联合归一化模块和多分支特征的行人重识别

针对行人重识别技术中存在特征挖掘不充分的问题,提出一种联合归一化模块和多分支特征的行人重识别模型。在主干网络中嵌入注意力机制引导的实例归一化模块,减轻背景等杂波信息的影响。在双级特征融合模块对局部特征进行加权后再聚合形成对行人特征的更细节表达。联合平滑交叉熵损失、三元组损失以及跨分支特征蒸馏损失对网络进行优化。所提模型在Market-1501和DukeMTMC-ReID数据集上首位准确率分别达到了95.7%和89.2%。实验结果表明,该模型增强了对图像特征的提取。

一种变步长的零吸引归一化自适应滤波算法

为了使最小均方算法对高斯噪声环境和稀疏系统具有更好的收敛速度和稳态误差,提出了一种变步长的零吸引归一化最小均方算法。该算法将改进的Versoria函数的稀疏感知范数与归一化最小均方算法相结合后,引入了一种新的类高斯函数的变步长策略,解决了固定步长条件下算法收敛速度较慢、跟踪性能较差的问题。从理论层面分析了所提算法的收敛性,并基于MATLAB平台讨论了改进的类高斯步长函数中各参数对算法性能的影响。最后将所提算法与其他同类算法应用于不同信噪比条件下的高斯噪声环境以及稀疏环境中进行未知系统辨识实验,仿真结果表明,所提算法具有更快的收敛速度、更好的跟踪能力以及较小的稳态误差。

基于残差分层的归一化最小和LDPC译码算法

为了进一步缩小最小和(min-sum, MS)算法和置信传播(belief propagation, BP)算法译码性能的差距,提高归一化最小和(normalized min-sum, NMS)算法的译码性能,提出了一种基于残差分层的改进归一化最小和低密度奇偶校验(low density parity check,LDPC)译码算法。首先定量分析MS算法存在的高估问题,利用BP算法和MS算法检验节点LLR消息的比值特性,求其归一化因子。为了降低译码的复杂度,根据最优归一化因子的变化特征,对其采用加权平均处理;为了降低平均迭代次数,加快译码的收敛速度,所提算法利用校验节点信息的残差特性进行分层处理,优先更新残差值较大的一层,在不同迭代之间动态地重新排列层。仿真结果表明,提出的RB_LINMS译码算法,在误比特率为10-5时,相比于传统的NMS算法,其译码性能可获得0.26 d B的增益,平均迭代次数最多能够降低33.20%。因此,在复杂度略有增加的情况下,能够实现更快的收敛速度和出色的译码性能。

ZY1-02DAHSI影像归一化阴影植被指数NSVI的波段选择及其构建

高光谱影像具有连续的地物光谱信息,在阴影检测方面具有巨大的潜力,而波段冗余度高需进行波段优选。归一化阴影植被指数(NSVI)能够扩大光谱差异,在高光谱影像中应用NSVI将更有效地识别阴影。资源一号02D卫星是我国首颗自主研发并成功运行的高光谱业务卫星,数据信噪比大、覆盖能力强,对该高光谱影像进行准确的阴影检测具有重要意义。以ZY1-02DAHSI影像为试验数据,提取并分析明亮区植被、阴影区植被及水体的光谱反射率;结合竞争自适应重加权采样(CARS)和连续投影算法(SPA)筛选能够有效区分典型地物的主要波段,综合考虑算法的特性进一步选出特征波段构建NSVI;通过步长法确定最佳阈值对影像进行分类,从像元值分布情况、分类精度和光谱增强效果等对比出构建NSVI的最佳波段,并结合不同的阴影指数、波段和影像进行综合评价,验证该方法的意义及普适性。结果表明:波段32和波段73是构建NSVI的最佳波段,分别对应红光波段和近红外波段;不同波段构建的NSVI分类精度均高于90%,由最佳波段构建的NSVI分类精度为94.33%,Kappa系数为0.8328,分类效果最优;NSVI能够增强典型地物间的光谱差异并缓解归一化植被指数的“易饱和”现象,在该影像中因水体累积产生的小波峰有助于提取水体;在ZY1-02DAHSI影像中NSVI的分类效果优于归一化阴影指数和阴影指数,于另一景影像的分类精度也达到93.55%,Kappa系数为0.8167。由算法筛选出的波段具有一定的代表性,最佳波段构建的NSVI在ZY1-02DAHSI影像中具有较好的阴影检测能力,对高光谱影像阴影检测及构建植被指数具有一定的借鉴和参考意义。

