基于超像素和图割算法的智能视觉水位识别

针对水位测量中由于水尺污渍和倾斜的影响,造成观读数据极易出错的问题,提出了一种基于改进的超像素与图割算法的智能视觉水位识别算法。对水尺图像进行预处理的基础上,为校正水尺图像的角度倾斜,提出了金字塔结构Hough变换的角度倾斜校正算法,将水尺图像进行2抽取,得到不同分辨率的金字塔结构图像,对从低到高分辨率图像应用Hough变换,逐步缩小搜素倾斜角度范围,得到水尺的精确倾斜角度并进行校正;其次,为解决因水尺污渍而影响读数的问题,将中值滤波思想融入超像素种子点定位中,通过改进的超像素算法在滤去污渍噪声的同时对校正后的水尺图像进行预分割;在图割算法中构建邻域像素相似度的能量函数边界项,应用改进的图割算法实现水尺图像的可靠分割,确定水尺头部区域和测量区域;最后,分别对水尺头部和测量区域进行识别,得到准确的水位数据。实验结果表明,对比实际的测试结果,所提算法识别出的水位数据准确性高,具有较高的应用价值。

多向加权Tsallis熵最大化导向的自动阈值分割方法

受噪声或随机细节、目标和背景的大小比例、成像时的点扩散等不同因素的影响,许多图像的灰度直方图呈现为无模态、单模态、双模态或者多模态样式.为了在统一框架内处理这4种不同模态情形下的自动阈值选择问题,本文提出了一种多向加权Tsallis熵最大化导向的自动阈值分割方法(Multi-directional Weighted Tsallis Entropy,MWTE).基于新设计的反正切方向性卷积核的多尺度乘积效应,该方法将不同模态的灰度直方图转化为统一的单模态右偏灰度直方图.在4个不同方向上提取出这种特殊的单模态右偏灰度直方图后,通过多向加权策略构建出与原始图像灰度值紧密相关的加权Tsallis熵目标函数,并以该目标函数取最大值时对应的灰度值作为最终分割阈值.本文将提出的方法和3个阈值分割方法、1个软分割方法、1个活动轮廓分割方法以及1个自动聚类分割方法进行了比较.在4种不同模态情形下的4幅合成图像和50幅真实世界图像上的实验结果表明,本文提出的方法虽然在计算效率方面不占有优势,但它对不同模态的测试图像具有更稳健的分割适应性,且在量化分割精度所用的马修斯相关系数方面优于其他6个分割方法.

动态场景的三维重建研究综述

随着静态场景三维重建算法的不断成熟,动态场景三维重建算法成为近年来的研究热点和研究难点。现有的静态场景三维重建算法对静止的对象有较好的重建效果,一旦场景中对象出现变形或者是相对运动,其重建效果不太理想,因此发展对动态场景的三维重建研究工作是相当重要的。简要介绍三维重建的相关概念及基本知识、静态场景三维重建和动态场景三维重建的研究分类及研究现状;全面总结了动态场景三维重建研究最新进展,将动态场景三维重建按照基于RGB数据源的动态三维重建和基于RGB-D数据源的动态三维重建进行分类,其中RGB数据源下又可划分为基于模板的动态三维重建、基于非刚性运动恢复结构的动态三维重建和RGB数据源下基于学习的动态三维重建,RGB-D数据源下主要总结归纳基于学习的动态三维重建,对各类典型重建算法进行了介绍和对比分析;介绍了动态场景三维重建在医学、智能制造、虚拟现实与增强现实、交通等领域的应用;提出了动态场景三维重建的未来研究方向,并对这个快速发展领域中的各个方向研究进行了展望。

