水陆空三栖机器人设计与研究

为适应在多栖环境中的运动,设计了一款三栖机器人。机器人以螺旋机构为主要动力源,以被动轮为陆地行走机构实现三栖运动;基于NSGA-II多目标优化算法,量化机器人整体结构设计指标,完成参数优化模型构建,求解结构参数最优解空间;设计双回路PID控制器和自适应Backsteeping控制器,基于机器人动力学模型完成机器人位置与姿态控制;机器人姿态数据由多传感器姿态融合得到,通过卡尔曼滤波求解最优姿态角。通过实验验证了控制方法和控制器的有效性,实验结果也验证了本文机器人动力学模型的有效性。

分离表示学习下的严重缺失静脉信息高质量生成

为解决在识别过程中存在手背静脉图像信息严重缺失而造成识别效率低下的问题,提出基于分离表示学习严重缺失手背静脉图像的修复算法.基于图像到图像转换的互信息估计表示学习的原理,通过一个共享属性部分编码网络和一个独占属性部分的编码网络来进行特征信息的分离表示,学习静脉关键点与完整静脉骨架图像之间的映射,进而实现基于部分关键点对静脉严重缺失图像的良好修复.为保证生成图像的质量,采用对抗损失与感知损失保证图像的语义真实性与信息完整性,采用循环一致性损失对分离表示网络得到的分离内容和属性表示的循环重建进行约束.实验结果表明,生成图像在视觉效果、峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity Index,SSIM)等方面的表现优于经典算法,有效地实现了对严重缺失静脉图像的良好修复.

分层级联生成对抗网络用于手背静脉图像修复

为解决在识别过程中因手背静脉图像信息缺失而造成识别效率低下的问题,本文提出了分层级联生成对抗网络的手背静脉图像修复框架。该网络框架分别以级联与并行分层的方式进行修复操作,通过并行分层结构创新性的融合了不同静脉图像的特征信息;为有效地利用静脉图像的上下文信息对缺失的静脉图像信息进行预测与补全,在网络中创新性的引入了空洞卷积核与非局部注意力网络;为保证修复静脉图像质量与其真实图像的一致性,创新性的结合对抗损失与感知损失进行优化。实验结果表明,本文算法在视觉效果、峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似性(Structural Similarity Index,SSIM)等方面表现优于已有算法,并在两个公开的掌纹与指纹数据集上进行了有效的泛化验证。此外,修复图像相较于缺失图像在身份识别效率方面有了一定的提高。

复杂多源数据表征学习理论研究与应用

开放环境下复杂多源数据表征学习是机器学习理论高效解决实际任务的关键。目前的机器学习方法大多面向同源同分布数据,并不适用于开放环境下由多源数据融合而造成的复杂标签分布、样本分布以及多域分布等复杂数据表征学习问题。因此,本文提出面向信息安全方向的复杂多源数据特征信息的表征学习理论与方法。通过开展标签融合中相似信息共享与异构信息分离、跨源数据样本转换与语义关联知识迁移、强耦合下跨域与多源数据分布解耦等理论研究,实现开放环境复杂多源数据分布场景下表征学习基础理论创新与复杂多源信息应用系统验证。