基于FLoFTR算法的无人机实时在线地理定位

研制高效鲁棒的智能视觉定位方法是解决全球导航卫星系统(GNSS)拒止条件下无人机导航定位的重要途径之一。传统视觉定位方法存在精度较差、容易丢失定位的问题。本文提出一种FLoFTR算法,通过对高精度影像匹配算法LoFTR进行改进优化,在无人机计算平台上实现实时高精度定位。FLoFTR采用知识蒸馏方法压缩模型规模,提升推理效率,并通过改进特征提取模块和应用基于余弦距离的特征匹配方法,进一步降低了匹配时间并维持相当的匹配性能。在研制的软硬一体的平台上试验表明,优化后模型平均定位误差损失维持在0.1m以内,定位平均处理时间为47ms,定位速度提升超过7倍,可满足无人机定位的精度和实时性要求。

基于主方向梯度的SIFT算法匹配的优化

在相似区域较多的图像匹配时,SIFT（Scale Invariant Feature Transform）算法的匹配计算（KDtree-BBF）较复杂,耗时长,很难满足实时性要求。提出一种改进的匹配算法,将特征点的周围邻域的主方向梯度作为特征之一,采用主方向梯度和欧式距离相结合的计算方法进行特征点的匹配。实验结果表明：改进的算法不仅简单易行,且对图像的旋转、缩放、光照变换均具有良好的鲁棒性,比较原Open SIFT算法还发现,改进算法的加速比范围为1.046~9.065。

融合空间注意力机制的行车障碍预测网络

针对现有行车障碍预测方法存在目标单一性、预测速度慢和准确性不佳等问题,提出一种融合空间注意力机制的卷积神经网络Coll-Net以及基于Coll-Net的车速控制和障碍方向判定策略。模拟驾驶员通过视觉信息判断障碍的机制,以单目视觉图像作为输入,首先对图像做预处理得到感兴趣区域,然后利用残差块网络提取区域内的空间特征;采用空间注意力机制对特征通道上的原始特征进行重新标定,获得通道权重;再将通道权重归一化后加权到通道对应的空间特征上,以此挑选关键特征,最后送入全连接层和Sigmoid函数中生成预测概率。行车根据障碍预测概率实时确定行车速度并根据多窗口的概率预测值判定障碍方向。实验表明,Coll-Net模型的障碍预测准确率达到96.01%,F1-score达到0.915,模型推理时间仅需24 ms,能够实时检测车辆、行人、护栏、墙体等多种障碍物,并且在低对比度光照环境下仍表现出良好的预测能力,基于Coll-Net的车速控制和障碍方向判定策略在Udacity Self-Driving数据集上表现出强有效性。

基于分数阶微积分的图像超分辨率重建

为了解决模糊图像超分辨率重建的问题,将分数阶微积分和凸集投影相结合,实现图像的超分辨率重建。利用分数阶微分卷积获取原始参考帧,通过尺度不变特征变换(scale invariant feature transform,SIFT)配准,采用基于分数阶积分的点扩散函数,运用凸集投影,有效解决超分辨率算法对于模糊图像效果不好的问题,实现了对模糊图像的重建。实验表明,与常见的算法相比,基于分数阶微积分的凸集投影超分辨率重建算法在图像视觉效果和客观指标上均有较好的结果。特别是在图像模糊的情况下,基于稀疏表示的或轮廓模板的算法会增加图像的模糊程度,而所提算法在主观清晰度方面有明显的提高。

基于卷积神经网络的图像混合噪声去除算法

针对现有的去噪算法,只能去除某一或两种特定的噪声,提出了基于卷积神经网络的图像混合噪声的去除算法.采用9层卷积网络,分别经过特征提取、维度收缩、非线性映射、维度放大和图像重构对含噪图像进行训练最终得到去噪模型.实验结果表明,算法生成的网络模型适用于含不同类型、不同程度的含噪图像的去噪,且在主观视觉效果和客观指标上均有很好的结果.

