基于Transformer和动态3D卷积的多源遥感图像分类

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明:所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。

三维表面纹理高度重建中的光线不均校正

因三维表面纹理能比二维纹理更好地表现物体的纹理信息,而且随场景光照及视角的变化而变化,所以被广泛用于虚拟现实以及计算机游戏等技术之中。Photometric Stereo作为一种有效的获取三维表面纹理信息的技术而被人们所广泛关注。均匀的光照条件是Photometric Stereo捕获和重建三维表面纹理成功的关键条件。在现实应用中,不均匀光照会导致三维表面纹理在捕获和重建过程中发生失真和畸变。针对这种失真和畸变进行了研究,并提出了一种解决此类问题的方法。实验结果表明,该方法简单可行,有效。

基于视觉特征的智能煮粥控制方法

提出一种基于视觉特征的智能煮粥控制方法,该方法能准确地识别粥的沸腾状态,控制煮粥设备自动调节火力。选取Tamura纹理粗糙度作为描述粥面变化的图像特征,考虑粥的材料、光照条件和图像分辨率对纹理粗糙度的影响,进行对比实验与分析。实验通过监控摄像机捕捉粥面的图像,进行实时分析,并以此作为反馈,从而实现火力的实时控制。

统一框架下的五种三维表面纹理合成方法及其性能比较

提出一个三维表面纹理合成的总体框架,在此框架下介绍对三维表面纹理进行重光照的表示子框架,并提出表示形式之间的转换方法。在基于图像缝合的二维纹理合成方法基础上,提出并比较了五种三维表面纹理合成方法。

面向系统能力培养的计算机组成原理核心课程建设

分析系统能力培养在国内外计算机专业教学中所处的核心地位;指出以计算机组成原理为核心课程的专业基础课程群存在的主要问题;提出面向系统能力培养的计算机组成原理核心课程改革的主要内容和关键问题;针对科学型、工程型和应用型不同类型的计算机人才培养需求,从兴趣引导、授课内容、教学方法、系统能力创新实践教学等方面提出改革思路,为我国涉海类高校计算机专业综合课程改革提供参考。

大数据可视分析在海洋领域的应用

随着海洋观测技术和数值仿真技术的发展,人们能获取到规模更大、分辨率更高的海洋数据,这为复杂多元海洋环境要素及结构现象的分析带来了机遇,同时也给传统的分析方法带来了挑战。因此,将大数据可视分析方法引入了海洋数据分析,并探索了其在多元海洋时空数据分析、海洋重要结构的时空特征和演化分析等方面的应用价值,开发了多个可视分析系统,并通过全球和我国周边一些海域数据分析的案例研究,提出了海洋数据可视分析的基本框架,展示了可视分析是大数据时代海洋复杂数据分析方面一种很有前途的技术。

海啸可视化仿真及灾害风险评估

通过对中国南海潜在海啸事件进行有效地建模和可视化仿真,模拟多种海啸发生、传播、淹没过程,并统计海啸淹没的概率、程度和范围等信息。利用GIS分析和图像处理技术对研究区域的建筑物/重要设施的位置和功能类型等信息进行提取和分类,再进行有效的人口分布建模和人员响应能力的易损性估计,结合地理环境信息和历史灾害记录,采用改进的风险评估方法,不仅考虑遭受海嘀袭击概率,还考虑了淹没速度,深度及人口密度和疏散时间等因素,基于决策树分类判别方法生成海啸风险图,帮助找出易受灾的危险区进行早期预警,辅助灾害管理和防灾减灾预案的制定。

