融合残差反卷积的图像分割算法研究

针对FCN算法在处理复杂场景时出现误分割问题,本文提出一种融合残差反卷积的图像分割算法RDM-FCN。在编码器部分,采用VGG16网络来提取图像特征;在解码器部分,通过构建残差反卷积模块和引入残差连接,以增强跨层特征的传递。通过采用交叉熵损失函数,提升模型的分割精度。测试结果显示,本文算法与FCN算法相比较,准确率提高了0.0347,平均交并比提高了0.0215,平均像素准确率提高了0.005。实验结果表明,本文算法的分割精度较高,能够较好地保留物体边缘和细节部分的信息。

一种用于重力测量信号畸变校正的盲反卷积算法(英文)

强阻尼和大时间常数是海洋重力仪的共同特性,它们在抑制垂直方向上干扰加速度的同时也造成了重力仪测量信号的幅值衰减和相位滞后。为了校正重力测量信号的畸变,获得高精度的重力异常信号,在分析重力仪和重力测量信号畸变原理的基础上,提出了一种单通道Bussgang算法,并应用于重力测量信号的畸变校正。该方法首先将盲反卷积滤波器近似简化为FIR模型,然后采用常数恒模算法对Bussgang均衡器权系数进行更新,并在此基础上对反卷积滤波器进行了估计,最后基于实测重力信号将该方法与Kalman逆滤波进行了试验对比。理论分析和试验结果表明,该重力信号畸变校正方法能有效地消除重力测量信号的畸变,且校正效果明显优于Kalman逆滤波,其校正后信号相对于原始信号的标准差为0.328×10-5 m/s2,而Kalman逆滤波校正标准差为1.838×10-5 m/s2。

用于电介质中空间电荷分布测量的Tikhonov反卷积算法

研究了使用压力波法测量平板电介质试样的空间电荷分布的数值解法,使用基于Tikhonov正则化方法的反卷积算法得到了真实的空间电荷分布.在反卷积算法中使用了相关的技术处理,如小波包过滤高频噪音,Tikhonov正则化方法处理积分方程等.利用数值实验研究了噪声对反卷积算法的影响,结果表明,在无噪或者低噪环境下,反卷积算法能够非常好地计算出电介质中的空间电荷分布;在处理有噪数据时,反卷积的结果受到明显的影响,但仍然有较高的计算精度.正则化参数α对空间电荷分布的数值解起着明显的光滑作用,但是对于解的积分值却影响不大.对实际测量数据进行处理的结果表明,反卷积算法成功地计算出了固体电介质中的空间电荷分布和电场分布.

分段反卷积改进SSD的目标检测算法

针对当前SSD算法低层特征图语义信息不足导致存在小目标漏检以及误检的问题,提出一种基于分段反卷积改进SSD的目标检测算法SD-SSD(Segmented Deconvolution-Single Shot M ulti Box Detector).根据SSD模型低层特征图语义信息提取不足,高层特征图边缘信息丢失过多,本文重新设计了融合结构,不仅降低了计算过程中的参数数量,而且丰富了各个特征图的细节信息和语义信息;由于特征图反卷积的次数过多会增加噪声信息,本文将模型中高层特征图分成三段做分段反卷积与低层特征层融合;为增强小目标在模型下的检测效果,增加更低层次的特征图进行特征融合,着重检测小目标.在Pascal VOC2007测试集上进行验证,本文SD-SSD模型大幅度提高了小目标类别的AP值,mAP相对SSD模型和DSSD模型分别提高了4.30%和3.0%,相比目前主流单阶段目标检测算法,本文算法保持了较高的检测精度和检测速度.

基于改进遗传算法的反卷积信号识别

信号处理中的反卷积是一个不适定问题,在泛涵理论上求取反卷积正则解的关键是求距离的最小。遗传算法在优化方面具有优势,因此提出用遗传算法优化求取最小值进行反卷积信号诊断。但是由于传统的遗传算法存在着一些问题,易陷入局部极小点导致成熟前收敛,使得反卷积问题的解决有误差,恢复的波形具有波动性,精度还不够,由此我们对传统的遗传算法进行了改进,改进后模拟计算发现恢复的信号波形精度明显上升,和原信号波形很相象,比较准确地反映了原信号固有的特性。

最小平方卷积反演算法及其在桥梁动挠度测量中的应用

本文给出的最小平方卷积反演方法 ,利用了输入信号的时限约束 ,用Hilbert空间中的正交投影的方法 ,得到最小平方意义下的最优解 .本文利用该方法成功地从惯性传感器信号中反演出桥梁动挠度信号 ,并给出与其他方法的比较 ,证明了该方法的有效性 。

带白色公共干扰噪声的反卷积系统的多传感器信息融合估计算法

对于一个带未知的白色公共干扰噪声的反卷积系统,在部分参数未知的前提下,提出一种基于自回归滑动平均模型的多传感器信息融合估计算法。使用该算法可首先得到对于自回归参数的无偏融合估计,然后可得到对于公共干扰噪声的噪声统计特性的无偏融合估计,最后证明了估计的收敛性。该算法可用于石油勘探领域的背景噪声预估计。用一个Matlab仿真例子对算法的有效性做了说明。