移动平台上四邻域梯度阈值的SIFT匹配优化

为提高基于SIFT(scale invariant feature transform)图像匹配算法的匹配鲁棒性和效率,以便在仪器仪表等便携设备上使用,提出一种基于邻域梯度值分组的匹配方法。将特征点周围四邻域的最大梯度值作为特征之一,在SIFT特征匹配之前作为分组匹配依据。在Android移动平台上,对优化算法和传统算法进行对比实验,实验结果表明,改进后的SIFT算法能够在保证匹配正确率的同时减少运算量,匹配速度可提高2至3倍。

基于先验显著性的卫星视频微小运动车辆检测

卫星视频中微小运动车辆由于特征信息少,使得当前基于特征的方法很难获得良好结果,为了应对卫星图像中复杂的图像环境以及目标微小的像素占比,提出了一种基于多种图像先验信息约束显著性的运动车辆检测方法。首先利用简单线性迭代聚类算法对视频帧生成数量适宜结构紧凑的超像素,并基于人眼显著性模型计算各超像素的边界相关性;同时采用背景建模生成图像的运动热图并完成基于超像素的运动区域估计;结合这两种先验约束来最优化检测结果,从而获得较好的目标检测效果。最后,以吉林一号卫星视频中全球不同城市道路场景为实验数据,对比了当前多种运动目标检测算法,实验证明,提出的算法能在检测准确率和召回率达到85%的情况下保持低于10%以内的虚警率,并且在卫星角度偏移的图像环境也有一定的抗干扰能力。

不同紫花苜蓿品种幼苗期耐盐性评价

土壤盐分被认为是限制作物生长和生产的主要非生物胁迫因素之一,筛选耐盐性品种是开发适用于盐地种植作物,并实现高产栽培的重要前提.以29份国内外紫花苜蓿品种为研究对象,盆栽土培后在其5叶期进行200 mmol/L NaCl胁迫,测定株高、叶面积、SPAD值以及茎和叶鲜重和干重等生长性能指标,基于以上指标运用隶属函数、权重分析、聚类分析对其进行了耐盐性高低排名及分类.结果表明,29个紫花苜蓿品种可分为4个耐盐等级,其中耐盐性最强的品种为“4020MF”,耐盐性最弱的品种为“亮牧”.

一种新的X射线能谱背景扣除方法

阐述了小波级数和多分辨率分析的基本思想 ,并将之应用于X射线能谱定量分析中的背景扣除 ,取得了良好的效果。实验结果表明 ,该扣除背景的方法不仅计算速度快 ,而且和其它的背景扣除方法相比 。

基于生成对抗网络的雾霾场景图像转换算法

本文提出了一种新的基于生成对抗网络的雾霾场景图像转换算法.生成对抗网络GAN作为无监督学习的方法,无法实现图像像素与像素之间映射,即生成图像不可控.因此,基于模型的加雾算法存在参数不确定性和应用场景局限性,本文提出了一种新方法的新应用,利用生成对抗网络实现图像转换.该方法基于生成对抗网络GAN模型,改进了GAN的生成器和判别器,进行有监督学习,以训练雾霾图像生成像素与像素之间的映射关系,实现无雾图像与有雾图像之间的转换.以图像加雾为例,本文分别设计了生成网络和判决网络,生成网络用于合成有雾图像,判决网络用于辨别合成的雾霾图像的真伪.考虑到雾霾场景图像转换的对应效果,设计了一种快捷链接沙漏形生成器网络结构,采用无雾图像作为生成网络输入,并输出合成后的有雾霾图像;具体来看,将生成网络分成编码和解码两部分,并通过相加对应间隔的卷积层来保留图像的底层纹理信息.为了更好地检验合成雾霾图像的真实程度,设计了漏斗形全域卷积判决器网络,将合成图像和目标图像分别通过判决器辨别真伪,采用全域卷积,利用神经网络进行多层下采样,最终实现分类判决,辨别图像风格.此外,本文提出了一种新的网络损失函数,通过计算GAN损失和绝对值损失之和,以训练得到更为优秀的图像转换结果.GAN损失函数的作用是使生成对抗网络GAN模型训练更加准确,而雾霾图像合成算法实际上是一个回归问题而非分类问题,生成器的作用不仅是训练判决器更加灵敏,更重要的是要生成与目标图像相似的图像.因此利用优化回归问题的绝对值损失函数,作用是为了准确学习像素间的映射关系,避免出现偏差和失真.最后本文对多类不同图像进行图像的雾霾场景转换并进行评估,分别测试该算法的图像加雾和去雾效果,并与其他算法进行对比测试.对于加雾效果,在合成场景、虚拟场景下,与软件合成效果进行对比,本文算法效果明显比软件合成效果好,不会出现色彩失真;在真实场景下,本文算法与真实拍摄的雾霾天气进行对比,结果十分相近;并且与其他GAN图像转换算法进行对比,本文算法具有明显的优势.同样本文算法在去雾效果上优势也十分明显.结果表明,本文所提基于生成对抗网络的雾霾场景图像转换算法,在主观效果和客观指标上均具有明显优势.

