微波视觉与SAR图像智能解译

高分辨率雷达成像技术和人工智能、大数据技术的快速发展,有力促进了雷达图像智能解译技术的进步。由于雷达传感器本身的特殊性和电磁散射成像物理的复杂性,雷达图像的解译缺乏光学图像的直观性,准确迅速识别分类的需求对雷达图像解译提出了迫切的挑战。在借鉴人脑光视觉感知机理和计算机视觉图像处理相关技术基础上,进一步融合电磁散射物理规律及其雷达成像机理,我们提出发展微波域雷达图像解译的“微波视觉”的新交叉领域研究。该文介绍微波视觉的概念与内涵,提出微波视觉认知模型,阐述其基础理论问题与技术路线,最后介绍了作者团队在相关问题上的初步研究进展。

人体组织液特性对SAR值的影响及修正模型

比吸收率(specific absorption ratio,SAR)值测量所使用的组织液特性与规范标准中给出的组织液目标值会有一定偏差。此时,需要对SAR值的测量结果进行修正。针对此问题,提出了一种修正模型,修正模型基于电磁仿真的方法建立。通过在835 MHz频点与IEC 62209\IEEE 1528标准中的数据进行比较,对建模方法进行了验证。基于此建模方法,给出了3.5 GHz及28 GHz这2个下一代移动通信备选频段下的SAR值修正模型。使用此修正模型将减小SAR值测量的不确定度,进而提升各测量实验室间SAR符合性评定结果的一致性。使用此修正模型的另一个好处在于,该修正模型允许更大的组织液特性偏差,这将有助于降低SAR值测量的成本。

变应性鼻炎对SARS-CoV-2感染的影响调查

目的探讨患有变应性鼻炎(allergic rhinitis,AR)是否会影响新型冠状病毒(SARS-CoV-2)感染的比率和严重程度。方法招募AR患者及无AR的对照者,进行单中心回顾性问卷调查。问卷内容包括受访者的基本人口学特征,是否有SARS-CoV-2感染,感染症状的严重程度评分,以及可能影响感染严重度的危险因素,完成问卷后进行统计分析。结果AR组SARS-CoV-2感染率为83.9%(162/193),对照组感染率为86.0%(166/193),两组比较差异无统计学意义(P>0.05)。AR组的感染症状严重度总评分为10(7,14)分,与对照组[10(6,13)分]比较,差异无统计学意义(P>0.05)。AR患者感染SARS-CoV-2后的憋气、呕吐、腹泻症状要比对照组更严重。男性AR患者的SARS-CoV-2感染症状严重度总评分[8.0(5.8,11.0)分]低于女性AR患者[10.5(8.0,14.0)分],差异有统计学意义(P=0.002)。结论在本研究调查的SARS-CoV-2感染轻症群体中,AR患者与对照组的感染率及严重度均未见差异,但性别可能会影响AR患者感染症状的严重程度。

方位向调制干扰对高分宽幅多通道SAR的影响

多通道合成孔径雷达(synthetic aperture radar,SAR)能够利用方位向多通道重构处理去除多普勒模糊,获得高分宽幅SAR图像。针对此特殊的多通道重构处理方式,研究了传统SAR方位向调制干扰对高分宽幅多通道SAR的影响,包括多普勒调制干扰和脉冲延迟转发干扰两种类型的方位向调制干扰方式,为高分宽幅多通道SAR干扰决策提供理论基础。理论分析指出,多普勒调制干扰信号经成像处理后将在方位向生成等间隔分布的虚假目标,并且幅度受与多普勒调制频率相关的正弦函数和匹配滤波损失联合调制;而脉冲延迟转发干扰信号在成像后将只有单个干扰目标出现,且目标的方位位置仅与延迟的脉冲数有关。仿真实验验证了理论分析的正确性。

