一种改进的图像域SAR目标散射中心特征提取方法

散射中心是SAR图像目标识别的重要特征。本文基于属性散射中心模型，在文献[6]的基础上，提出了一种改进的图像域SAR目标散射中心特征提取方法。在该方法中，通过引入参数规则化处理步骤，解决了属性散射中心特征提取方法的收敛问题，提高了属性散射中心特征参数估计的精度和效率；提出了一种能同时实现散射中心数目确定和结构判别的方法，实现了散射中心类型的可靠判别。仿真数据和MSTAR实测SAR图像数据的实验结果，验证了本文改进的图像域SAR目标散射中心特征提取方法的有效性。     

面向分类的流特征在线特征选择算法

在线流特征选择通过实时过滤无关特征和冗余特征,实现流特征空间降维.针对已有算法,如Alpha-investing分类精度低、SAOLA选择特征数多和OSFS在低冗余高相关数据集下运行时间长的问题,提出了一种面向分类的流特征在线特征选择算法——OSFIC.算法运用四层过滤框架,通过无条件独立过滤不相关新特征、单条件下互信息过滤冗余新特征和候选特征集合中的部分冗余特征,最后通过多条件独立过滤候选特征集中的剩余冗余特征,最终得到分类标签的近似马尔可夫毯.为了分析OSFIC的性能,选择了NIPS 2003和Causality Workbench中的数据集,从预测精度、特征数量、运行时间和AUC方面与已有基准算法进行比较.实验表明,OSFIC平均分类精度比Alpha-investing提升4.41%.在保证精度的前提下,平均特征数量比SAOLA减少41.9%,运行时间比OSFS减少91.59%.最后,在真实的应用场景下验证了OSFIC的有效性.     

基于改进U-Net网络的腺体细胞图像分割算法

针对腺体图像在自动分割过程中由于多尺度目标和信息丢失影响导致准确率降低的问题,文中采用了一种引入注意力模块的全卷积神经网络模型。该模型遵循编码器-解码器结构,在编码网络中用空洞残差卷积层代替原有的普通卷积层,并添加空洞金字塔池;再在解码网络中加入注意力模块,使模型输出高分辨率特征图,提高对多尺度目标的分割精度。实验结果表明,提出的网络模型参数少分割精度高,对腺体图像的平均分割精度高达89.7%,具有较好的鲁棒性。     

基于残差密集连接与注意力融合的人群计数算法

现有人群计数算法采用多列融合结构来解决单一图像的多尺度问题,但该处理方法不能有效利用低层特征信息,从而导致最终人群计数结果不准确。针对这一缺陷,文中提出一种基于残差密集连接与注意力融合的人群计数算法。该算法的前端利用改进VGG16网络提取低级特征信息。算法后端主分支基于残差密集连接结构,利用残差网络和密集网络结合方式捕获层与层间的特征信息,可高效捕获多尺度信息。侧分支通过引入注意力机制,生成对应尺度注意力图,有效区分特征图的背景和前景,降低了背景噪声的影响。采用3个主流公开数据集对该算法进行验证。实验结果表明,该算法计数有效且计数准确率优于其他算法。     

基于灰度-梯度共生矩阵的车轮踏面缺陷聚类分析北大核心CSCD

车轮作为列车走行部的关键部件之一,其踏面产生缺陷后会直接影响到列车的运行安全。为了能够在检测时准确识别车轮踏面缺陷不同类型,提出一种基于灰度-梯度共生矩阵的纹理特征提取方法,对踏面图像的灰度和梯度特征分析之后,根据灰度-梯度共生矩阵提取踏面图像纹理特征矢量,再结合K-均值(K-means)聚类优化算法对踏面缺陷特征量进行聚类,从而将踏面缺陷类型进行分类,并将分类结果用可视化数据显示。实验结果表明,采用上述所提方法,对车轮踏面缺陷不同类型的分类识别精度达96%以上。     