基于归一化原理的流量计群在线核查方法

目前供热系统中的流量计带病工作较多、流量测量数据可信度低、判断流量计工作情况难。本文研究了利用归一化方法解决流量计群的测量数据不闭合问题,给出了流量及热量的修正方法;分析了总流量变化时各热力站的流量比变化率,以及正常运行的流量计的流量比变化率的区间,证明了利用流量比变化率可实现流量计的云在线核查,为保障智慧供热系统中的数据正确及完整提供了简单、实用的方法。

基于CLIP和双空间自适应归一化的图像翻译

现有的图像翻译方法大多依赖数据集域标签来完成翻译任务,这种依赖往往限制了它们的应用范围。针对完全无监督图像翻译任务的方法能够解决域标签的限制问题,但是普遍存在源域信息丢失的现象。为了解决上述2个问题,提出一种基于对比学习语言-图像预训练(CLIP)的无监督图像翻译模型。首先,引入CLIP相似性损失对图像的风格特征施加约束,以在不使用数据集域标签的情况下增强模型传递图像风格信息的能力和准确性;其次,对自适应实例归一化(AdaIN)进行改进,设计一个新的双空间自适应归一化(DSAdaIN)模块,在特征的风格化阶段添加网络的学习和自适应交互过程,以加强对内容源域信息的保留;最后,设计一个鉴别器对比损失来平衡对抗网络损失的训练和优化过程。在多个公开数据集上的实验结果表明,与Star GANv2、Style DIS等模型相比,该模型可在准确传递图像风格信息的同时保留一定的源域信息,且在定量评估指标FID分数和KID分数上分别提升了近3.35和0.57×102,实现了较好的图像翻译性能。

依据核归一化差异植被指数的西南五省植被覆盖度时空变化及气候驱动因子

聚焦中国西南地区这一关键碳汇区域,利用谷歌地球引擎(GEE)平台的MOD13 A1V6数据,构建了2002—2022年,西南五省(重庆市、四川省、贵州省、云南省、西藏自治区)核归一化差异植被指数(kNDVI)数据集,综合分析了西南地区植被覆盖的时空变化。并结合气象数据,采用一元线性回归、泰尔-森(Theil-Sen)中位数趋势分析、曼-肯德尔(Mann-Kendall)检验及偏相关分析等方法,探讨了气候变化对植被动态的影响。结果显示:(1)2002—2022年,西南地区整体植被覆盖状况较好,植被覆盖度呈现“东南高、西北低”的空间分布格局,且植被覆盖度整体呈上升趋势,线性拟合曲线为y=0.001x-1.691(R^(2)=0.806)。(2)核归一化差异植被指数与气温和降水的相关性在空间分布上存在异质性,但总体上气候因素对核归一化差异植被指数的影响以正向促进作用为主,气候驱动的区域主要集中在西藏东部、四川、重庆、贵州和云南部分地区。

一种基于归一化流的地铁道床异常检测方法

通过检测和定位道床上的异常情况,可以有效地确保地铁车辆的安全。基于无监督的异常检测方法由于只需要通过正常图像进行训练,不需要太多难以采集的异常图像,因此得到了广泛的应用。综上所述,文中提出一种基于归一化流的无监督地铁道床图像异常检测和定位方法。将多层特征图交叉融合,以提升模型对图像特征的学习能力。建立地铁道床数据集,利用该数据集训练并验证模型实用性。在MVTec AD数据集上的实验结果表明,文中方法性能优于其他同类算法,与DifferNet和CS⁃flow相比,所提方法的AUC提高了0.1093和0.0218。在地铁道床数据集上,所提方法达到了95.95%的检出率和0.9083%的误报率。这些结果表明了该模型对地铁道床异常检测的有效性,以及较好的泛化能力。这为人工智能替代人工巡检地铁道床异常提供了一种新的方法。

