间内,偏振度随着水分含量上升呈现一个递增趋势。含水量较高情况下,递增关系较明显;含水量较小情况下,映射关系不显著。     

基于复合梯度向量的指纹匹配算法

针对接触式指纹识别中存在的非线性形变问题,提出了一种基于复合梯度向量（Composite Gradient Vector,CGV）的指纹匹配算法.该算法首先在经过预处理的指纹图像上建立直角坐标系和第一个基向量,并对指纹图像进行旋转;然后在旋转后的指纹图像上采样基向量,组建向量簇,提取极大梯度向量,并以极大梯度向量为元素组建复合梯度向量;最后以分层标记规则对复合梯度向量进行分层标记,通过对指纹库进行指纹检索、复合梯度向量匹配、维度和梯度匹配,识别出指纹图像.实验结果表明,该方法克服了接触式指纹识别中旋转、偏移、拉伸等问题,有较强的抗非线性形变能力,同时具有较快的识别速度和较高的识别准确率.     

一种应用于高阶数据修复的非负稀疏Tucker分解算法

针对传统的张量填充算法对于不满足低秩条件的张量填充效果难以保证,本文采用张量分 解的方法实现缺失张 量的修复,即对传统Tucker分解算法进行改造,在其目标函数中增加对核心张量和系数矩 阵的非负性以及 核心张量的稀疏性约束,再利用凸优化理论中的交替近端梯度算法(APGM)对目标函数进 行迭代寻优, 在分解的同时实现缺失数据点的填充。医学图像、彩色图像和视频图像的修复结果表明,本 文 算法能够对高阶非负张量的缺失实现较好地修复,修复的视觉效果和技术指标都优于当前主 流算法。     

基于CNN的水质特征提取模型

针对液体中物质浓度预测模型,构建一种基于卷积神经网络的水质特征提取模型。首先,定义含有卷积层、采样层、全连接层的七层网络结构,选取适当的最优化方法和损失函数,对模型进行训练调整参数。接着分析了不同损失函数对模型训练和模型验证的影响。实验验证了在水质检测领域运用卷积神经网络回归的可行性。     

氩氧比对磁控溅射梯度AZO薄膜光电性能的影响

采用磁控溅射法在单晶硅和石英玻璃衬底上制备梯度铝掺杂的氧化锌(AZO)薄膜。利用X线衍射(XRD)、霍尔效应测试和紫外可见光分度计等研究了不同氩氧比(体积比)对梯度AZO薄膜结构和光电性能的影响。结果表明,氩氧比可以改善薄膜的结晶质量,且对电学性能的影响较大。随着氩氧比的增加,晶粒尺寸减小,结晶度稍有下降,薄膜的电阻率却显著降低,当氩氧比为1∶0时,薄膜具有最低的电阻率为6.85×10~(-4)Ω·cm。此外,所有的梯度AZO薄膜在可见光区的透过率均达到80%。     

双频带相位梯度超表面设计与RCS缩减验证

设计了由两种不同开口谐振环结构组成的双频带相位梯度超表面。超表面中两种结构单元周期交错排列,在两个频点引入附加平行波矢量调控电磁波波前,获得低平板反射率及后向雷达散射截面积（RCS）缩减。仿真与实验均表明,该设计思路和方法行之有效,在7.8 GHz和9.4 GHz两个设计频点,将垂直入射波耦合成伪表面波,偏离法线-30°~+30°的单站后向RCS缩减分别为10.3 dB和10.4 dB。由于其设计的灵活性,该超表面波有望在天线、隐身领域具有潜在的应用价值。     

基于优化卷积神经网络的图像超分辨率重建北大核心CSCD

与以往两类单帧图像的超分辨率重建方法相比,卷积神经网络超分辨率(SRCNN)技术以其端对端的映射架构大幅提高了运行效率与复原精准度,然而网络的层数限制以及收敛性能使得部分图像的恢复效果不及基于样例的重建方法。针对网络优化问题,提出了一种将粒子群优化(PSO)算法与SRCNN相结合的方法,利用PSO算法对网络权重进行初始化,同时结合梯度下降(GD)算法对权值进行修正,使得PSO算法的全局搜索能力与GD算法的局部寻优能力相融合。分别对set5、set14数据集和雾霾天气下模糊图片进行对比实验,结果表明,所提算法不仅能以较少参数来获得较高性能的网络,其重建效果优于已有的4种算法,而且对边缘的锐化能力更强。     

基于HOG特征的织物瑕疵检测算法

传统织物瑕疵检测依赖人工,成本高且效率低.提出基于机器视觉和图像处理算法的织物瑕疵检测方法,采用方向梯度直方图描述织物纹理特征,通过计算局部区域的方向梯度直方图特征与无瑕疵织物图像特征的相似性来识别瑕疵,在织物图像数据集上的待测结果表明,此算法能够有效地提取出织物的瑕疵.     

高效液相色谱法测定河道底泥中的多环芳烃

用高效液相色谱法分离测定河道底泥中的多环芳烃，通过梯度淋洗使多种多环芳烃完全分离，并分别得到14种多环芳烃的检出限和线性范围，被试验的4种多环芳烃的回收率为94.1％～103．1％，相对标准偏差为1.00％。2．87％（n=7）。用该方法对小清河东营段的实际底泥样品中多环芳烃的含量进行了测定。