基于改进密集连接网络的土地卫片场景分类方法

为提高土地卫片图像场景识别的效率和精度,本文构建拉普拉斯金字塔-密集连接卷积网络(Lap-DenseNet)模型对土地场景应用进行识别分类,在Lap-DenseNet模型中Lap采用三层金字塔结构,DenseNet模型选用169层结构。将构建好的Lap-DenseNet模型应用到含有6种土地场景的卫片分类中,结果显示:Lap-DenseNet模型训练集的迭代次数不宜过多,否则会因为过拟合现象导致分类效果降低,当迭代次数为200次时分类效果最佳;Lap-DenseNet模型对农村道路分类效果最好,对以绿色背景为主的耕地复耕、未建设用地、农用地复绿分类效果较差,6种场景的平均分类准确率为93.66%;与谷歌卷积网络(GoogLeNet)、快速特征嵌入卷积网络(CaffeNet)、基于密集连接的双流深度特征融合卷积网络(TEX-TS-Net)、基于VGG16的附加资源卷积网络(ARCNet-VGG16)、基于Inception-v3的胶囊卷积网络(Inception-v3-CapsNet)、基于全局上下文空间注意和密集连接的卷积网络(GCSANet)共6种场景分类方法相比,Lap-DenseNet模型的分类效果最好,可在土地卫片场景分类工作中予以合理运用。

基于成本-收益的微网分布式能源优化配置

采用时序性聚类分析法将气象数据划分为合适的场景数,依据各场景气象数据在箱线图中的分布状况拟合相应的数学函数来确定各场景24h气象数值,以精简数据、减少计算量、保持优化结果的客观性。以寿命周期内各类微电源的投资和安装费用、运行和维护费用、废弃后拆卸和治污费用、排污惩罚费用、燃料费用、停电赔偿费用以及能量过剩惩罚费用为基础,建立微网成本数学模型;以分布式能源发电的碳贸易收益、并网收益、环保收益为基础,建立微网收益数学模型;通过对微网成本和收益的整合,建立微网孤网的水平年静态成本-收益数学模型。在计及能量过剩及缺额的孤网能量控制策略下,利用遗传算法优化孤网的容量配置,并通过算例验证了模型和算法的合理性。

自闭症谱系障碍儿童对不同类型社交场景注意模式的眼动差异

采用眼动追踪技术,通过变化社交人数操纵场景的社会性内容,比较自闭症谱系障碍儿童(ASD)和普通儿童(TD)对真实社交场景注意模式的差异。结果发现:(1)ASD儿童对社交场景的总注视时间和平均注视时间少于TD儿童;(2)随着社交场景中人数的增加,ASD儿童和TD儿童一样,对面孔、身体和嘴部的注视时间比和注视次数比逐渐降低;(3)相对于TD儿童,ASD儿童对社交场景中面孔、身体、眼部、嘴部等社会信息区域的注视加工更少,但对前景和背景等非社会信息区域的注视加工更多。整个研究表明,社交人数变化对ASD儿童和TD儿童社交场景注意模式的影响一致,但ASD儿童对社交场景的具体社会性信息的视觉加工上仍表现出特异性。

景象匹配正确定位概率的实验研究

景象匹配的理论分析结论揭示了景象匹配正确定位概率与实时图的信噪比和独立像元数的关系。文中通过对真实影像数据的景象匹配的结果统计给出了正确定位概率与信噪比和独立像元数的关系 ,并将该结果与理论结果进行了比较 ,对其中差异进行了分析解释。

