复杂城市动态图卷积网络三维场景语义分割法

在摄影测量与遥感领域,三维网格数据是最终用户产品之一,已广泛应用于城市规划、导航等任务中。但针对以三维网格表示的复杂城市场景的智能化语义分割的研究较少。为此,本文提出复杂城市动态图卷积网络三维场景语义分割方法(3Dcity-net)。利用三维网格固有的三维空间坐标信息和纹理信息构建的复合特征向量来表示三维网格中的三角面片。为降低纹理信息中噪声和冗余信息对语义分割结果的影响,提出在3Dcity-net网络结构中嵌入主成分分析模块。为缓解样本数据不平衡引起的语义分割精度下降的问题,采用焦点损失函数替代交叉熵损失函数。利用Hessigheim三维网格数据进行了语义分割试验。试验结果表明,3Dcity-net能够获得具有竞争力的三维网格语义分割结果,其中总体精度OA、Kappa系数、平均准确率mP、平均召回率mR、平均F_(1)值(F_(1) score)和平均交并比mIoU分别为81.5%、0.776、73.0%、58.4%、62.6%和49.8%。与先进方法相比,本文方法总体精度OA分别提高了0.9%和8.3%。

一种改进的高光谱图像中多小目标检测算法

针对高光谱图像小目标检测中约束能量最小化算法对噪音敏感且不能区分相似目标的问题,基于多目标约束能量最小化、加和约束能量最小化、胜者全赢约束能量最小化算法,提出一种改进的多个小目标检测算法.该算法对原有算法中自相关矩阵进行修正,减少了目标向量对自相关矩阵的影响.仿真实验表明,改进后的多小目标检测算法,检测误差明显低于原有算法.

样本加权约束能量最小化算法

针对高光谱图像小目标探测中约束能量最小化算法对同类地物光谱多样性敏感,且不能有效识别大目标的问题,提出了一种样本加权CEM目标探测算法.通过光谱单位化处理,减小了目标点所在环境不同而出现的光谱差异.为精确地确定目标物在所有像元中所占的比例,以光谱相关性作为权值的度量对样本进行加权处理,有效降低了目标像素在样本自相关矩阵运算中所占的比重,使算法对大目标探测同样有效.

基于组块分析技术的中文机构名称识别

针对中文机构名称自动识别提出了简化的一体化N最佳层叠模型，该模型实现了从汉语切分、词性标注、组块分析一直到机构名称的自动识别．N最佳层叠方法既能够在一定程度上抑制前一个阶段的错误在后面的传播，又大大地缩小了搜索空间．在实验过程中依次加入启发信息和机构名称缩写处理，使得实验结果有显著提高．在IEER99测试集上，中文机构名称识别的最终准确率和召回率分别为92.31％和81．01％．

高光谱遥感影像中最佳谱段的快速选择方法

针对高光谱遥感影像数据量大、信息冗余多的特点,在子空间划分理论基础上,结合最大熵和光谱角制图算法,提出一种快速的最佳谱段选择方法。充分利用相邻波段数据间的相关性分块特点,首先提取各子空间熵值最大的波段,然后依据地物光谱可分性选择最佳的波段组合。实验验证,最佳谱段选择速度快,并且所选谱段组合用于目标提取,效果显著。

基于类语言模型的中文机构名称自动识别

提出了一种基于类语言模型的中文机构名称自动识别方法,将分词和机构名称自动识别有机地结合起来。在机构名称识别的类语言模型中采用等级结构,使得嵌套有人名、地名等实体的机构名称能够较好地识别出来。在实验过程中,逐步增加实验条件,依次加入启发信息、缓存模型和机构名缩写处理,使得实验结果显著提高。在开放测试中,中文机构名称最终识别的查准率和查全率分别为85.47%和72.81%。

