高频信息对齐的多尺度融合去雾网络

目前,在去雾领域鲜有将先验信息引入到以数据驱动的深度学习方法中的工作,且大多数基于深度学习的去雾网络通常对计算机内存和算力有较高要求。为解决上述问题,本文提出一个高频信息对齐的多尺度融合去雾网络(HFMS-Net)。网络框架采用循环模式:对于生成器,通过在轻量卷积神经网络的不同深度引入残差连接,以充分利用网络的中间层特征,实现多尺度特征融合;对于判别器,网络需对其输入进行纹理信息提取,逼近去雾图像和有雾图像之间的高频信息,使基于数据驱动的网络更具物理解释性。与PFDN相比,HFMS-Net在相同设置下以约1/5的内存占用取得了更优越的性能,PSNR和SSIM分别提升了0.71、0.016。通过大量的对比实验和消融实验证明本网络的去雾性能与现有算法相比有一定的提升,对纹理信息具有更高的保真度。

多尺度CNN与高频信息融合的图像去雾算法

针对现有去雾算法在恢复图像边缘区域效果不佳以及存在薄雾残留等问题,本文提出了一种基于多尺度卷积神经网络(CNN)与高频信息融合的图像去雾算法(HF-MSNet),采用拉普拉斯算子分离高频信息作为额外先验,用于提高图像细节恢复。首先,采用多尺度CNN作为主干网络,提取图像的主要纹理特征;其次,采用高频特征融合分支对高频信息逐阶段地提炼,并融合了通道注意力模块,使用注意力机制对不重要的特征进行约束;最后,采用高频注意力模块对全局特征自适应地筛选,整合高频特征和纹理特征的分布,得到目标的无雾图像。实验结果表明,本文的算法可以生成更自然真实的去雾图像,并在峰值信噪比(PSNR)、结构相似度(SSIM)两种指标上都达到了理想的效果。

地震波高频信息在薄层砂体预测中的应用

为了证实地震波通频带以外高频信息在砂岩体预测中的有效性和应用价值,利用褶积模型分析了地震波的高频信息是精细描述砂岩地质体空间结构展布的基础;提出在最小限度地影响有效信号的条件下,利用Cur-velet变换进行地震数据噪声压制处理是地震资料处理流程中保留高频信息的关键环节和有效方法;采用具有自动调节时频聚集性能的自适应S变换,对经Curvelet变换噪声压制后的地震资料进行瞬时谱分解,可以获取高质量通频带以外与砂体厚度有密切关系的高频数据体,用于薄层砂岩体的精细预测。TH地区实际资料的处理结果表明,通频带以外高频端信息清晰地刻画了薄层砂体的边界和空间展布。

地震仪器对高频信息可记录性的影响及其试验

本文较系统地讨论了地震仪器性能及因素对高分辨率地震勘探的影响，指出仪器的瞬时动态范围和低截止频率是高频信息可记录性的一个极为重要的基本因素、通过不同低截频、不同陡度及不同频率检波器的实际试验．说明了选用“三高”（即较高的陡度和低截止频率、较高频率的检波器）仪器因素对提升深层反射波的频率有独到的作用，是一种有效的工作方法。

2013年芦山MS7.0地震前南北地震带数字化水位、水温高频信息异常特征及效能分析

数字化观测资料中含有丰富的高频异常信息,这些高频信息中可能隐含着与地震有关的异常信号。引入概率密度分布法对2013年4月20日芦山MS7.0地震发生前南北地震带水位、水温分钟值观测数据高频成分进行分析,结果表明,芦山MS7.0地震前南北地震带共有17个测点、 19组数据出现高频异常信息,其中水位5组、水温14组,高频异常多集中在四川南部构造带,且随着时间进程发展,异常幅值逐渐减小且异常出现向震中区迁移的特征。通过应用Molchan图表法对提取的高频信息进行统计检验,结果显示,概率密度分布法提取的高频异常对地震具有较好的预测效果。通过对震源区及附近区域大地构造演化、前兆异常发展及地壳运动速度场等特征分析,结果发现,计算得到的地下流体高频异常空间分布特征与南北地震带地壳运动场具有很好的一致性,表明利用概率密度分布法提取的高频异常与区域构造活动存在一定相关性,同时也为前人关于对异常形成机理的研究提供了旁证。