鲁棒视觉词汇本的自适应构造与自然场景分类应用

该文提出了一种视觉词汇本的优化构造策略。首先引入条件数定量评估海量低层特征的稳定性,排除病态特征,筛选稳定的鲁棒视觉特征;通过分析聚类和降维的内在联系,构造了具有聚类结构的视觉特征自适应降维算法;进而利用低维聚类结构信息中的邻域支持度,自适应选取最佳的初始视觉词汇,同时选择Sil指标作为目标函数,从而改进流行的LBG词汇本生成算法敏感于初始点的随机选取,并只能得到局部最优等不足。新的视觉词汇本生成算法具有聚类和降维的统一计算功能、良好的鲁棒性和自适应优化等特性。基于概率潜在语义分析技术将该文的视觉词汇本应用于自然场景分类,在13类场景图像库上取得了73.46%的平均分类率。

SAR系统分辨率对景象匹配概率的影响

该文阐述了SAR系统分辨率对图像功率谱的影响。基于负指数函数模型,对SAR图像1维周向功率谱进行了理论建模,推导出匹配信噪比与系统分辨率之间的关系。从自相关函数方面入手,推导出SAR系统分辨率与独立像元数的理论关系公式,进而分析了SAR系统分辨率对图像独立像元数的影响。最终建立了SAR系统参数与匹配概率之间的联系。通过仿真分析及真实SAR图像的试验,结果表明:该理论模型可以很好地描述SAR系统分辨率与匹配信噪比和图像独立像元数之间的关系,为基于SAR的景象匹配自主导航系统的参数设计提供理论基础。

一种基于手机端的室内外场景识别方法及其初步实验

场景识别是室内外无缝定位技术的研究重点,场景识别的好坏决定了位置服务用户体验的优劣,已有室内外场景识别研究方法存在数据冗余和计算复杂度高的问题。鉴于此,该文提出一种基于手机端的室内外场景识别方法,利用智能手机获取GPS卫星高度角、信噪比和卫星数目,通过分析上述实验数据的相互作用影响,得到基于截止高度角、信噪比阈值和GPS卫星数目阈值的室外到室内场景识别判定依据,实验证明,该判定依据可有效区分室外、室外到室内过渡区域和室内场景。为得到普适的室内外场景识别方法,该判定依据需在其他场景进一步验证。

时空意象:作为现代小说之叙述脉络——以卡夫卡与福克纳为例

卡夫卡与福克纳以其抽象的语言、有违传统叙述脉络的叙述方式以及使故事陌生化的笔法成为现代小说之经典作家。其中以时间或空间意象构筑现代小说叙述脉络的方式也成为解读其经典作品的一种新方式。场景作为一种空间意象成为卡夫卡施展其变形手法以实现"将内心世界的面积置于地理面积之中"的企图;而福克纳则以一种内存在声音和时间脱节(时间混乱)作为叙述动因,将所谓的美国南方历史变为一种(数字)流动的模式来进行认知。两位现代主义大师以其独特的时间、空间意象展开其抽象、无界限的内心之旅。而对其作品的解读也成为对人类心智的无限挑战。

基于LTE网络场景的阵列天线选型研究

阵列天线在不同网络场景中的性能有着显著区别,为阵列天线的设计和选型增加了困难。首先,分析阵元间距和阵元数量两个参数变化对阵列天线辐射方向图的影响,确定了两者的合理范围,给出了三组参数组合选型类型。其次,分析高铁、乡镇、密集城区三种网络场景对指标的要求,确定了各自不同的天线设计目标。最后,在阵列间隔和阵列数量为变量的前提下,仿真设计了三种网络场景下阵列天线的覆盖效果,通过对比和分析实验数据,给出了这三种LTE常见无线网络环境下阵列天线优先选型的方案。

一种基于边缘密度与自匹配系数的匹配区选取准则

景象匹配区的选取工作是影响景象匹配系统性能的重要因素。在选取准则研究方面按照选取参数的不同,目前有基于图像方差的选取准则、基于图像独立像元数的选取准则、基于图像重复模式的选取准则、基于自匹配系数的选取准则等。首先对这些准则进行了基本介绍,然后,通过具体的选取实验,指出它们在基准图选取时存在的问题,最后,针对这些问题,提出一种基于图像边缘密度与自匹配系数的景象匹配区选取准则加以解决。通过对典型地形、地貌特征的图像进行选取实验,证明了算法的有效性。