2种气候环境的湖南省2021—2050年归一化植被指数时空动态变化预测

以湖南省为例,以2001—2020年的气象数据和归一化植被指数(NDVI)时间序列数据为基础,利用多元线性回归分析法,对未来2021—2050年两种气候环境(SSP2-4.5、SSP5-8.5)的归一化植被指数进行预测,并运用泰尔-森(Theil-Sen)和曼-肯德尔(Mann-Kendall)两种分析方法探究气候变化对湖南省未来植被演变趋势的影响。研究表明:相对于历史时期(2001—2020年),未来SSP2-4.5、SSP5-8.5气候环境的增温趋势均较为平缓,SSP5-8.5环境,温度呈南高北低趋势,降水呈北多南少趋势,且SSP2-4.5气候环境湖南省北部区域降水呈显著减少趋势。两种气候环境的归一化植被指数均呈现出一定的上升趋势,尤其SSP5-8.5气候环境更为显著。因此,两种气候环境归一化植被指数变化趋势的共性是,长沙市的少部分区域、洞庭湖流域内及张家界市北部归一化植被指数下降明显,是未来植被修复的重点地区;而湘西土家族苗族自治州、怀化、邵阳、永州西部和郴州东部地区也存在归一化植被指数下降趋势,区域石漠化较为严重,后期应加强保护与治理;湖南省其他各区域未来植被有明显的改善趋势。

基于归一化磁源强度的磁目标实时定位方法

标量三角剖分与测距(STAR)方法利用磁梯度收缩特性实现运动状态下对单个磁偶极子目标的实时定位,且对运动平台的姿态不敏感。然而,磁梯度收缩量(C_(T))引入的非球面误差会限制其定位精度。针对该问题,提出了一种新的磁偶极子目标线性定位方法,利用归一化磁源强度(NSS)代替C_(T),消除了非球面误差的影响。为了分析该方法对不同方位磁目标的定位性能,建立了全向仿真分析模型。仿真结果表明,该方法的实时性与STAR方法相当,在标准差为10 nT的高斯白噪声影响下与STAR方法的最大定位误差分别为0.18 m与1.5 m。现场实验结果表明,当探测距离为1.284 m时,该方法在纬线轨迹上的平均定位误差仅为0.094 m,比传统STAR方法低56.7%;在经线轨迹上的平均定位误差为0.097 m,比传统STAR方法低30.7%。

2319铝合金电弧增材制造归一化评价

为了对2319铝合金电弧增材制造构件各项指标做出定量化分析,拟合出不同工艺参数、试样孔隙率与抗拉强度值之间的空间曲面表达式,构建电弧增材制造“工艺-组织-性能”对应法则。基于广义模糊合成运算法则,建立工艺参数、组织缺陷和力学性能之间的归一化模糊评定模型,获取2319铝合金电弧增材制造最优工艺参数。结果表明:随着送丝速度增加,孔隙率基本呈上升趋势;随着扫描速度的降低,孔隙率基本呈下降的趋势。当扫描速度为0.035 m/s时,孔隙率与抗拉强度的关联性最低,拟合曲线的决定系数(coefficient of determination,COD)仅为0.6。当送丝速度为5.0 m/min且扫描速度为0.025 m/s时,专家综合评分值最高,说明该工艺参数组合最优。