基于语音高频信息的伪装语音检测算法

用语音合成或转换技术可以方便地生成的具有目标说话人声纹特性的伪装语音,这类语音一直是声纹识别系统的一个安全隐患。本文利用了伪装语音与自然语音在语音高频信息上的区别,提出了一个能同时检测多种伪装语音类型的鉴别算法。实验中使用了SAS数据库,实验结果表明,提出的算法能检测SAS数据库中9种方法生成的伪装语音,其中,检测参与模型训练的伪装语音的平均等错误概率为0.18%,检测未参与模型训练的伪装语音的平均等错误概率为1.31%。

高频保护高频信息录取中存在的问题及解决办法

结合山西省的实际情况，着重讨论了录取高频信息的重要性以及线路配置双高频后通道高频量和收发信机收信输出量录取中存在的问题，并以ＷＤＳ系列故障录波器和ＹＢＸ—１收发信机为例提出了具体的解决办法，同时，还讨论了新型保护与ＥＳＢ—５００载波机的ＳＷＴ—５００Ｆ６接口配合构成允许式保护时，高频信息的录取问题。

基于高频信息增强的多感受野Xception网络框架

随着DeepFake技术的迅速发展,DeepFake检测技术应运而生,DeepFake伪造所产生的伪影痕迹大多产生在图像的高频区域。针对以上问题,受图像增强的技术的启发,将拉普拉斯算子应用到DeepFake图像上,从而达到突出高频信息的目的。同时,针对现有的DeepFake检测技术大多采用单一感受野的卷积网络,提出了多感受野Xception网络,同时将上述工作融合提出了一套基于高频信息增强的多感受野Xception网络框架。实验证明,提出的整套方法检测能力高于经典方法且具有较好的鲁棒性。

利用概率密度分布提取地下流体数字化观测资料中的高频异常信息——以2014年鲁甸6.5级地震为例

中国地震地下流体观测经过数字化改造以后,观测资料的采样频率显著提高。流体观测资料中的高频数据含有丰富构造信息,为我们捕捉地震孕育及发生过程中的前兆异常信息提供了有利条件。但是,高频信息的出现激发了对数据分析方法改变的需求,如何研发与数字化高频观测资料相匹配的数据处理和异常识别方法,从高频观测数据中挖掘潜在的前兆异常信息,成为目前地震地下研究者首要需解决的关键问题。应用概率密度分布法对2014年鲁甸6.5级地震前南北地震带174组水位、水温分钟值高频观测数据进行分析,结果显示:鲁甸6.5级地震前共有10个水位测点和7个水温测点出现高频信息异常,异常多集中在滇西南构造带的滇中次级块体两侧,且随着时间推移,有向震中区逼近的变化特征。通过对震源区及附近地区地壳结构、构造应力作用及更大范围的区域动力演化特征进行分析,发现异常信息的空间分布特征与川滇地区地壳运动场具有很好的一致性,说明概率密度分布可有效反映出区域构造应力作用,同时也验证了利用概率密度分布在流体观测数据的高频信息异常提取方面具有一定可靠性。

利用概率密度分布提取流体观测资料中的高频异常信息——以2008年汶川8.0级地震为例

随着地下流体观测技术的提高,尤其是地下流体观测数字化改造以后,观测资料的采样频率明显提高,这些高频采样的观测资料中蕴含着丰富的构造信息,如何从分钟值甚至更高频率采样的观测资料中提取有用的异常信息,是目前从事地震地下流体资料分析人员最为关注的科学问题之一.本文引入概率密度分布法,分析了2008年汶川8.0级地震前南北地震带及其附近区域72个测点的数字化水位和水温分钟值采样高频观测资料,结果显示:汶川8.0级地震前有16个测点水位和14个测点水温出现高频异常信息,出现高频信息异常的观测点多集中在滇西南构造带,异常出现的时间呈现出由南向北推移的特征.据此认为概率密度分布法在流体资料的高频异常信息提取方面具有一定的可靠性与适用性,可为数字化高频观测资料异常提取提供借鉴.

高频认知信息系统环境感知与架构设计

认知雷达作为一种新型雷达概念,可全面提升雷达系统能力,是雷达技术发展的重要方向。针对天波超视距雷达小、慢、低可探测目标检测和现有软、硬件系统性能限制等难题,探讨了认知天波超视距雷达的高频认知信息系统实时环境感知机制,仿真分析了天波雷达外部环境的复杂多样性,分析了提升系统主动适应外部环境非平稳变化能力的方法,给出了层次化的感知与探测一体化系统架构设计,为认知天波超视距雷达智能信息处理系统研制与算法研究提供参考。