基于编解码网络的SAR影像建筑物提取

针对合成孔径雷达(synthetic aperture radar,SAR)遥感图像中出现的散斑噪声和几何畸变对建筑物提取过程造成干扰的问题,提出了一种多尺度特征注意力融合(multi-scale feature attention fusion,MSFAF)网络。首先,结合深度神经网络和SAR图像的优势,在深层处设计了一个空间注意力融合(spatial attention fusion,SAF)模块,来整合不同层次的特征以及关注重要的空间信息。然后,利用不同尺度的卷积核以及对通道信息的转换,提出了一个多尺度细节提取(multi-scale detail extraction,MSDE)模块用于提取不同尺度的特征信息和重新分配通道信息,有利于缓解散斑噪声的干扰问题。实验证明了所提方法在SAR图像建筑物提取中取得了比其他现存方法更加优秀的性能。

基于SAR阻抗匹配的WPT最大效率跟踪控制方法

无线电能传输(WPT)技术因其安全、便捷、非接触等优点而备受关注。最大效率传输是WPT系统中一个重要课题。传统的最大效率跟踪方法通常设定系统在固定耦合条件进行负载阻抗匹配,然而,耦合系数会在初级和次级线圈相对位置变化时不可避免地发生变化。提出基于耦合系数辨识与半有源整流(SAR)阻抗匹配的最大效率跟踪控制方法,该方法利用SAR结合耦合系数识别进行阻抗匹配,开关控制电容(SCC)补偿其阻抗虚部,避免了整流电路中非线性因素的影响。同时系统响应较快且控制方法便于实现。仿真和实验结果表明,耦合系数和等效负载变化时,都可以准确估计耦合系数并跟踪至最大效率点和输出恒压。

SARS-CoV-2合并感染患者的病原微生物分布特征及耐药性分析

目的分析严重急性呼吸综合征冠状病毒2(severe acute respiratory syndrome coronavirus 2,SARS-CoV-2)合并感染患者病原微生物分布特点及耐药情况,为临床诊治提供依据。方法收集2022年12月至2023年2月延安大学附属医院收治的2019冠状病毒病(corona virus disease 2019,COVID-19)患者637例的临床资料,回顾性分析其临床特征及合并感染病原微生物情况。结果COVID-19患者以老年人为主,合并基础疾病患者占79.59%,好转及痊愈患者高达91.05%。培养阳性标本来源于呼吸道、血液和尿液,合并感染的病原微生物分别以肺炎克雷伯杆菌、凝固酶阴性葡萄球菌(coagulase negative staphylococci,CNS)和真菌为主。药敏试验结果显示,肺炎克雷伯杆菌对β内酰胺类抗生素及三代、四代头孢菌素类抗生素耐药率较低(14%~20%),鲍曼不动杆菌对氨基糖苷类抗生素和β内酰胺类复合物较为耐药(均>45%),大肠埃希菌对β内酰胺类抗生素及其复合物耐药率较低(14%~19%)。金黄色葡萄球菌、CNS、屎肠球菌、粪肠球菌均未发现对万古霉素、利奈唑胺、替加环素耐药。结论COVID-19合并感染病原体以革兰阴性菌及真菌为主,感染部位以呼吸道为主,主要病原菌为肺炎克雷伯杆菌。鲍曼不动杆菌对氨基糖苷类抗生素和β内酰胺类复合物耐药率高于全国细菌耐药平均水平,提示临床上应根据COVID-19患者的微生物鉴定和药敏试验结果,选择对症药物治疗,以改善患者预后。

基于长短路融合及数据平衡的SAR船舶检测算法

针对SAR图像检测船舶任务中的目标小、近岸样本目标检测困难等问题,文章提出一种名为长短路特征融合网络(Long and Short path Feature Fusion Network,LSFF-Net)的船舶检测网络。该网络通过长短路特征融合模块有效协调了大目标与小目标检测,避免小目标特征信息的丢失。网络中应用结构重参数化结构提高了模块学习能力。为了满足多尺度目标检测,加入特征金字塔网络,融合多尺度特征。为了应对近岸样本目标检测,设计数据重分配算法,提高了对近岸样本目标的检测精度。实验结果表明:在公开数据集检测时,算法的平均精度(Average Precision,AP)达到97.50%,优于主流目标检测算法。该方法为提高SAR图像中小目标和近岸样本目标检测精度提供了新的实现方案。