基于量子遗传算法的多通道通信信号盲反卷积算法研究

本文在分析多输入多输出盲反卷积的网络结构和算法模型的基础上,提出了一种基于输出信号上下文信息的盲反卷积算法,并提出一种采用量子遗传算法的新的优化求解方法,对仿真的通信信号分离的结果表明算法的有效性。

快速迭代反卷积算法的超分辨性能分析

传统观念认为，扫描体制下的实孔径雷达方位分辨力决定于3dB波束宽度，这使得雷达难以从方位上区分同一波束内的两个等距目标。迭代反卷积算法是一种简单实用的超分辨算法，为分析迭代反卷积算法的超分辨性能，文章对线性迭代算法和P阶决速迭代算法进行了比较并对此做了仿真实验。仿真实验表明，P阶快速迭代反卷积算法的超分辨效果较佳，而且需要的迭代次数较少。

裁剪频谱的线性系统DFT反卷积算法

在对传统求冲击响应方法的误差进行分析的基础上 ,提出了一种新的卷积反演算法。该算法通过提高采样率后对频谱进行裁剪 ,然后运用 zoom运算降低采样率 ,再通过反卷积求出系统的冲击响应。仿真实验证明 ,该算法能有效地避免量化误差的放大和迁移所造成的影响 。

三维反卷积显微成像技术中两种线性算法的比较

针对宽场显微镜下三维显微图像由于光学系统影响产生模糊的问题 ,分析两种基于线性图像恢复算法在该方面的应用。从理论上、算法实现上和处理的结果上系统地研究了其优缺点 。

基于递归计算 DFT 的反卷积高速算法

提出计算反卷积的一种高速算法。该算法将使其运算的乘法次数大为减少，而相应的加法和除法次数与已有的快速算法相当。

对于一个带未知观测噪声的反卷积系统的信息融合估计算法

对于一个带未知观测噪声的反卷积系统,在部分参数未知的前提下,提出了一种信息融合估计算法。使用该算法可首先得到对未知参数的无偏融合估计,并可得到对未知观测噪声的无偏融合估计,最后证明估计的收敛性,并用Matlab仿真实例对算法的有效性进行证明。

一种新的卷积反演快速算法

提出了一种新的卷积反演快速算法,比目前常规的快速算法节省运算量,且适应序列的长度为无限的情况.

对于在噪声环境下的反卷积系统的多传感器信息融合辨识算法

对于一个在噪声环境下的反卷积系统,当噪声为未知白噪声时,提出了一种多传感器信息融合辨识算法。该算法的核心是依次使用递推增广最小二乘法、相关函数法和Gevers-Wouters算法。使用该算法可以得到对系统未知参数和未知噪声的局部和融合估计,并且证明了辨识的收敛性。用Matlab软件对一个例子进行仿真,从而对算法的有效性做了说明。

对于带未知噪声的反卷积系统的多传感器信息融合辨识算法

对于一个带未知噪声的反卷积系统,提出一种基于自回归滑动平均(ARMA)模型的多传感器信息融合辨识算法,使用该算法可以得到对系统未知噪声统计和部分未知参数的局部和融合估计,并且证明了估计的收敛性。

一个时域离散反卷积的后向迭代算法

本文所提出的时域离散反卷积的后向迭代算法是一个直接在时域实现离散反卷积的算法.该方法不仅能避免传统的Fourier变换法当卷积核的谱存在零点时的困难。且当输入(或输出)信号的首元存在测量误差时,仍能给出准确的解,克服了传统Z变换法所存在的误差积累.最后,论论了在输入、输出信号受随机噪声干扰的情况下,用后向迭代法和前向迭代法的平均解类减少估值h(n)的方法。

对于反卷积系统的未知输入噪声的信息融合估计算法

对于一个反卷积系统,当系统输入噪声未知时,提出一种信息融合估计算法。该算法的核心是自回归滑动平均模型(ARMA)模型和Gevers-Wouters算法。应用该算法可以得到对未知输入噪声和未知滑动平均参数的局部和融合估计,并证明了该算法的收敛性。用Matlab对一个例子进行仿真得到估值收敛于真实值,从而对算法的有效性进行了验证。

反卷积算法在超宽带时域测量中的应用

由于超宽带信号的有效带宽受到系统硬件性能的限制,导致超宽带时域测量系统分辨率受到了严重制约。为实现超宽带时域测量系统的超分辨测量,将反卷积算法应用在测量系统数据处理过程中。根据测量系统中输入脉冲及输出信号的特点,选取高斯滤波器对反卷积处理带来的病态问题进行了修正。利用测量系统对长度特性小于系统分辨率的分支线进行测量,通过反卷积算法对测量数据的处理,得到了超分辨的测量结果,应用实例表明该算法能够提高超宽带时域测量系统的分辨力,证明了其在超宽带时域测量系统中应用的有效性。

极坐标系快速反卷积高分辨声图测量方法

二维反卷积声图测量中点扩散函数(PSF)的二维移变性导致算法计算量较大,为此提出了一种极坐标系下方位、距离分离降维处理的快速反卷积声图测量方法。该方法将二维移变反卷积运算转换为两次一维反卷积运算,同时利用方位维反卷积具有近似一维空域移不变特点,采用移不变模型进行计算,仅对距离维进行一维移变反卷积运算,从而减少算法的PSF存储空间和计算量。仿真和实验数据处理结果表明,所提方法显著降低了计算量,且与原二维移变模型反卷积声图测量方法的性能相近。