全尺度密集卷积U型网络的视网膜血管分割算法

针对视网膜图像中血管尺度跨度大、细小血管与背景高度相似导致误分割和未分割等问题,提出一种全尺度密集卷积U型网络的视网膜血管分割方法。为提取更复杂的特征信息,构建级联卷积融合密集块(cascade convolutional fusion dense blocks, CCF-DB)作为U型网络的编解码器用以提取视网膜血管的特征信息;在网络最底端嵌入混合注意力级联卷积密集块(mixed attention cascaded convolutional dense block, MACC-DB),进一步提升感受野,获取更高维的语义特征信息;在模型的解码部分采用全尺度的跳跃连接,捕获不同尺度下的血管特征信息,提升模型的分割精度。实验结果表明,在DRIVE数据集上,相比于U-Net、U-Net3+、SA-Unet、FR-Unet等算法,此算法的AUC值达到了98.26%,准确率为95.82%;在CHASE-DB1数据集上,此算法的AUC值达98.84%,准确率达96.66%。采用此算法进行视网膜血管分割,分割的精度和鲁棒性均有不同程度的提升,对细小血管分割达到了优良的效果。

雷达属性散射中心的快速目标分类和参数估计

雷达属性散射中心模型的属性参数能够提供目标更为丰富的重要信息,属性散射中心参数估计对解析雷达目标有着极其重要的研究意义。针对雷达属性散射中心模型,提出了基于深度学习的雷达属性散射中心快速目标分类和参数估计的技术。首先利用ViT(vision transformer)深度学习网络将雷达属性散射中心分类为局部式和分布式两类,然后基于TS2Vec框架构建针对属性散射中心参数估计的卷积神经网络(convolutional neural network for attribute scattering centers,ASCNN),最后分别对两种数据进行训练以实现局部式和分布式属性散射中心的参数估计。基于属性散射中心模型展开数值实验,实验结果表明,该方法对雷达属性散射中心目标分类的准确率高达99%以上;雷达属性散射中心参数估计的速度超过传统方法的10000倍以上,且精度更高,验证了所提方法的有效性和优越性。

无人机辅助的双层深度强化学习任务卸载算法

为了解决无人机轨迹优化、用户功率分配和任务卸载策略问题,提出了一种双层深度强化学习任务卸载算法。上层采用多智能体深度强化学习来优化无人机的轨迹,并动态分配用户的传输功率以提高网络传输速率;下层采用多个并行的深度神经网络来求解最优卸载决策以最小化网络的时延和能耗。仿真结果表明,该算法使得无人机能够跟踪用户的移动,显著降低系统的时延和能耗,能够给用户提供更优质的任务卸载服务。

基于多层次不真实性传播结构的社交媒体谣言检测

当前谣言检测工作主要研究谣言传播的方向特性,而忽视了谣言传播的全局结构特性,导致不能充分挖掘谣言潜在的结构特征;此外,现有研究忽略了谣言原始传播结构中存在的不真实关系,从而限制了传播节点特征的学习。为此,该文提出一种多层次的动态传播注意力网络模型(Multi-level Dynamic Propagation Attention Networks,MDPAN)用于检测谣言。该模型通过节点级注意力学习谣言传播图中所有连接边的贡献度,动态地关注对识别谣言有用的传播关系,并基于图卷积网络分别提取谣言不同层次的传播特征、扩散特征以及全局结构特征,最后引入基于注意力机制的池化方法对这些多层次的特征进行有效融合。在公开的Twitter15、Twitter16和Weibo16数据集上的实验结果表明,该文所提出的模型对比主流基于传播结构的EBGCN模型,整体准确率分别提高了2.1%、0.7%和1.7%。

基于注意力的循环PPO算法及其应用

针对深度强化学习算法在部分可观测环境中面临信息掌握不足、存在随机因素等问题,提出了一种融合注意力机制与循环神经网络的近端策略优化算法(ARPPO算法)。该算法首先通过卷积网络层提取特征;其次采用注意力机制突出状态中重要的关键信息;再次通过LSTM网络提取数据的时域特性;最后基于Actor-Critic结构的PPO算法进行策略学习与训练提升。基于Gym-Minigrid环境设计了两项探索任务的消融与对比实验,实验结果表明ARPPO算法较已有的A2C算法、PPO算法、RPPO算法具有更快的收敛速度,且ARPPO算法在收敛之后具有很强的稳定性,并对存在随机因素的未知环境具备更强的适应力。