糖尿病患者接种SARS-Cov-2疫苗后的免疫反应:系统评价

目的系统评价糖尿病患者在接种SARS-CoV-2疫苗后的体液和细胞免疫反应。方法检索Web of Science、PubMed、中国知网、万方数据知识服务平台、维普中文科技期刊全文数据库和中国生物医学文献数据库,获取国内外于2019年12月1日至2022年5月12日公开发表的有关糖尿病患者接种SARS-CoV-2疫苗后的体液和细胞免疫反应的观察性研究,经由2名研究者独立筛选文献和提取资料后,采用美国国立卫生研究质量评价工具对纳入文献进行偏倚风险评价,使用描述性统计方法进行汇总分析。结果13篇文献共纳入66651例研究对象,其中5874例(7.9%)患有糖尿病。7篇文献报道了接种第1剂疫苗后糖尿病患者和对照组的免疫反应,其中3篇文献表明,接种1剂SARS-CoV-2疫苗后,糖尿病患者血清抗体水平和阳性率低于对照组;11篇涉及接种2剂SARS-CoV-2疫苗后的免疫反应的文献中,2篇报道了糖尿病患者可产生与对照组相似的抗体反应,9篇报道了糖尿病患者的血清抗体水平、阳性率或细胞免疫反应低于对照组。结论接种SARS-CoV-2疫苗后糖尿病患者和对照组体液和细胞免疫反应均有所增加,但糖尿病患者增加幅度普遍低于对照组。

嵌入注意力机制的深度可分离卷积SAR目标识别

深度可分离卷积(Depthwise Separable Convolution,DSC)的应用使得深度学习的网络模型轻量化。在此基础上,提出了嵌入注意力机制的DSC合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别方法。通过将DSC与注意力机制结合,提高网络对目标重要特征的学习能力;将多个DSC进行叠加和并联,设计多尺度网络模块,增强不同深度网络的特征提取能力;通过残差连接缓解深层网络的梯度弥散和梯度爆炸问题。使用公开数据集实验表明,所提方法在网络模型参数量较小的情况下,获得99.0%的平均识别率,具有较强的识别优势。

考虑速度聚束效应的SAR海浪成像仿真方法

针对合成孔径雷达(SAR)海浪成像仿真技术对于速度聚束效应的考虑不充分,仿真数据无法准确反映实际SAR数据的问题,建立一种充分考虑速度聚束效应的SAR海浪成像仿真方法并进行了实验验证。计算了SAR图像强度的概率密度分布的仿真结果与理论结果之间的均方误差(MSE),在风速分别为5、10和15 m/s时,考虑速度聚束效应前、后比对结果的MSE分别为0.1012、0.1576、0.0556与0.0179、0.0314、0.0088。仿真结果表明,所提SAR海浪成像仿真方法有效提高了仿真数据的准确性,对SAR海浪成像的应用具有一定实用价值。

hiPSCs分化的细胞和类器官在SARS-CoV-2感染研究上的应用

SARS-CoV-2引起全球性传染病COVID-19的大流行,SARS-CoV-2感染研究对于了解人体细胞和器官被此种病毒感染后的病理反应具有重要意义。将hiPSCs分化为呼吸道、肺类器官、神经系统细胞、脑类器官、心肌细胞、血管、肠类器官和肾类器官,进行SARS-CoV-2感染研究,发现这些细胞和类器官受SARS-CoV-2感染,生理活性受损,生理功能削弱,促炎性因子分泌增加,类器官发生炎症反应和功能退化现象。因此,hiPSCs分化的细胞和类器官可用于SARS-CoV-2感染研究,病毒感染会影响这些细胞和类器官的功能。