基于纹理合成算法在恢复污损牌照中的应用

车牌识别系统是现在智能交通系统中信息采集的一种手段,但是由于图像模糊、字符污损、粘连等实际问题导致识别的瓶颈。文中提出了一种基于纹理合成的图像修补算法——二维表面纹理填洞算法。该算法是根据区域生长得到车牌字符污损部分的边界,即算法中的"洞",再基于纹理片合成与Quilting算法相结合提出了一种二维表面纹理填洞算法,针对"洞"进行图像纹理修补。实验结果表明,该算法对恢复字符的完整性和修复纹理具有很强的自适应能力,极大地提高了后续的车牌字符分割和识别率。

航空装备统一建模与仿真训练平台研究

分析了航空装备仿真建模和开发集成过程中存在的问题,详细描述了机载航空装备抽象建模方法,建立了仿真工厂模式,设计了工厂-飞机-机载装备三层仿真体系抽象模型,采用了基于任务描述的装备仿真训练方法,在三层仿真体系范围内具有很好的扩展功能;基于仿真工厂模式构建了仿真训练平台的架构,提出了SLC-DLC航空装备建模方法,并基于自定义的SDK给出了模型的开发流程和交互方法,该平台实现了航空装备统一建模、快速生产的新方法,降低了大型航空装备仿真开发的难度,解决了机载装备仿真继承性难题,实现了机载装备的高度重构;经过试验证明,该方法快速有效,扩展性和重构性好,既可以用于实装开发也可以用于仿真模拟器、多机型的战术仿真系统的开发。

基于机器视觉的纺织品疵点检测系统

本文研究了一种基于机器视觉的纺织品疵点检测系统,它采用模块化硬件设计,图像处理软件满足实时检测的要求,可以有效检测出生产线上的疵点。并为该系统设计了一种基于规则表分类器、模糊算法及人工神经网络的组合式多级分类器,具有一定的学习能力,当待测材料或有关设备发生变化时,系统可根据疵点样本库对分类器进行训练,以适应生产线的相关变化。实验结果验证了该方法的有效性。

压缩性骨折内固定手术仿真

虚拟手术仿真为医学手术训练提供了具有真实感和沉浸感的新手段。设计和实现了针对腰椎压缩性骨折内固定手术的虚拟仿真,构建3D手术场景并制作形变动画,采用多层级碰撞体组合切换的碰撞检测方法,并将多指标力反馈模型值映射为HTC Vive手柄的不同强度的震动触感,结合语音指导和UI视觉反馈,实现视觉、听觉和触觉的多通道手术体验。该系统提供指导训练模块和测评模块,可以对手术操作流程、操作用时和操作正确性等多项指标进行评分,规范用户的操作流程和提高手术正确操作的熟练度。

基于海洋监测数据的厄尔尼诺特征可视分析

厄尔尼诺不仅危害海洋生物和生态环境,还造成全球多个地区气候异常.文中同时考虑海表温度、气压和降水量3个环境要素,采用多个交互视图提升对厄尔尼诺特征的理解和探索分析的深度;使用时间序列图和像素矩阵来分析厄尔尼诺的年代际和季节性规律,并利用颜色地图来展示厄尔尼诺相关的海洋环境要素的空间分布,同时构建了海表温度、气压和降水量3个海洋环境要素的相关性地图,以揭示厄尔尼诺表征海域的海洋环境要素对全球的海洋环境要素变化的影响程度;使用平行坐标系统和散点图矩阵展示了海表温度、海表气压、降水量与厄尔尼诺事件间的相互关系,并利用数据重叠率比较了3个环境要素对厄尔尼诺事件的区分度;最后通过案例分析和用户使用反馈,展示了该方法的有效性.