基于压缩感知理论的波段重构方法

针对高光谱图像数据量大、信息冗余多、传输难度大等问题,从波段压缩采样入手,通过采样数据重构出原始波段,提出一种基于压缩感知理论的波段重构方法。压缩感知理论是一种在不遵循奈奎斯特采样定理的情况下,能够高精度重构出原始信号的新型压缩采样理论。由于高光谱图像谱间相关性高,具有很强的稀疏性,故可将压缩感知理论用于高光谱数据的波段重构,仅选择少量波段,便能够重构得到原始高光谱数据。实验结果表明,压缩感知理论能够对高光谱图像波段维进行压缩与重构,并可达到较高的重构比例,同时获得较高的重构效率,且重构数据光谱曲线与原始数据光谱曲线的波形一致度高。

雷达/红外数据融合的机动目标跟踪算法综述

雷达与红外数据融合能够实现信息互补,提高目标跟踪精度、识别能力以及增强系统的抗干扰性,因此受到广泛关注。针对雷达和红外数据融合跟踪机动目标的体系结构,基于近几年国内外的研究,对整个体系中的算法进行了综述。

基于多种变换的遥感图像新型融合方法

针对多光谱图像空间分辨率低这一特点,提出一种在PCA变换基础上,利用小波变换和高通滤波相结合的图像融合算法。实现了ETM+全色波段与ETM+多光谱波段图像的融合,并从空间纹理信息,光谱真实性两个方面进行定性和定量评价。研究表明,该融合算法产生的光谱失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种较好的图像融合方法。

基于小波零树结构的遥感影像编码方法

提出了基于小波零树结构的遥感影像保持量测精度的有损压缩的编码方法。研究了在不同滤波器长度下遥感影像经小波分解后各分量图像的统计特性 ,提出了遥感影像压缩的最佳方案是取四系数的小波分解滤波器 ,并得出了其他一些有意义的结论。

一种基于Bootstrapping构建训练语料的方法

提出一种基于Bootstrapping算法构建训练语料的方法.该方法从自动标注的语料中随机选取部分语料,人工修正后生成种子集,用该种子集训练一个基于类的语言模型,然后使用该模型自动标注剩余的语料;再从剩余语料中选取部分语料进行以上处理,如此循环直到训练语料标注质量理想.实验结果表明,该方法在保证训练语料标注质量理想的情况下,能够大幅度地减少人工参与.

一种基于N元语法分布的语言模型自适应方法

N元语法分布能恰当地描述语料库的特性,为了有效利用普通领域训练数据,提出一种基于N元语法分布的语言模型自适应方法.该方法定义一个小的领域内的高质量种子集和一个大的普通领域的质量不稳定的训练集,将训练集的N元语法分布自适应到和种子集的N元语法分布相似,以更好地进行特定领域单词识别.实验结果表明,基于N元语法分布的语言模型自适应方法可以使单词困惑度和词错误率分别比传统的简单插值法降低11.1%和6.9%.

隐马尔可夫模型在自然语言处理中的应用

隐马尔可夫模型是序列数据处理和统计学习的一种重要概率模型,最近几年已经被成功应用到许多关于自然语言处理的任务中。简要介绍了隐马尔可夫模型,对其在词性标注应用中的难点、模型的建立、Viterbi算法等问题进行了详细论述,给出了基于隐马尔可夫模型的中文科研论文头部信息抽取过程以及模型结构的学习和参数的训练等关键问题的解决办法。

基于隐马尔可夫模型的中文科研论文信息抽取

随着大量的科研论文出现在互联网上,从中精确地抽取论文头部信息和引文信息显得十分重要。该文提出了一种基于隐马尔可夫模型的中文科研论文头部信息和引文信息抽取算法,分析了模型结构的学习和参数估计方法。在进行信息抽取时,利用分隔符、特定标识符等格式信息对文本进行分块,利用隐马尔可夫模型进行指定域的抽取。实验结果表明,该算法具有良好的准确率和召回率。

基于条件随机场的中文科研论文信息抽取

科研论文头部信息和引文信息对基于域的论文检索、统计和引用分析是必不可少的.由于隐马尔可夫模型不能充分利用对抽取有用的上下文特征,因此文中提出了一种基于条件随机场的中文科研论文头部和引文信息抽取方法,该方法的关键在于模型参数估计和特征选择.实验中采用L-BFGS算法学习模型参数,并选择局部、版面、词典和状态转移4类特征作为模型特征集.在信息抽取时先利用分隔符、特定标识符等格式信息对文本进行分块,在分块基础上用条件随机场进行指定域的抽取.实验表明,该方法抽取性能明显优于基于隐马尔可夫模型的方法,且加入不同的特征集对抽取性能提升作用不同.