面向目视解译的全极化SAR船只精细化特征表征方法

随着卫星技术的发展,极化合成孔径雷达(PolSAR)数据的分辨率和数据质量得到大幅提升,为人造目标的精细化目视解译提供了良好的数据条件。目前主要采用多分量分解的方法,但是易造成像素错分问题,为此,该文结合Yamaguchi极化分解和极化熵提出了一种非固定阈值划分的方法用于实现全极化SAR图像船只结构精细化特征表征。Yamaguchi极化分解能够识别基本散射机制,其修正后的体散射模型更符合实测数据,可有效对人造目标进行表征。极化熵H在弱去极化状态下可以看成某一指定等效点的目标散射机制,能够有效突出船只主散射特征。因此,该文通过将Yamaguchi极化分解算法的非固定三分量与极化熵的低中高熵内嵌,将其分为非固定阈值的九分类成分,从而降低硬阈值处理在阈值边界处受噪声影响产生的类别随机性。并且将二次散射和单次散射均显著的区域称为混合散射(MSM),以更好匹配实验中船只典型结构的散射类型。在此基础上,利用广义相似性参数进一步缩短类内距离,采用改进后的GSP-Wishart分类器进行迭代聚类,旨在通过提高二次散射和混合散射机制以提高不同类型船只可区分度。最后,该文采用中国上海某港口的高分三号全极化SAR数据进行实验,为了验证每艘船只特征表征正确性,通过船舶自动识别系统(AIS)收集并筛选了该港口船只信息及光学数据,并与极化SAR数据中每艘船只进行匹配。实验结果表明该方法可有效区分散货船、集装箱船和油轮3种类型船只。

格式塔感知规律在SAR图像中的有效性初探

合成孔径雷达(SAR)图像是当前微波视觉研究领域的重要数据源。计算机视觉以光学视觉规律为理论基础,无法有效解译SAR图像。因此,借鉴人类视觉感知规律和计算机视觉技术,并融合电磁物理规律的微波视觉成为当前微波遥感领域的一个重要研究方向。探索微波视觉的认知基础对于完善微波视觉理论体系至关重要。该文旨在探讨光学感知规律在微波视觉中的有效性,作为完善微波视觉理论的基础尝试。格式塔感知规律是一类经典的视觉理论,常用于描述人类视觉系统对外部光学世界的感知规律,是计算机视觉的认知理论基础之一。在此背景下,该文以SAR图像为研究对象,借鉴认知心理学实验的设计流程,对格式塔感知规律中的感知组合律和感知不变律在SAR图像中的有效性进行初步研究,探索微波视觉的认知基础。实验结果表明,格式塔感知规律不能够直接应用到SAR图像的算法设计中,人类视觉系统从光学世界中总结出的知识概念、视觉规律在SAR图像中表现不佳,未来需要针对SAR图像等微波图像的特点总结相应的微波视觉认知规律。

大幅宽SAR图像嵌入式舰船实时检测系统设计

针对星载或机载高分辨率合成孔径雷达(synthetic aperture radar,SAR)实时成像后的大幅宽SAR图像舰船实时检测的应用需求,传统的基于FPGA+DSP的嵌入式系统很难同时实现SAR成像处理和基于人工智能技术的大幅宽SAR图像舰船实时检测,为此设计了一种基于3U VPX FPGA+GPU架构的大幅宽SAR图像嵌入式舰船实时检测系统;提出了一种基于YOLOv5s的舰船检测模型,采用基于L2-范数稀疏性惩罚的缩放因子控制法进行轻量化,轻量化舰船检测模型的参数量减小了47.39%,计算量减少了18.67%,平均检测精度为0.968;将轻量化舰船检测模型应用于大幅宽SAR图像嵌入式舰船实时检测系统,并针对典型的10 km×10 km的大幅宽图像应用场景,设计开发基于多线程技术和基于GPU的众核并行计算技术的大幅宽SAR图像嵌入式实时检测系统软件;通过公开的SAR数据集进行功能验证和性能评估,该系统能够满足不同分辨率的大幅宽SAR图像舰船实时检测需求。

SAR图像飞机目标智能检测识别技术研究进展与展望

合成孔径雷达(SAR)采用相干成像机制,具有全天时、全天候成像的独特优势。飞机目标作为一种典型高价值目标,其检测与识别已成为SAR图像解译领域的研究热点。近年来,深度学习技术的引入,极大提升了SAR图像飞机目标检测与识别的性能。该文结合团队在SAR图像目标特别是飞机目标的检测与识别理论、算法及应用等方面的长期研究积累,对基于深度学习的SAR图像飞机目标检测与识别进行了全面回顾和综述,深入分析了SAR图像飞机目标特性及检测识别难点,总结了最新的研究进展以及不同方法的特点和应用场景,汇总整理了公开数据集及常用性能评估指标,最后,探讨了该领域研究面临的挑战和发展趋势。