基于边缘引导和动态可变形Transformer的遥感图像变化检测

卷积神经网络(Convolutional Neural Network,CNN)和Transformer的混合架构能够有效建模图像的局部与全局特征,已成为遥感图像变化检测任务的主流网络.然而这类网络仍面临着一些挑战. CNN分支中的卷积和池化运算通常会抑制遥感图像中的高频信息,降低目标边界的精度;此外,Transformer分支对图像像素进行等同长程依赖关系建模,忽略了变化目标的形状及语义关联信息,导致网络对变化目标特征的表达不足.为解决上述问题,提出了基于边缘引导和动态可变形Transformer的遥感图像变化检测网络.在CNN分支中设计了边缘信息引导模块,利用高频信息增强目标区域的边缘信息,从而改善变化目标的轮廓精度.同时设计了一种新颖的动态可变形Transformer,能够自适应地匹配形状不同的变化目标,选择与变化相关的特征建模长程依赖关系,以提高网络的特征表达能力.实验结果表明,提出的方法在三个公开数据集LEVIR-CD、CDD和DSIFN-CD上显著提高了检测精度,在变化目标的边界精度和内部完整性方面都明显优于当前的主流网络.

级联离散小波多频带分解注意力图像去噪方法

针对图像去噪网络中下采样导致高频信息损失和细节保留能力差的问题,设计了一种级联离散小波多频带分解注意力图像去噪网络。其中多尺度级联离散小波变换结构将原始图像分解为多个尺度下的高低频子带来代替传统下采样,能减少高频信息损失。多频带特征增强模块使用不同尺度的卷积核并行处理高低频特征,在子网络每一级下重复使用两次,可增强全局和局部的关键特征信息。多频带分解注意力模块通过注意力评估纹理细节成分的重要性并加权不同频带的细节特征,有助于多频带特征增强模块更好地区分噪声和边缘细节。多频带选择特征融合模块融合多尺度多频带特征增强选择性特征,提高模型对于不同尺度噪声的去除能力。在SIDD和DND数据集上,所提方法的PSNR/SSIM指标分别达到了39.35 dB/0.918、39.72 dB/0.955。实验结果表明,该方法的性能优于主流去噪方法,同时具有更清晰的纹理细节和边缘等视觉效果。

一种彩色视频信息的隐秘传输方法

为了实现数据量较大的流媒体彩色视频信息的隐秘传输,描述了一种将lowlevelMPEG Ⅱ彩色视频信号隐藏在另一路mainlevelMPEG Ⅱ彩色视频中,并通过公共信道进行传输的方法。该方法利用人眼视觉特性,在宿主视频图像的DCT域,选择对人眼不敏感的中高频信息作为宿主可修改矢量,并提出了一个新的数据嵌入方法,由于该方法最多修改Lbits宿主信息,就可在(2L+1)bits宿主可修改矢量中嵌入2Lbits信息,因此有较高的数据嵌入率及较好隐蔽性。该方法也可用于其他流媒体及较大信息量信息的隐秘传输。该方法已在局域网上进行了模拟,并获得了较好的结果。

利用高频数据和copula度量资产组合市场风险:建模与实证

利用realized GARCH模型纳入高频信息,通过copula函数描述资产收益之间的复杂相依关系,构建资产组合市场风险度量的copula-realized GARCH模型,并以上证综指和深证成指的等权重组合进行实证分析。实证结果表明,用学生t-copula函数描述上证综指和深证成指收益序列之间的相依关系比较恰当,与常用的GARCH模型和GJR-GARCH模型相比,学生t-copula与realized GARCH相结合的模型提供相对可靠、更具效率的VaR估计以及更准确的ES估计。因此,资产组合市场风险度量有必要同时考虑高频信息和复杂相依关系。

高频心电图的微机处理系统

概述目前用于临床诊断的传统的心电图仅包含了整个心电活动中的低频部分(低于100HZ)。而某些有价值的高频信息却往往由于其幅度太小而未被临床上所识别。这些高频信息在高频ECG上称为切迹(nothes)

基于Swin Transformer的服装图像分类方法研究

在服装图像分类任务中,背景会使服装的轮廓和位置难以确定。为降低背景对服装图像分类的影响,提高分类准确度,提出了一种基于Swin Transformer的服装图像分类方法。这种方法使用新颖的Swin Transformer网络作为基础网络,利用傅里叶变换获取图像的高低频信息,筛选出合适的高低频图像,有效提取高频特征,并引入弱监督选择机制,确定服装在图像中的具体位置。为了确定这一分类方法的有效性,使用部分DeepFashion服装数据集的数据进行验证。实验结果表明,文中提出的引入高频信息和弱监督机制的Swin Transformer方法在服装图像分类上效果显著,可达84.0%的Top1准确率,相比原Swin Transformer基础模型能提升4.1%的准确率。