多层次结构与半监督学习的谣言检测研究

当前谣言检测工作主要基于监督学习,需要人为标记数据而导致检测具有滞后性。为了充分利用大量的未标记数据,及时检测社交网络中的虚假谣言。提出了一种基于多层次结构与半监督学习谣言检测模型(multi-level semi spuervised graph convolutional neural network, MSGCN)。该模型构建了一种多层次检测模块,基于图卷积网络对有限的标记样本进行训练以提取多层次传播结构特征、扩散结构特征和全局结构特征。其次,引入随机模型扰动集成无标签数据的动态输出进行一致性预测,提出互补伪标签法来获取高质量伪标签数据,并将其加入标记数据扩充样本。最后在有监督交叉熵损失和无监督一致性损失约束下提高模型质量。在公开的Twitter15、Twitter16和Weibo数据集上的实验结果表明,所提出模型在30%标记样本下准确率达到88.3%、90.1%和95.5%,在少量的标记样本下便可达到优异的成绩。

融合MacBERT和Talking⁃Heads Attention实体关系联合抽取模型

针对现有的医学文本关系抽取任务模型在训练过程中存在语义理解能力不足,可能导致关系抽取的效果不尽人意的问题,文中提出一种融合MacBERT和Talking⁃Heads Attention的实体关系联合抽取模型。该模型首先利用MacBERT语言模型来获取动态字向量表达,MacBERT作为改进的BERT模型,能够减少预训练和微调阶段之间的差异,从而提高模型的泛化能力;然后,将这些动态字向量表达输入到双向门控循环单元(BiGRU)中,以便提取文本的上下文特征。BiGRU是一种改进的循环神经网络(RNN),具有更好的长期依赖捕获能力。在获取文本上下文特征之后,使用Talking⁃Heads Attention来获取全局特征。Talking⁃Heads Attention是一种自注意力机制,可以捕获文本中不同位置之间的关系,从而提高关系抽取的准确性。实验结果表明,与实体关系联合抽取模型GRTE相比,该模型F1值提升1%,precision值提升0.4%,recall值提升1.5%。

多向加权作用下的直觉模糊相似性最大化导向的阈值分割方法

针对现有阈值分割方法中存在的分割精确性和分割适应性欠佳等问题,提出一种多向加权作用下的直觉模糊相似性最大化导向的阈值分割方法。该方法首先运用各向异性高斯一阶导卷积核对输入图像进行多方向卷积运算和多尺度乘积变换,得到四个方向下的具有单峰直方图模态的四幅参考图像;然后通过二值轮廓图像对四幅参考图像进行采样构建对应的直觉模糊集;最后运用多向加权策略,将不同方向的四个直觉模糊集融合以构建相似性目标函数,并以该目标函数取最大值时对应的灰度值作为分割阈值。提出的方法与5种新近的分割方法进行了全面比较,在8幅合成图像和88幅真实世界图像上的实验结果表明:提出的方法具有更高的分割精确性和更灵活的分割适应性,在合成图像和真实世界图像上的平均马修斯相关系数方面分别达到了0.998和0.964,相较于分割精度第2的方法分别提高了39.90%和26.22%。