基于面积归一化法对饲料中黄霉素总残留量的研究

建立了一种结合不同色谱及质谱技术测定饲料中黄霉素总残留量的方法。通过高效液相色谱对黄霉素标准混合物进行有效分离,结合液相色谱—串联质谱对黄霉素A化合物进行定量,并利用高分辨四极杆飞行时间质谱确定结果的准确性和唯一性,最终基于面积归一化法得出精确结果。黄霉素标准品经Platisil 5μm ODS色谱柱(250.0 mm×4.6 mm,5μm),以乙腈和20 mmol/L(pH 5.0)乙酸铵溶液为流动相进行等度分离。同时,饲料基质经体积分数0.1%甲酸甲醇溶液提取,采用Oasis PRiME HLB通过式固相萃取对提取液进行净化。目标物经Atiantis T_(3)色谱柱(100.0 mm×2.1 mm,3μm),以乙腈和5 mmol/L(pH 5.0)乙酸铵溶液为流动相进行梯度分离,在负离子(ESI-)多反应监测(MRM)模式下进行定量分析。考查了不同高效液相色谱条件对黄霉素5种活性成分分离效果的影响,同时研究了不同提取溶剂和净化方式对黄霉素A化合物回收率的作用并优化其质谱条件。所建立的方法确保黄霉素5种活性成分完全分离,面积归一化法结果表明黄霉素A所占黄霉素混合物的比例为86.2%,RSD为0.66%。同时,该方法确保黄霉素A在10.0~1000.0 ng/mL范围内线性关系良好,线性相关系数(R^(2))大于等于0.9986。不同饲料基质中黄霉素A的低、中、高加标回收率为69.69%~88.60%,RSD为0.96%~3.38%,回收率稳定、重现性良好。经折算,各类饲料基质中,黄霉素抗生素的总加标回收率为80.66%~102.55%。统计结果表明,所建立的方法普适性广,准确性强,灵敏度高,适用于饲料中黄霉素总残留量的精确定量分析,解决了国内外对黄霉素检测不准确的技术问题。

基于归一化控制器的光伏图像无监督域适应缺陷检测

为解决在太阳电池数据集域偏移问题,提出一种针对动态开放场景下光伏缺陷检测的数据归一化控制器(DNC),以提高网络的域适应能力。在测试阶段,该文的DNC方法通过修改模型参数,根据小批次样本数据(0.5%)来实现领域统计纠正。DNC可将目标域产生域偏移的数据映射到与源域数据相同的分布空间,而无需提前标注数据或访问目标域的全部数据。实验结果表明,DNC能显著提高目标检测模型对域偏移数据的适应能力。仅使用少量未标记的目标域数据(少于0.5%)就可在分布外数据上获得显著的性能提升,同时不会降低模型的预测速度(FPS)。

乌海市四合木群落归一化植被指数时空演变及影响因素

为了解荒漠生态系统植被时空演变情况,明晰自然因素和社会因素对植被指数变化的影响,以乌海市四合木(Tetraena mongolica)群落为例,利用2003—2023年植被盖度实测数据和MODIS归一化植被指数数据集,采用地理加权回归模型、Slope趋势分析等方法,探究四合木群落归一化植被指数时空演变情况及其与影响因素的空间分异规律。结果表明:(1)2003—2023年,乌海市四合木群落归一化植被指数呈上升趋势,增长率为35.2%,空间分布呈现出“北部低,南部高”的格局,四合木群落稳定性整体较高,较低、中等波动变化区域较多。(2)归一化植被指数和各影响因素表现出明显的空间差异性,其中,降水量、土地利用类型以正相关为主,海拔、坡度、GDP以负相关为主。(3)各影响因素对归一化植被指数的影响程度差异明显,其中,归一化植被指数对降水非常敏感,对GDP最不敏感。

依据归一化植被指数物候特征对第八师150团农田防护林的信息获取

以新疆生产建设兵团第八师150团为研究区域,选用2021年、2022年4个季度共计10期陆地卫星8号陆地成像仪(Landsat8 OLI)遥感数据作为信息获取的数据源;在进行预处理后,应用分层分类的方法,掩膜并去除其他非植被地物,结合时间序列的Landsat8 OLI获取的归一化植被指数(NDVI)物候特征获取农田防护林信息,应用外业调查数据对其进行精度评价。结果表明:150团的农田防护林面积为3099.87 hm^(2)。实地样地调查结果显示,在选取的35个农田防护林样点中,有31个被正确获取,分类准确率达到88.5%。150团的农田防护林均匀分布于各个连队中,但在整个团场范围内分布不均匀,并伴有断带现象。运用分层分类的方法和依据时间序列的遥感图像,能够有效获取农田防护林信息。

