语义增强与高阶强交互的SAR图像舰船检测

合成孔径雷达(synthetic aperture radar,SAR)图像背景信息复杂、舰船目标边缘模糊,且多为容易丢失的小尺度舰船目标。针对上述问题,提出语义增强与高阶强交互的SAR图像舰船检测。该方法利用部分卷积与非对称卷积构建部分非对称卷积聚合网络,在减少计算复杂度、轻量化主干网络的同时,更好地捕捉多尺度舰船特征,同时在上采样部分引入双层路由注意力,增强对图像上下文信息的利用。另外,通过递归的方式进行特征提取,可以较好解决区域内信息交互的问题,实现不同级别特征之间的高阶交互建模,提升模型检测能力。在公开的HRSID遥感数据集上进行实验的结果表明,该方法的检测精度达到91.23%,相比原模型提升5.13%,准确率与召回率分别提升2.41%和7.16%,与主流算法相比具有较好的检测效果。

高阶微分方程启发的红外小目标检测网络

红外小目标检测广泛应用于红外检测、红外跟踪等诸多实际领域,但红外小目标检测难度较大,现有红外小目标检测方法不能解决复杂背景问题,并且在特征提取中容易丢失细节信息.因此,文中提出高阶微分方程启发的红外小目标检测网络.在可解释的理论指导下设计四阶Adams引导的特征融合模块,引入自适应权重因子,有效融合不同层级的多尺度信息,并将求解的高阶差分方程应用于网络,通过深层次的学习消除冗杂信息.目标特征增强模块使用不同尺度卷积构成的残差结构,旨在对原始特征进行抑制背景噪声和增强信息量大的多尺度特征操作.在公开数据集SIRST上的小目标检测实验表明,文中网络检测结果的多个评估指标值以及视觉效果均较优.

高阶分形特征在雷达信号检测中的应用

本文将高阶分形特征用于雷达信号的分析 ,提取出用于区分目标和杂波的新的分形特征———缝隙尺度变化率 .推导了缝隙值在加性分形噪声中的关系式 .实验表明 :利用缝隙特征进行海上雷达目标的检测 ,可以取得较分维值检测更高的准确率 .

基于高阶分形特征的海面运动目标检测方法

将高阶分形特征用于海面运动目标检测,提取出用于区分运动目标和海杂波的新的分形特征——缝隙特征。实验表明利用缝隙特征进行海面运动目标检测,可以取得较分形维检测更高的准确率。

纹理高阶分形特征在海面舰船目标检测中的应用

针对复杂海面环境下的舰船目标检测,分析了高阶分形特征缝隙在纹理分类中的应用,提出了一种基于分形维与缝隙的目标检测新方法,并利用该方法对海面舰船目标进行了检测。实验结果表明利用纹理分形维与缝隙特征进行海面舰船目标检测,可以取得较单一分形维检测更高的准确率。

基于分形特征提取的调制信号识别

研究了非平稳分形随机噪声背景下的信号调制识别问题。提取了盒维数、信息维数和高阶分形特征-缝隙尺度变化率构成分类特征向量空间,这些特征包含了信号幅度、频率和相位的变化规律,集中了各种调制方式之间的差异信息,通过理论分析和仿真表明,当 SNR>5dB 时,(1)分形特征对分形随机噪声不敏感,能充分保证分类特征在决策空间存在一个较清晰的边界;(2)在相同的 SNR 环境下,分形特征在分形噪声环境下比在高斯白噪声环境下有更好的稳定性,对5种调制样式的识别率均大于92.5%。

分形噪声中的雷达目标检测方法

将高阶分形特征用于雷达信号的分析，提取出用于区分目标和杂波的新分形特征——缝隙特征．分析了海杂波与目标回波的缝隙特征曲线，并结合模糊数学的有关理论进行了海杂波背景下的目标检测．仿真结果表明：利用缝隙特征进行雷达目标的检测。

基于边缘链码高阶分形特征的舰船目标检测算法

针对舰船目标和海杂波轮廓结构的不同,提出了基于边缘链码高阶分形特征的舰船目标检测算法,算法利用相对链码对5类舰船目标轮廓进行编码,分别计算分形维和缝隙,得到了舰船目标的4个分形特征的范围。实验结果表明边缘链码的4个分形特征能有效区分舰船目标和海杂波。

高阶分形特征在目标特征提取中的应用

将分形理论用于空中人造目标红外图像的分析，提取出用于区分目标和干扰物的新的分形特征缝隙特征．实验证明，此特征与传统特征相比具有较好的几何不变性。

双谱特征在水下目标自动识别中的应用

非高斯信号处理是信号处理的一个新领域。以舰船辐射噪声为主的噪声具有很强的非高斯性和非线性性。由此可利用信号双谱，提取舰船辐射噪声信号的非高斯成份。实验结果表明。

利用雷达回波的双谱特征进行目标识别

雷达目标的散射特征可用它的脉冲响应来表示,且通常散射存在的位置与散射产生的时间之间是一一对应的。但当目标比较复杂时,目标的脉冲响应中不仅有镜面散射产生的回波,还有多个散射相互作用产生的回波(即多径效应),这两种回波用我们通常的频谱、功率谱是无法区别的,但用双谱却能将它们加以区别,因而双谱能揭露隐藏在目标回波中的某些特征,利用这些特征可实现目标识别。本文研究了双谱特征的提取以及利用双谱特征进行目标识别的问题,并对实测的四种地面目标进行了识别实验,得到了较好的识别结果,从而证明了利用雷达回波的双谱特征进行目标识别是可行的。这也是利用目标回波的高阶谱进行特征提取和实现目标识别想法的一次尝试。

电调谐液晶滤光片及其在光纤通信中的应用

波长可调谐滤光器在波分复用、全光交换系统等领域具有广泛的应用价值。本文就电调谐液晶滤光片的滤光原理进行了分析。

基于YOLOv3模型的高阶目标检测方法

目标检测是计算机视觉的重要分支,目前基于深度学习的目标检测算法相较于传统目标检测算法在检测精度和检测时间上虽能略胜一筹,但其难以同时兼顾检测速度与检测精度,因此针对这一问题提出了改进YOLOv3后的Mul-YOLO目标检测网络。Mul-YOLO目标检测网络利用Haar小波进行数据预处理,将图像信息的低频特征在不同分辨率下层层分解,用以获得水平方向、垂直方向以及斜对角方向上的高频特征,进而利用高频特征记录的相应特征信息,减小被检测目标在几何状态变化、光照变化和背景变化下对检测精度带来的负面影响。在特征层上采样、卷积和拼接的过程中融入高阶计算,由此增强在有限的感受野内的特征表述能力,使得训练网络更加关注映射特征的显著性信息,增强了图像的分辨率,有效地减少了数据集训练过程中由连续的卷积和池化带来的信息丢失问题。在PASCAL VOC数据集下的实验结果表明,本文提出的Mul-YOLO目标检测模型相较于传统目标检测模型有了明显的改进,比如相较于Faster R-CNN ResNet提取特征的方法,mAP提高了8.97%,并且单张图片的检测时间提高了172 ms。与YOLOv3提取特征的方法相比,其mAP提高了33.48%,达到了检测精度与检测时间同时相得益彰的目的,综合其他比较结果,本文方法的有效性可以有效地得以验证。