基于YOLOv8s改进的小目标检测算法

针对目标检测任务中小目标尺寸较小、背景复杂、特征提取能力不足、漏检和误检严重等问题,提出了一种基于YOLOv8s改进的小目标检测算法——Improved-v8s。Improved-v8s算法重新设计了特征提取和特征融合网络,优化检测层架构,增强浅层信息和深层信息的融合,提高了小目标的感知和捕获能力;在特征提取网络中使用部分卷积(Partial Convolution,PConv)和高效多尺度注意力(Efficient Multi-scale Attention,EMA)机制构建全新的F_C_(2)f_EMA,在降低网络参数量和计算量的同时,通过通道重塑和维度分组最大化保留小目标的特征信息;为了更好地匹配小目标的尺度,优化调整SPPCSPC池化核的尺寸,同时引入无参注意力机制(Simple-parameter-free Attention Module,SimAM),加强复杂背景下小目标特征提取;在Neck部分使用轻量级上采样模块——CARAFE,通过特征重组和特征扩张保留更多的细节信息;引入了全局注意力机制(Global Attention Mechanism,GAM)通过全局上下文的关联建模,充分获取小目标的上下文信息;使用GSConv和Effective Squeeze-Excitation(EffectiveSE)设计全新的G_E_C_(2)f,进一步降低参数量,降低模型的误检率和漏检率;使用WIoU损失函数解决目标不均衡和尺度差异的问题,加快模型收敛的同时提高了回归的精度。实验结果表明,该算法在VisDrone2019数据集上的精确度(Precision)、召回率(Recall)和平均精度(mean Average Precision,mAP)为58.5%、46.0%和48.7%,相较于原始YOLOv8s网络分别提高了8%、8.5%和9.8%,显著提高了模型对小目标的检测能力。在WiderPerson和SSDD数据集上进行模型泛化性实验验证,效果优于其他经典算法。

改进YOLOv5的军事飞机检测算法

针对遥感图像中军事飞机目标检测存在的精度低、漏检和虚警率高等问题,提出了一种基于YOLOv5s的轻量化遥感图像军事飞机目标检测算法——YOLO-Military Aircraft Recognition(YOLO-MAR)。提出新的网络结构,完成多尺度感受野权重调整,重设计特征提取网络和特征融合网络,实现小目标特征权重增加,并进行轻量化处理;使用FPGM对重构后的模型进行剪枝,极大地降低了模型的参数量和体积;使用SIoU Loss作为模型的损失函数,使模型的收敛速度加快并提升检测的精度。结果表明,在公开军用飞机数据集MAR20上,YOLO-MAR相比于原YOLOv5s,模型体积降低至3.95 MB,缩小了71.5%,经过剪枝后的模型体积最小可缩减至0.2 MB,模型平均检测精度最高可达91.7%,提高了2.34%,并且在检测效果、模型体积、参数量和计算量等方面具有先进性,能够对军用飞机目标进行高质量实时检测。

基于ARIMA改进的实时动态滑坡预测模型

针对应急救援环境下,滑坡实时动态位移测量存在数据波动范围广、噪声大、模态混叠等问题,提出了一种基于CEEMDAN-Kmeans-ARIMA的组合预测模型。首先基于自适应噪声完备集合的经验模态分解算法,将添加PPP定位偏差噪声的斋藤模型信号分解为多个本征模态函数,并且根据K-means聚类算法将物理意义相近的本征模态函数进行聚类重构;然后针对多个聚类重构分量,构建最优的差分自回归移动平均预测模型;最后将聚类重构分量的预测值进行叠加,得到组合模型的预测值。实验结果表明,组合模型的MAPE指标相对于ARIMA单模型提高了2.16%,解决了ARIMA预测模型存在的突变量不敏感、剩余滑坡预测时间不准等问题。在救援环境下,采用所提出的模型对实时动态滑坡进行预警预测具有一定的工程应用价值。

基于深度学习的2D人体姿态估计浅析

近年来,随着深度学习技术的发展,基于深度学习的2D人体姿态估计展现出了极其优异的效果。文章主要对2014年以来基于深度学习的2D人体姿态估计相关内容进行了分析和评述,包括对主流方法的介绍和对数据集评价指标的总结对比,最后还讨论了2D人体姿态估计的未来研究方向。

交通标志的检测与识别方法研究综述

交通标志的检测与识别是当今目标检测领域一项较为关键的技术,在智能交通系统和辅助驾驶技术中发挥着重要作用。对交通标志检测与识别领域早期的传统方法和现阶段较流行的深度学习方法分别做了阐述和分析,相较于传统的交通检测和交通识别方法,基于深度学习的方法更能兼顾准确性和实时性,对于遮挡、光线变化、目标太小等情况有很好的鲁棒性。最后总结了国内外常用的交通标志数据集,并对深度学习方法在该领域的发展进行了展望。

