基于立体视觉与特征匹配的点云目标识别算法

准确提取三维点云数据中待测目标的点云集合是三维点云目标识别技术的一个关键问题,也是近年来目标识别领域从二维向三维拓展的一个重要挑战,其主要难点在于快速寻找离散点云之间的相关函数关系。结合立体视觉与特征匹配构建了可以表征不同视场条件下的目标点云约束的机制,通过采用立体视觉作为约束条件完成了对原有特征匹配算法的优化。设计了基于立体视觉的估计算法,通过训练学习获得了不同选取比例条件下的识别规则。实验采用ARIES激光雷达采集点云,并通过MATLAB选取三种典型目标状态。当目标区分度高时,优化前后的目标识别率都在98%以上;当目标区分度低时,优化后对目标边界的限定条件可以很好地提高识别概率。采用优化的点云数据位置偏差量可达到0.55 mm,相比未优化的0.74 mm提高了0.19 mm。同时,优化后算法的收敛时间曲线要优于未优化的,3000点以上的收敛时间均值约为8.33 s,优于未优化的12.76 s。综上所述,优化后的算法具有更好的识别效率。     

基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀)

针对复杂背景下,依靠高超声速飞行器搭载的红外探测器对高动态空中目标的可靠探测和精确识别问题,提出了一种基于深度空时域特征融合的空中多形态目标检测方法。设计了加权双向循环特征金字塔结构提取多形态目标静态特征,并引入可切换空洞卷积,增大感受野的同时减少空域信息损失。对于时序运动特征的提取,为了抑制复杂背景噪声的同时将角点信息集中到运动区域中,通过特征点匹配法生成掩膜图,之后进行光流计算,根据计算结果设计稀疏光流特征图,利用3D卷积提取多个连续帧图像中包含的时序特征,生成三维时序运动特征图。最后,通过对图像静态特征与时序运动特征进行通道维度的拼接,实现深度空时域特征融合。大量的对比实验表明,文中方法可明显减少复杂背景下的虚假识别概率,具备高实时性的同时目标识别准确率达89.87%,满足高动态下的红外目标智能检测识别需求。     

标签敏感的多重集正交相关特征融合方法

典型相关分析(CCA)作为一种经典的特征融合方法,广泛用于模式识别领域,其目标是学习相关投影方向使两组变量间的相关性最大,但其没有考虑样本的类标签信息和样本间的信息冗余(MDOCCA),从而影响了融合后特征的监督敏感性和鉴别力。为此,该文提出一种标签敏感的多重集正交相关特征融合方法,该方法在典型相关分析理论基础上,将类标签信息嵌入到特征融合框架,同时加入正交约束确保融合特征最大限度的不相关,减少特征信息冗余,提高鉴别力。在不同图像数据集上的实验结果显示该方法是一种有效的特征融合方法。     

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.     

15～23 GHz微波链路雨衰的敏感参量分析

为了提高微波链路雨衰特征的描述精度,拓展微波链路信号的可用参数,该文利用部署于江苏江阴地区的15 GHz,18 GHz和23 GHz微波链路和雨量计开展同步对比观测,拟合得到3种频段的微波链路雨衰关系.提取并分析了接收信号电平的平均值、中位数、25％分位数、75％分位数、标准差、极大值和极小值等13个特征量与晴雨时刻、降雨强度之间的关系,得出结论:微波链路的信号变化和降雨强度的变化存在明显的负相关关系.实际拟合的雨衰关系与ITU-R的经验雨衰关系具有较好的一致性,但是在不同频段上均有差异;所有13个参量在有雨时刻和无雨时刻均存在一定概率的重叠,这是造成晴雨区分困难的主要原因;频率越高,信号变化受降雨的影响越显著,越有利于微波链路反演降雨.所得出的结论为提高微波链路测雨方法中的晴雨区分、参考值确定以及雨强反演的精度提供重要依据.     

基于轻量化渐进式残差网络的图像快速去模糊

基于深度学习的去模糊方法已经取得了较大进展,但是随着网络层数加深,去模糊网络需要更多的计算资源和内存消耗,难以用于实际场景。针对目前的去模糊网络参数量大、运算时间长等问题,该文设计了一种轻量快速的渐进式残差去模糊网络。该网络使用浅层残差网络作为基准模型,可充分利用图像的局部特征信息,加强反向传播时的信息流通。同时,通过多阶段递归调用残差网络并进行参数共享,可大大简化网络模型,减少网络参数。为了进一步提高去模糊网络的特征重建能力,该文引入特征重标定模块进行特征融合,对输入图像与各个残差网络的输出特征图进行通道加权,并对特征图的空间信息进行自适应选择,实现更好的特征重建。实验结果表明,所提算法网络模型参数量小、运行速度快,大幅度领先于现有算法,且对各种空域可变模糊去除均可实现理想复原效果。     

基于Sinkhorn距离特征缩放的多约束非负矩阵分解算法

为了减少原始特征对非负矩阵分解(NMF)算法的共适应性干扰,并提高NMF的子空间学习能力与聚类性能,该文提出一种基于Sinkhorn距离特征缩放的多约束半监督非负矩阵分解算法。首先该算法通过Sinkhorn距离对原始输入矩阵进行特征缩放,提高空间内同类数据特征之间的关联性,然后结合样本标签信息的双图流形结构与范数稀疏约束作为双正则项,使分解后的基矩阵具有稀疏特性和较强的空间表达能力,最后,通过KKT条件对所提算法目标函数的进行优化推导,得到有效的乘法更新规则。通过在多个图像数据集以及平移噪声数据上的聚类实验结果对比分析,该文所提算法具有较强的子空间学习能力,且对平移噪声有更强的鲁棒性。     

神东煤液化残渣显微组分的特征与分类研究

在PSU处理能力为0.1t/d的小型连续液化装置上对神东煤进行了加氢液化试验，对其液化残渣进行了显微光学研究。结果表明，在液化过程中，原料煤中的壳质组和镜质组全部转化，惰质组部分转化，在残渣中可见未反应的惰质组，同时在残渣中出现中间相小球体和半焦等新生组分。矿物质大量富集，并基本保持煤中原有的形态特征。THF处理后残余惰质组反射率在2.0%~3.8%，略高于煤中高反射率惰质组反射率，煤中高反射率惰质组是残余惰质组的主要来源。     

一株新黄瓜花叶病毒卫星RNA结构和生物学分析

从患香蕉花叶心腐病香蕉病叶分离的黄瓜花叶病毒中,发现一株新卫星RNA(定名为Ba-Sat)。以CMV卫星RNA两端保守序列为引物合成了Ba-Sat cDNA并将其克隆到载体pGEM7Zf(+)上。序列分析结果表明,Ba-Sat由390个核苷酸组成,其5′端、3′端各有一段序列与其它株系卫星RNA有很高的序列同源性,但其中间区域则无任何序列同源性。在此基础上,进一步分析了Ba-Sat的二级结构,并研究了Ba-Sat的生物学特征,实验结果证明Ba-Sat具有致弱卫星RNA的特性。     

Structural Characterization of Anhydroicaritin Glycosides Using ESI—FT—ICR Mass Spectrometry

Fourier transform ion cyclotron resonance mass spectrometry (FT-ICR-MS) was used to determine the structures of anhydroicaritin glycosides by the MS/MS experiments of anhydroicaritin glycosides and their methylated derivatives,With high accuracy FT-ICR-MS provides much information about the structures of compounds ,FT-ICR-MS shows the great potential application in the structural characterization of unknown compounds.