考虑人员伤亡的高校宿舍火灾风险评估方法研究

为提高高校宿舍楼火灾应急疏散效率,以某高校宿舍楼为例,建立可用疏散时间(ASET)概率密度函数的三角分布模型,并利用FDS软件进行火灾模拟,得到函数中各参数值;运用Pathfinder软件对人员疏散进行模拟,得到火灾未疏散人数与时间的函数;通过对上述2个函数的乘积进行积分,得到不同火灾场景下的伤亡人数。结果表明:影响火灾临界时间的主要因素是火灾能见度和烟气层温度;宿舍楼中部火灾发展速度快于两侧;人员性别、意识状态及火灾探测报警情况对疏散时间和效率影响程度不同。研究结果可为应急疏散及宿舍楼人员预期火灾风险评估提供依据。

基于非线性尺度空间的增强现实场景识别算法

目前大部分面向增强现实的场景识别算法一般采用构建线性高斯金字塔解决尺度不变性问题,此方法容易造成边界模糊和细节丢失,降低识别精度。针对这些问题,提出一种基于非线性尺度空间的场景识别算法,通过构建非线性尺度空间,自适应选取尺度空间组数,保证边缘细节。实验结果表明,相对于SIFT、SURF算法,该算法在视点、缩放旋转和JPEG压缩变换下有更强的鲁棒性,在保证识别精度的情况下,训练速度和识别速度明显提高。

基于多尺度上下文语义信息的图像场景分类算法

传统视觉词典模型没有考虑图像的多尺度和上下文语义共生关系.本文提出一种基于多尺度上下文语义信息的图像场景分类算法.首先,对图像进行多尺度分解,从多个尺度提取不同粒度的视觉信息;其次利用基于密度的自适应选择算法确定最优概率潜在语义分析模型主题数;然后,结合Markov随机场共同挖掘图像块的上下文语义共生信息,得到图像的多尺度直方图表示;最后结合支持向量机实现场景分类.实验结果表明,本文算法能有效利用图像的多尺度和上下文语义信息,提高视觉单词的语义准确性,从而改善场景分类性能.

面向移动终端情景隐私保护设计研究

基于情境的个性化服务已经广泛应用在人们的日常生活中,并且在不断扩展服务的应用范围。然而,在这些个性化服务体验的背后,也隐藏着不容忽视的隐私问题。因此,研究情景隐私的保护有迫切的现实需要。本论文重新分析移动端重情境隐私保护的隐私模型,突破当前情境隐私保护的狭隘概念,完善情境隐私保护的理论基础,提出新的情境隐私的保护方法,拟将解决当前情境隐私保护中理论基础不完善的现状,促进密码学、网络安全与软件安全技术的发展与情境隐私保护方法的实用化。

非校正相位延迟参数在复杂铁路场景下GPS精密单点定位应用研究

在复杂艰险地区的铁路沿线上全球卫星导航系统(GNSS)基准站相对较少且稀疏,如何获得该场景下测站点的高精度位置信息是亟待解决的重大问题.论文以GPS系统为例,利用铁路沿线上7个GNSS测站点(14个观测时段)分别开展了卫星跟踪数和位置精度因子(PDOP)评估,观测数据的可靠性、高精度性验证以及固定解精密单点定位(PPP)技术研究.试验结果表明:1)在所有时间段内卫星平均跟踪数约分布在5.14~9.07颗,PDOP平均值约分布在2.19~5.72 cm,具有较高地定位可用性;2)模糊度固定的PPP可进一步改善铁路环境下的单点定位精度.当观测时间约为90 min时,其在水平方向和高程方向上可分别实现优于10 cm和15 cm的解算精度,且相对于浮点解,三维方向上的定位精度可提升约35.43%.该研究可为复杂铁路场景下的勘测和施工阶段提供高精度的测站位置信息.