基于Ultra Search的桌面搜索设计与实现

提出一种基于Ultra Search的桌面搜索设计和实现方案,简要介绍了Ultra Search体系架构和各个组件的功能,然后给出该桌面搜索的框架和各个组件的实现细节,并和多个桌面搜索工具在相同的数据源上进行测试,结果表明,该桌面搜索有不错的搜索性能。

遥感图像质量雾霾影响的无参考评估（英文）

遥感技术可以提供大量有效信息,在监测和测绘领域占有十分重要的地位。然而,遥感图像通常会受到雾霾影响而降低质量。雾霾浓度评价算法可以评价场景中的雾霾程度,以便对雾霾影响严重的图像进行滤除,并对雾霾较轻的图像根据雾霾指标的大小进行自适应的去雾,从而保证遥感图像解译的可靠性。本文针对这个问题提出了一个雾霾影响遥感图像质量的评价指标。首先,根据雾霾区域的亮度值大于非雾霾区域的亮度值这一特性定义了雾霾图。然后,根据韦伯准则计算雾霾图的对比度,以此作为评价雾霾的指标。实验结果表明,该指标的评价结果与主观评价结果具有很好的一致性,可以代替主观评价对受雾霾影响的遥感图像进行质量筛选。

图像工程类课程本科生实践能力培养教学改革初探——以“图像数据结构与算法”课程为例

图像工程类课程具有实践性强的特点。为了提高学生的实践能力,本文分析了当前课程体系中存在的问题,论证了建设"图像数据结构与算法"课程的必要性。该课程综合运用计算机编程语言、数据结构和图像处理理论的知识,培养学生的图像编程能力,从源头上提高学生的动手实践能力。实践证明,通过该课程的学习,学生的实践能力和理论知识理解能力都得到了显著提高。

基于特征交叉检验的实时视觉里程计方法

在自动驾驶和机器人导航系统中,里程计是用于持续获得系统姿态信息的一种装置。视觉里程计能以较低代价获得高精度的目标移动轨迹,基于特征的视觉里程计方法具有时间复杂度较低、计算速度快的优势,有助于数据实时处理。然而,传统基于特征的视觉里程计方法面临着2个技术瓶颈:特征匹配的准确度不足;姿态解算中目标函数的权重值有效性低。为了解决帧间特征匹配准确度不足的问题,本文提出特征交叉检验闭环匹配策略,即在传统单向闭环匹配的基础上,增加反向验证的过程,以获得匹配准确度更高的匹配点集合。该策略解决了传统特征匹配中使用单向闭环匹配策略鲁棒性不足、内点比例低的缺陷,提高了解算精度。同时在交叉检验匹配策略中利用前一时刻的运动信息缩小当前时刻特征匹配的搜索范围,降低特征点匹配的时间复杂度。针对目标函数的权重值有效性低的问题,本文将特征点在图像序列中的出现次数作为其生存周期,提出基于特征点生存周期的目标函数权值设置方法。在姿态解算中,特征点的生存周期可以有效反映其稳定性,使用其作为目标函数权值可以降低解算过程中的累积误差。本文在公开的KITTI数据集中进行算法测试,实验结果证明该方法可以实现高精度、实时的视觉里程计算。

以创新增强企业经济发展的动力

创新对于国家而言是非常重要的,创新驱动是国家发展的主题词,那对于企业来说其是一致的,各行各业及各企业只有坚持国家创新发展策略,才能快速进步和发展,适应国家发展需要。同时,作为企业个体,创新依然是发展的核心,通过创新才能提升技术水平,提升产品竞争力,进而获得市场竞争优势,才能获得长远发展的可能。