基于主成分分析的分块视频噪声估计

噪声估计在视频去噪领域具有重要的研究意义.实际生活中的噪声都是未知的,然而现存的视频去噪算法通常都假定视频的噪声水平是已知的,本文提出一种基于主成分分析(Principal component analysis,PCA)的分块视频噪声估计算法.首先,基于帧间进行块匹配寻找相似块,得到差分图像以消除视频运动的影响;其次,将正态分布函数作为阈值函数简化噪声估计算法模型;最后,设置明确迭代指标使得估计的结果更加精确,且降低了计算复杂度.主观视觉效果和客观指标对比表明,本文提出的基于主成分分析的分块视频噪声估计算法比其他优秀的噪声估计算法误差小同时鲁棒性高,能准确地估计视频噪声.

基于霾层学习的单幅图像去雾算法

针对传统去雾算法出现色彩失真、去雾不完全、出现光晕等现象,本文提出了一种基于霾层学习的卷积神经网络的单幅图像去雾算法.首先,依据大气散射物理模型进行理论推导,本文设计了一种能够直接学习和估计有雾图像和霾层图像之间的映射关系的网络模型.采用有雾图像作为输入,并输出有雾图像与无雾图像之间的残差图像,随后直接从有雾图像中去除此霾层图像,即可恢复出无雾图像.残差学习的引入,使得网络来直接估计初始霾层,利用相对大的学习率,减少计算量,加快收敛过程.再利用引导滤波进行细化,使得恢复出的无雾图像更接近真实场景.本文对不同雾浓度的有雾图片的去雾效果进行测试,并与当前主流深度学习去雾算法及其他经典算法进行对比.实验结果显示,本文设计的卷积神经网络模型在图像去雾的应用,不论在主观效果还是客观指标上,都有优势.

基于景深和稀疏编码的图像去雨算法

降雨天气往往会导致室外监控视频质量下降,会使成像的图像产生畸变和模糊现象.为了改善雨天拍摄的图像的质量,该文提出了一种基于景深和稀疏编码的图像去雨算法.针对基于图像分解的去雨算法存在的低频成分中的雨痕残留和轮廓边缘丢失,以及高频部分的背景误判问题,该文利用联合双边滤波和短时傅里叶变换将图像进行分解,使得图像低频部分中的轮廓得到较好的保留,并引入景深改善低频成分中的雨痕残留和高频成分中与雨痕具有相同梯度的背景误判问题.该算法主要分为四个部分:图像分解、字典学习、基于主成分分析和支持向量机的原子聚类,景深修正.首先是利用图像分解提取出图像低频和高频成分,对于图像分解的方法,主要采用的是双边滤波和短时傅里叶变换相结合的方法,此方法对图像的轮廓和边缘保持度较高.接下来,对低频成分进行保留,对高频成分进行进一步处理.根据图像本身的纹理特性将高频成分进行分类,基于每一类再对高频成分进行分块处理,得到每一类图像的字典,从而进行字典学习.然后,利用主成分分析和支持向量机对字典进行分类,根据梯度信息分为含雨字典和非雨字典两类,应用正交匹配追踪获得基于新高频字典的稀疏系数,从而获得高频成分中非雨成分.最后,对于高频成分中和雨痕具有相同梯度的背景误判问题,通过景深,将图像高频按纹理和梯度方向进行二次分类,将高频成分中和雨条纹具有相同梯度的背景进行保留,有效提高分类准确性.同时,利用景深提取出含雨图像中的显著性特征来进一步去除低频成分中的残留雨痕.本文利用主观视觉效果以及客观指标对算法进行评估,实验结果证明主观效果得到明显的改善,客观指标也得到了提升,证明了该文基于景深和稀疏编码的图像去雨算法能够在去雨的同时较好地保留图像的纹理细节.

物体的旋转角度快速测量

针对利用图像配准测量物体的旋转角度问题,本文提出利用改进的BRISK特征点求取。该方法利用BRISK初步得到特征点后,给特征点间的汉明距离设置阈值初步筛选,以余下点对的最小汉明距离为阈值进行二次筛选得到最终的匹配点对,最后这些点对分别结合OTSU(最大类间方差)、仿射矩阵及特征点组成的直线斜率的中位值三种方法,计算物体旋转角度及所需时间。实验结果表明,利用二次阈值对BRISK特征点进行筛选,配准度有了很大提升;三种方法测量角度的绝对误差基本都在1°以内,且消耗的时间均不超过1 s,而且对噪声,遮挡,光照变化等有一定的鲁棒性。