基于内容的图像检索的关键技术

基于内容特征的图像检索(CBIR)是目前国内外研究的一个热点。本文简要介绍了基于内容的图像检索技术的发展过程及主要原理,重点论述了基于内容的图像检索常用关键技术——图像视觉特征的描述和提取。

人脸识别系统及其在现实生活中的应用

计算机人脸识别技术是生物识别的一个重要分支。本文介绍了人脸识别系统的基本组成和常见的识别方法以及人脸识别技术在现实生活中的应用。

一种改进的路口背景频度估计算法

从路口视频图像中实时地构建道路背景图像是基于背景减法的车流量检测的前提。由于路口车流信息复杂,图像受外界环境因素影响大,现有的背景估计算法都有不足之处。该文提出了一种改进的频度背景估计算法,通过离散样本图像,实时地构建背景。该方法不仅算法简单、实时性高,而且增强了在背景估计时对光线变化的适应性,提高了背景建模的准确度,可适用于基于视频的路口信号灯的智能控制系统。

基于CPLD的多通道信号源的设计与实现

数据采集系统的机内自检与测试是系统设计中不可缺少的一项功能,多通道信号源是多路采集系统自检与测试系统的重要组成部分。本文介绍了一种多通道信号源的具体设计实例,它采用Altera公司的可编程逻辑器件EPM7128S及MAX+PLUSⅡ开发系统实现。由于采用该器件,简化了电路设计,减小了设备体积,同时也使设备的可靠性和设计的灵活性大大提高。

过程纹理的语义描述与预测

不同模式的过程纹理,往往是由带有不同参数的数学模型产生,这些参数又是经过有经验的研究人员的精心挑选而得到。而大多数人在日常生活与工作中,常常会用一些语言描述例如“规则的”,“蕾丝状的”和“重复的”等来定义或者寻找想要得到的纹理,希望能够借此被推荐合适的生成模型和参数来产生符合条件的纹理图像。然而这就造成了人的思维描述和纹理图像的生成模型和参数之间巨大的鸿沟。因此,对纹理图像添加语义描述,可以建立起人的视觉感知与图像之间沟通的桥梁。通过对人们所定义的语义进行分析,可以帮助人们找到合适的生成模型和参数来产生符合自己描述的纹理图像。本文以纹理图像语义描述为切入点,通过收集人们对纹理图像的语义描述,借助于多标签学习算法构建预测模型,为人们和过程纹理图像之间的沟通奠定基础。

基于离散小波变换的信号分解算法研究

提出一种基于离散小波变换的信号分解算法.实验结果表明,该算法较好地克服了传统信号分解在高频段的频率分辨率较差,而在低频段的时间分辨率较差的缺点。

基于深度卷积网络的海洋涡旋检测模型

传统的利用遥感数据检测涡旋的方法通常是基于物理参数、几何特征、手工特征或专家知识。本文重点研究了基于深度学习技术从海表面高度图中识别海洋涡旋的方法。针对海洋卫星拍摄的海洋表面高度图中的涡旋检测问题,提出了一种基于卷积神经网络的多涡旋检测模型,该模型能够准确提取涡旋的特征信息,拟合语义信息与海面高度之间的关系。同时,在用于涡旋检测的最新公开数据集SCSE⁃Eddy上进行模型训练,以评估基于人工智能的涡旋检测方法性能,该数据集涵盖了15年来位于中国南海及其东部部分海域的每日卫星遥感海表面高度数据。实验结果表明,与现有的方法相比,本文模型取得了更好的检测结果,能够更好地区分相距较近的涡旋。

基于知识蒸馏的轻量型浮游植物检测网络

当前基于卷积神经网络的目标检测框架已成为主流,使用深层的特征提取网络可以达到很好的目标检测效果,但带来的大量的参数和计算开销使这些算法难以应用到对存储空间和参数量有一定限制的嵌入式设备中.为此,该文提出将知识蒸馏方法用于目标检测网络的特征提取网络,以提升浅层特征提取网络的性能,在降低模型的计算量和规模的同时尽可能地保证模型的性能.实验结果表明,经过蒸馏的浅层网络作为特征提取网络的检测精度比没有经过教师指导的网络精度提高了11.7%.与此同时,该文构建的浮游植物目标检测数据集不仅可以评估一些最先进的目标检测算法的性能,也有利于未来浮游植物显微视觉技术的发展.