基于卷积神经网络的自然场景中数字识别

从复杂的图片背景中提取文本信息一直是计算机视觉中的热点与难点问题。近年来,随着卷积神经网络在图像识别研究的突破性进展,传统的人工提取图像特征方式逐渐为深层网络学习特征方式所取代,而应用卷积神经网络(CNN)的场景文本识别方法也越来越受到广泛的关注。为此,提出了自然场景下基于卷积网络结构的数字识别改进方法。该方法能够对目标区域进行检测,并进行端到端的数字字符识别训练,数字识别部分提取的特征还可用来初始化目标检测的网络部分,以减少特征的重复提取并提高训练速度。需要处理的图像输入无需固定格式,只需输入原始图像即可,可减少图像预处理过程及其对原始图像数据的不良影响,提高图像识别的精度。基于谷歌街景数据集(SVHN)与MSRA-TD500、ICDAR 2013数据集的数字字符识别验证结果表明,该方法的识别效果优于其他已有的识别方法。

基于高斯混合聚类的风电出力场景划分

目前基于相似度的聚类方法对风电出力场景进行聚类划分,而相似度又大多采用欧式距离长短作为衡量依据,其结果反映时间序列曲线的幅度大小差异,未能反映出曲线的形态特征及变化趋势的不同.本文提出一种基于高斯混合聚类的风电出力场景划分的方法,即通过属于某一类的概率大小来判断最终的归属类别.首先根据BIC准则,肘部法则和轮廓系数分别确定GMM聚类和K-means聚类的最佳数量,然后以某地区实际风电为研究对象,提取该地区3年春季风电出力典型场景,并对这两种聚类结果进行对比分析,验证本文方法的有效性.最后通过GMM聚类模型提取该地区各个季节风电出力典型场景.

像控点布设对无人机小范围非规则区域实景建模精度的影响

像控点布设方式和数量对实景建模精度有重要影响.本文选取阜阳市临泉县某0.25 km^2非规则区域为实验区,另选两个非规则型的验证区(0.27 km^2和0.28 km^2),按边缘布设、边缘加少量中心布设、中心布设三种不同的像控点布设方式进行实景模型构建,对比分析像控点数量和布设位置对模型精度的影响特征.结果表明:1)当像控点连线围成的凸多边形包含整个非规则测区时,才能有效保证构建的模型精度.2)在1∶500比例尺测图精度的要求下,边缘布设五个像控点为最佳点位布设方式,满足高效率、高精度、低成本的建模要求.3)在像控点布设位置理想的情况下,增加布设数量并不能显著提升实景模型精度,像控点应按需布设.

一种车辆识别代号检测和识别的弱监督学习方法

车辆识别代号对于车辆年检具有重要的意义。由于缺乏字符级标注,无法对车辆识别代号进行单字符风格校验。针对该问题,设计了一种单字符检测和识别框架,并对此框架提出了一种无须字符级标注的弱监督学习方法。首先,对VGG16-BN各个层次的特征信息进行融合,获得具有单字符位置信息与语义信息的融合特征图;其次,设计了一个字符检测分支和字符识别分支的网络结构,用于提取融合特征图中的单字符位置和语义信息;最后,利用文本长度和单字符类别信息,对所提框架在无字符级标注的车辆识别代号数据集上进行弱监督训练。实验结果表明,本文方法在车辆识别代号测试集上得到的检测Hmean数值达到0.964,单字符检测和识别准确率达到95.7%,具有很强的实用性。

双站SAR成像波数域解决方案

与常规SAR相比,双站合成孔径雷达(Bi-SAR)收发距离和的变化规律更为复杂,且距离徙动量更大,用单站算法的一般改进形式难以达到理想的成像效果。文中讨论了在波数域上Bi-SAR成像的解决方案,提出利用双站数据波数域补偿和波数域坐标旋转实现星载双站SAR成像,并通过大场景点阵目标仿真结果验证了理论分析的正确性。