面向图像场景转换的改进型生成对抗网络

设计了新的生成器网络、判决器网络以及新的损失函数,用于图像场景转换.首先,生成器网络采用了带跨层连接结构的深度卷积神经网络,其中,多个跨层连接以实现图像结构信息的共享;而判决器网络采用了多尺度全域卷积网络,多尺度判决器可以区分不同尺寸下的真实和生成图像.同时,对于损失函数,该算法借鉴其他算法提出了4种损失函数的组合,并通过实验对比证明了新损失函数的有效性,包括GAN损失、L_(1)损失、VGG损失、FM损失.从实验结果显示,该算法能够实现多种转换,且转换后图像的细节保留较为完整,生成图像较为真实,明显消除了块效应.

心理行为干预对酒依赖者脱酒后操守率的影响

目的:探讨心理行为干预对酒依赖者脱酒后操守率的影响。方法:将126例酒依赖者随机分为两组,干预组除给予常规药物替代治疗外,还给予系统的心理行为干预;对照组单用常规药物替代治疗。应用临床疗效标准及酒精依赖严重程度问卷(SADQ-C)定期进行评定。疗程6个月。结果:在治疗的各时段,干预组减分率均显著高于对照组;干预组6个月时操守率为75.0%,显著高于对照组14.6%(χ2=7.658,P<0.01)。结论:酒依赖者在躯体脱酒后,给予系统的心理行为干预,能在一定程度上提高操守率。

一种新型车载傅里叶变换红外测油仪的研制

水污染监测中,水中有机物含量是水质检测的重要指标。目前广泛使用的基于光栅红外分光光度方法的测油仪存在速度慢、灵敏度低、分辨率和信噪比不高等问题。应用傅里叶变换红外光谱检测技术,可以有效克服传统仪器的不足。文章研制了一种基于特伦结构的傅里叶变换红外光谱仪,有效减小仪器的体积并降低成本、提高抗环境干扰能力,使之适用于车载野外监测要求。基于干涉激光波长反馈和DSP控制的音圈电机控制系统实现直线电机运动速度误差低于5%。采用标准油样对仪器性能进行测试,实验结果表明,仪器分辨率最高为2 cm-1,信噪比达到2 000∶1。该方法与传统光栅方法相比,检测速度快,有机物光谱图性能指标显著提高,轻便易携带的特点对水质实时现场检测带来便利。

傅里叶变换红外光谱仪中立方反射镜特性分析

在傅里叶变换红外光谱仪中,用立方反射镜作为动镜的光路系统比平面镜时的情形复杂。通过建立系统的数学模型分析光路,确定了干涉信号的数学表达式;从干涉图调制度的角度对系统在非理想状态下的运动误差容限以及安装误差容限进行了分析。结果表明,与动镜和定镜都采用角反射体的系统相比较,该系统动镜运动中其偏摆和顶点横移不会对干涉图产生影响;与动镜为平面镜的系统相比较,该系统不需要对动镜的动态校正就能满足调制度判据要求。

光谱仪动镜倾斜误差分析及其动态校正技术研究

采用了双光束干涉的迈克尔逊干涉仪系统的傅里叶变换红外光谱仪,在动镜运动过程中,动镜可能在三个方向发生倾斜。通过建立干涉面光强分布的二维数学模型,确立了干涉图函数的数学表达式,从调制度、相位误差和频率噪声的角度,对动镜倾斜误差进行了系统分析。在误差分析的基础上,对动镜容许的最大倾斜角度进行了讨论,并对其动态校正技术的要点做了分析。

傅立叶红外光谱仪直线电机控制系统研究

提出了一种新型的用于便携式傅立叶变换红外(FTIR)光谱仪动镜驱动的直线电机控制系统的实现方案。着重论述了该系统的杌械结构,速度反馈单元,直线电机控制器的硬件和软件设计。直线电机机械部分采用磁悬浮设计,有效减小电机运动时的摩擦力,提高匀速直线运动的精度。速度反馈单元获取参考激光干涉信号的波长信息为电机匀速直线运动提供反馈。控制器硬件核心由DSP+CPLD的电路结构组成,通过增量式PID控制算法对音圈直线电机进行实时控制,确保电机匀速直线运动。实验结果表明,该电机在运动速度为6.33 mm/s时,速度精度优于5%。根据有关文献提供的数据,该驱动结构完全满足傅立叶变换光谱学对数据采集精度的要求,而且该系统较之传统FTIR动镜系统具有体积小巧,重量轻,适合便携式设备应用等优点。