改进的基于弦切变换的目标检测方法

在计算机视觉中形状是目标识别和检测的重要特征,针对目前许多基于形状特征的检测方法信息不够丰富,容易受边缘缺损变形等方面的影响,不具有局部特性,尤其是在许多复杂环境下很难实现对目标的正确检测等不足,提出了一种基于弦切变换理论在有限的目标边缘点信息基础上提取几何形状特征及相应的目标检测方法。该特征具有平移、旋转以及缩放不变性,基于此特征进行的目标检测能有效的得到目标的中心位置以及相关的二维运动参数,即使在一些复杂环境以及目标边缘部分失真或缺损的情况下也具有一定的鲁棒性。但由于边缘本身容易受到图像质量、对比度以及量化误差等影响,从而影响算法的精度。因此,文中通过融合丰富的灰度信息,使表征目标的特征更加丰富和完善,在形状和灰度的共同约束下提高检测的正确率和精确性。通过对多组图像序列进行仿真实验,结果表明了算法的有效性,及其在准确性和精确性上的提高,改进后待测目标与模板之间的匹配率可达90%以上。     

基于主用户信号谱特征的频谱感知方法

频谱感知是认知无线电的关键技术之一。首先讨论了一种基于信号频谱特征的频谱感知方法,提出了一种判决统计量,克服了噪声功率不确定性的影响。给出了算法流程,并采用ATSC（ad-vanced television systems committee）信号作为主用户信号对算法性能进行了仿真分析。结果表明：选择较多点快速Fourier变换（FFT,fast fourier transform）估计得到的理想主用户信号功率谱作为模板所得的检测概率较高;FFT点数相同情况下,增加谱模板估计时的周期图平均次数对检测性能没有多大改进。另外,不同观测时间下的仿真结果还表明增加接收信号的观测时间有利于改进算法检测性能。     

基于视觉效果的雷达目标动态回波序列特征提取方法

特征提取在雷达目标识别中具有重要地位,提取有效、可靠的目标特征,是建立目标识别系统的基础和关键。在常规低分辨雷达目标识别系统中,难以根据电磁散射理论进行有效建模。本文在观察和分析大量实测数据的基础上,根据雷达操作员进行目标判性的思维过程和描述方法,以雷达目标动态回波序列的视觉效果为切入点,建立了一整套雷达目标特征提取方法。在多个雷达目标识别项目中的实际应用,证明了该方法的有效性、稳健性和可推广性。     

Design and implementation of a real-time eye tracking system

Driver fatigue severely affects driver's alertness and ability to drive safely. There are vital problems related to drivers fatigue on driving of trains, vehicles and airplanes. Therefore, the driver fatigue research is important. In this paper, we first study the impact of eye locations on face recognition accuracy, with Haar-like feature and AdaBoost classifier, face and eye area can be detected quickly and accurately. In the part of eye tracking, cam-shift based mean-shift algorithm is used to track the eyes. This method could automatically adjust the size of tracking window according to the different posture of driver. The performance of our eye detection method is validated by using image database with more than 6000 pictures. In addition, our real-time eye tracking system has been tested on railway line segment (China). There are 5 train drivers involved in the experiment. The validation shows that our eye detector has an overall 93% eye detection rate.     

光纤入侵信号检测及识别算法的嵌入式实现

提出了一种光纤入侵信号检测及识别算法,并根据 算法的处理时间及运算特点分解映射在现场 可编程逻辑门阵列(FPGA)和数字信号处理(DSP)组成的嵌入式处理器上进行实现。处理 流程分为3部分:首先对原始信号进行3Hz高通滤波,将经过高通滤波后的信号平均分成两部分分别由 两块DSP板并行处理以节省时间开销,且后续所有操作均采用并行方式,将滤波后数据进行 标准化并与检测阈值进 行比较,大于阈值则判为振动并置1,否则置0,从而得到单路检测结果;然后根据上述检测 结果提取用于 识别的数据;最后将数据输入识别模块进行机械、走路和镐刨信号的特征提取并得出识别结 果。实验结果表明, 本文算法可以有效检测和识别光纤入侵信号,且提高了运算速度,满足了光纤预警系统(OFPS )对检测及识别信号类型的实时性要求。