面向SAR图像目标分类的CNN模型可视化方法

卷积神经网络(CNN)在合成孔径雷达(SAR)图像目标分类任务中应用广泛。由于网络工作机理不透明,CNN模型难以满足高可靠性实际应用的要求。类激活映射方法常用于可视化CNN模型的决策区域,但现有方法主要基于通道级或空间级类激活权重,且在SAR图像数据集上的应用仍处于起步阶段。基于此,该文从神经元特征提取能力和网络决策依据两个层面出发,提出了一种面向SAR图像的CNN模型可视化方法。首先,基于神经元的激活值,对神经元在其感受野范围内的目标结构学习能力进行可视化,然后提出一种通道-空间混合的类激活映射方法,通过对SAR图像中的重要区域进行定位,为模型的决策过程提供依据。实验结果表明,该方法给出了模型在不同设置下的可解释性分析,有效拓展了卷积神经网络在SAR图像上的可视化应用。

星载视频SAR模式设计与数据处理

视频SAR可实现对重点区域持续观测并以视频方式呈现出来,其高帧率成像特性有利于对地面/海面机动目标的实时探测,视频SAR及其相关技术作为一种新颖的SAR观测模式成为近年的研究热点。从合成孔径原理出发,SAR载频越高,方位调频率绝对值越大,实现相同分辨率的合成孔径时间越短,越有利于视频的生成,因此通过合理的系统设计,Ka频段星载SAR具备视频工作的能力。然而星载SAR作用距离远,实现视频观测的几何模型、波位设计方案与机载SAR存在较大差异;此外,星载视频SAR幅宽较大,数据量和处理计算量需求巨大,如何快速实现数据处理是保证图像获取及后续应用时效性必须考虑的问题。本文基于珞珈二号(Luojia-2)SAR载荷和实测数据开展了相关研究,首先基于珞珈二号SAR卫星轨道以及平台能力设计了可实际应用的视频模式波位,其次基于时域成像算法提出了一种适合于星载视频SAR快速成像的流水线处理流程,最后基于珞珈二号实测数据完成了视频SAR成像处理。实测数据处理结果表明所提成像处理流程方法适合于星载视频SAR处理快速成像,可高效完成珞珈二号视频SAR实测数据处理。

基于跨域小样本学习的SAR图像目标识别方法

由于SAR图像获取难度大,可供研究的样本数量较少,解决有限样本条件下SAR图像目标识别问题成为业界公认的挑战。随着深度学习在计算机视觉领域的发展,衍生出了多种小样本图像分类方法,因此考虑采用跨域小样本学习范式解决小样本SAR图像目标识别问题。具体地,先在多个源域中训练得到不同域的特征提取器,而后通过知识蒸馏的方法获取一个通用的特征提取器,这里采用中心核对齐的方法,将提取的特征映射到一个更高维的空间,从而更好地区分原特征之间的非线性相似性;通过上一阶段获得的通用特征提取器提取目标域图像特征,最后采用原型网络的方法预测样本的类别。实验证明,该方法在缩减模型参数的同时,获得了88.61%的准确率,为解决小样本SAR图像目标识别问题提供了新的思路。

基于CAM-YOLOX的大场景SAR图像近岸场景舰船目标检测

针对大场景SAR图像近岸场景舰船目标检测中遇到的陆地目标虚警和岸边目标漏检等问题,基于YOLOX设计了一种轻量化的改进模型CAM-YOLOX。首先,在骨干部分嵌入CAM,增强舰船特征提取以保持较高的检测性能;其次,在特征金字塔网络结构中增加一个浅层分支,以增强对小目标特征的提取能力;最后,在特征融合网络中用Shuffle unit替换CSPLayer中的CBS和堆叠的Bottleneck结构,实现了模型压缩。在LS-SSDD-v1.0遥感数据集上进行实验,实验结果表明,本文改进算法相较于原始算法在近岸场景舰船检测的精确率P提高了5.51%,召回率R提高了3.68%,模型参数量减小了16.33%。本文算法能在不增加模型参数量的情况下,有效抑制近岸场景中陆地上的虚警和减少岸边舰船漏检率。