基于迭代注意力归一化流的低光图像增强

针对网络层级间特征融合不足并缺乏高频特征的精准定位和获取,以及低光图像和多个正常曝光图像之间的不确定映射问题,提出一种迭代注意力归一化流(Iterative attention normalization flow,IANFlow)网络。迭代注意力模块使用空间和通道注意力对输入特征图的高频特征区域定位后进行特征获取,通过递进式层级定位和融合促使深层特征图包含更多的高频特征;可逆归一化流模块学习低光照图像和正常曝光图像之间复杂的条件分布以及将负对数似然(negative log likelihood,NLL)最小化建立低光图像和参考图像之间一对多的映射。在三个数据集上分别对比LLFlow网络,IANFlow网络的峰值信噪比(peak signal-to-noise ratio,PSNR)分别提高了1.1 dB、1.27 dB、2.14 dB。

基于局部归一化互信息联合约束的三维头颈部CT/MR配准方法

针对头颈部图像的复杂解剖结构和不同模态图像的差异,提出一种改进的多模态配准方法。该方法采用局部归一化互信息作为相似性测度,以捕捉局部图像区域的相似性,并减少不同区域间的强度差异对配准结果的影响。此外,为解决MR图像易受到噪声和伪影的影响产生畸变的问题,引入F范数约束配准过程,抑制不必要的畸变。实验结果表明,所提方法在降低均方误差、提高配准精度和鲁棒性方面均有所提高。

基于改进归一化互相关配准的口腔头侧序列图像全景图拼接算法

在牙科的头颅侧位成像中,使用小视野探测器经过线性扫描获得序列图像。为了得到头侧全景图,设计一种基于改进归一化互相关配准的拼接算法。该文使用高斯混合模型对图像进行分割预处理;将目标区域内的归一化互相关系数作为测度函数,采用基于小波变换的多分辨率策略与粒子群优化算法提高配准精度;对配准后的图像进行图像融合,经过多轮连续拼接得到口腔头侧全景图。实验结果表明,改进后的算法配准误差波动从[-6,8]缩小到[-1,1],配准结果达到亚像素级。主观和客观分析显示,所提算法得到的拼接全景图无拼接缝隙和重影,且质量评价指标为最优。

GIS支持下基于归一化信息量模型的地质灾害易发性评价

以沅陵县为研究区,对地质灾害的发育和分布特征进行定量化分析,基于控制因素与诱发因素,选取高程、坡向、坡度、剖面曲率、岩组、距断层的距离、距道路的距离、距河流的距离、年平均降雨量等9个因素作为评价指标,并利用线性函数转换的Min-Max归一化算法,将信息量模型(Information quantity model,I模型)得到的数据进行归一化处理;然后通过ROC曲线、灾积比对模型精度进行检验.结果表明:(1)信息量模型和归一化信息量模型的AUC值分别为0.730和0.784,归一化处理后的AUC值提高了5.4%;(2)极低易发区至极高易发区的面积分布差异显著,归一化处理后的模型在高易发和极高易发区面积上减少了428.51 km^(2).归一化处理后的信息量模型具有更高的精准度,研究成果将为该地区地质灾害防治工作提供一种有效的方法.

基于阶次分析的声发射信号归一化方法研究

转速直接影响声发射信号,不同转速下采集得到的声发射信号不能直接进行对比。因此,该文提出一种基于阶次分析的声发射信号归一化方法。该方法通过等角度重采样,将不同转速下的声发射信号映射到阶次域,从而消除转速对声发射信号的影响。采用机械密封试验台采集不同转速下的声发射信号进行验证,试验结果表明该方法可以有效地去除转速对声发射信号的影响。