基于改进YOLOv7的SAR图像舰船目标检测算法

针对SAR舰船数据集小物体在图像中像素占比小、物体识别不清、检测效率低等问题,提出一种改进YOLOv7的SAR舰船目标检测算法STSD-YOLO。首先,根据SAR图像特点,重新设计网络结构,改变多尺度特征融合与特征提取的关系,解决下采样次数过多而丢失细节特征的问题;然后,使用轻量型注意力机制Shuffle Attention,在空间域与通道域注意力机制基础上,融合特征分组与通道置换,提升网络特征提取能力,降低计算复杂度;其次,引入卷积变体DSConv,通过在可变量化内核中仅储存整数来实现减少计算量;最后,加入NWD度量,将边界框建模为2D高斯分布,以衡量小物体的边界框之间的相似性来增强对小物体的检测性能。使用HRSID舰船数据集进行了实验验证,结果表明,相较于基准算法,所提STSD-YOLO算法在舰船检测任务中mAP提升9.9%,模型体积下降62.55%。通过对比实验验证,所提改进算法对比其余主流算法检测效果更优,能有效解决SAR图像检测的问题,可以胜任SAR图像中的舰船检测任务。

基于K-means聚类的相控阵任意形状波束子阵综合方法

传统相控阵由于设计复杂性和成本过高,已经不能满足日益增长的应用需求,子阵划分等技术较好地解决了这个问题。本文提出一种任意形状波束相控阵子阵综合方法,在激励匹配策略下,将子阵综合问题转化为一个子阵布局优化问题,而子阵的复激励可解析地从参考阵列激励计算得到。利用一种无监督聚类K-means方法对子阵布局优化问题进行求解,该方法能同时对子阵的激励幅相进行优化,增加了子阵综合的自由度和灵活性。在任意形状波束子阵综合数值算例中,通过与传统智能优化方法在方向图逼近、激励匹配代价函数、阵列性能参数及计算效率等方面的比较,验证了所提方法的有效性。

基于等效电路的反射型双波段线-圆极化转换器快速设计方法

针对卫星通信高频段、高效率以及极化方式的应用需求,本文设计了一种反射型双波段线-圆极化转换器,基于传输线理论建立等效电路模型,并引入调节因子对极化转换器的几何参数进行数值修正,使模型具有较高的准确性。在此基础上采用粒子群优化(particle swarm optimizer,PSO)方法,设计了一种可以在K/Ka波段卫星通信中实现双频段、双极化转换功能的反射型极化转换器。经过数值与仿真分析得出,该极化转换器可以在发送信道(19.2~21.2 GHz)实现左旋圆极化(left-hand circularly polarization,LHCP),在接收信道(29.2~30.8GHz)实现右旋圆极化(right-hand circularly polarization,RHCP),并且可以在最大入射角范围∆θ=45°(θ_(min)=0°,θ_(max)=45°)内使轴比(axial ratio,AR)低于3 dB。与CST全波电磁仿真技术及高斯过程回归(Gaussian process regression,GPR)模型相比,该文提出的等效电路模型大大降低了时间成本,显著提高了极化转换器的设计效率。

基于时间序列组合逻辑运算的智能视频监控报警算法

针对智慧小区视频监控中多目标的判别与报警问题,提出一种基于时间序列组合逻辑运算的智能视频监控报警算法。为实现在多摄像机、多触发事件的协同工作,以完成对目标的检测、跟踪及分析,构建了各触发事件之间依据逻辑与、或、非等组合逻辑运算规则来满足智能监控的要求;其次,引入事件触发时间、顺序及优先级别等因素,构建基于时间序列的监控系统报警组合逻辑运算算法,所有触发事件按时间序列组合逻辑运算规定,触发视频监控系统报警。实验结果表明,所提算法可综合应用多视频信号源实现多触发信号混合使用与报警,实现安全可控、精确便捷的智能化监控。