检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

全偏振参量低秩稀疏分解伪彩色图像融合

系统工程与电子技术 2020年第11期42卷 2450-2460页

作者：徐国明袁宏武薛模根王峰安徽大学互联网学院安徽合肥230039 安徽新华学院信息工程学院安徽合肥230088 陆军炮兵防空兵学院偏振光成像探测技术安徽省重点实验室安徽合肥230031

偏振图像伪彩色融合对提高视觉感知和目标判读具有重要意义,利用空间调制型全偏振参量矩阵的低秩和稀疏特性,提出基于贝叶斯概率鲁棒性矩阵分解融合方法。首先,根据偏振调制和解析算法构造偏振参量矩阵,同时合成强度图像;其次,对参量矩... 详细信息

偏振图像伪彩色融合对提高视觉感知和目标判读具有重要意义,利用空间调制型全偏振参量矩阵的低秩和稀疏特性,提出基于贝叶斯概率鲁棒性矩阵分解融合方法。首先,根据偏振调制和解析算法构造偏振参量矩阵,同时合成强度图像;其次,对参量矩阵进行基于改进的贝叶斯概率参量矩阵分解,降低背景噪声和亮度变化等干扰,分别获得参量图像的稀疏和低秩成分;然后利用方差、清晰度和信息熵进行模糊积分,获得显著性参量图像,与合成强度图像一起进行像素级增强;最后,经直方图规定化和IHS颜色映射,得到伪彩色融合结果。实验选择多种材质与目标的仿真和实测数据进行验证,通过主观视觉效果和客观指标比较,验证了其有效性。

关键词：偏振成像图像融合低秩稀疏鲁棒性矩阵分解

在线全文

学校读者我要写书评

暂无评论

超宽带穿墙雷达压缩感知稀疏成像算法研究

超宽带穿墙雷达压缩感知稀疏成像算法研究

作者：杨广乐南京信息工程大学

学位级别：硕士

依托于低频电磁波的强穿透能力,穿墙雷达不但可透过墙体等障碍物观测到隐藏目标,并可对建筑物布局或墙后目标进行成像,因而在军民领域广泛应用。超宽带技术的发展提高了雷达成像的分辨率,然而高分辨率也带来了大量的数据。压缩感知理论... 详细信息

依托于低频电磁波的强穿透能力,穿墙雷达不但可透过墙体等障碍物观测到隐藏目标,并可对建筑物布局或墙后目标进行成像,因而在军民领域广泛应用。超宽带技术的发展提高了雷达成像的分辨率,然而高分辨率也带来了大量的数据。压缩感知理论的出现为解决大规模数据采集提供了一个思路,该理论指出若信号具备稀疏性或可以被稀疏表示,则在低于奈奎斯特采样频率下也可实现信号的不失真重构,因此可将该理论应用于超宽带穿墙雷达稀疏成像领域。本文针对单层墙体存在下的墙后目标成像问题,主要进行了以下三个方面的工作:(1)针对超宽带穿墙雷达成像系统采用宽带信号和大孔径阵列天线而产生大量数据的问题,提出一种基于分式平滑L0范数的穿墙雷达稀疏成像算法。在成像前,通过墙杂波抑制算法提前去除墙体杂波;而后利用墙后目标的稀疏性,将成像问题转化为L0范数最小化问题。重构图像的过程中提出一种分式平滑函数以更好地逼近L0范数,并用非线性共轭梯度法求解最小化问题。仿真结果表明,所提算法可在欠采样下实现对目标位置的精确重构,具有较优的抗噪性能。(2)墙体杂波会彻底淹没目标的回波,导致无法重构出目标的准确位置,而墙杂波抑制和墙后目标成像往往被分为不相干的两个步骤独自进行。针对该问题,本文提出一种联合低秩稀疏总变分的穿墙成像算法。该算法首先将总回波视作具备低秩性的墙体回波和具备稀疏性的目标回波之和,接着将墙杂波抑制问题和目标成像问题视为一个求解低秩稀疏约束优化的问题,并在成像过程中加入了总变分约束以保持成像目标的轮廓信息。通过和基于低秩稀疏约束算法的成像结果对比表明,本文算法的成像效果更好,并能够清晰看出目标的轮廓。(3)为便于研究人员的测试工作,开发了一款基于Lab VIEW的穿墙雷达稀疏成像算法的测试软件。用户可按需求在Lab VIEW软件中完成采样率等系统参数的设置,同时也可选择不同的稀疏成像算法;随后在该软件中通过MATLAB Script节点调用成像算法;最后可在Lab VIEW前面板中观察目标的二维、三维成像结果图和成像结果的性能指标值,从而完成了穿墙雷达稀疏成像算法的测试软件开发工作。

关键词：超宽带穿墙雷达压缩感知平滑L0范数低秩稀疏总变分 LabVIEW

基于局部先验和张量恢复的红外弱小目标检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于局部先验和张量恢复的红外弱小目标检测算法研究

作者：陈春波华中科技大学

学位级别：硕士

红外弱小目标检测是红外搜索与跟踪等系统的关键技术,对于提升未来战争中的预警、制空和反击等能力具有重要的价值。通常由于探测距离远和成像环境复杂,目标具有尺寸小、特征少和信噪比低等特点,给其检测带来了不小的困难。目前,基于低... 详细信息

红外弱小目标检测是红外搜索与跟踪等系统的关键技术,对于提升未来战争中的预警、制空和反击等能力具有重要的价值。通常由于探测距离远和成像环境复杂,目标具有尺寸小、特征少和信噪比低等特点,给其检测带来了不小的困难。目前,基于低秩稀疏的红外弱小目标检测算法具有良好的检测性能,但也存在对局部和非局部特征利用不充分以及对背景低秩逼近不准确的不足,其场景泛化以及抗噪声和稀疏干扰能力仍有待提升。本文分析了不同场景的红外弱小目标图像的一般特性,归纳出了背景具有低秩性和目标具有稀疏性,在红外块张量模型的基础上提出了一种基于局部先验和张量恢复的红外弱小目标检测算法:从局部先验信息的利用角度出发,设计了基于人类视觉系统对比度机制的先验模型作为目标张量的约束,结合了局部先验和非局部先验方法的优势,不仅提高了边缘抑制能力,也加快了模型的收敛速度;从张量低秩性的度量角度出发,设计了结合全特征度量和非凸秩松弛的正则项作为背景张量的约束,其中基于N阶管道秩的全特征度量方法能更全面地挖掘背景张量不同模态间的特征信息,基于Log函数的非凸秩松弛方法能更好地逼近张量的秩函数,该背景正则项有效缓解了核范数导致的目标和背景的分离偏差。此外,本文给出了一种基于交替方向乘子法的高效算法来求解模型得到目标张量,通过阈值分割由目标张量重建的图像来提取目标。本文通过主观定性和客观定量两个方面的实验来分析比较本文算法与对比算法的检测性能。实验结果表明,本文算法的场景适应性和噪声鲁棒性均有较大提升,在目标增强、背景抑制和检测精度方面均优于对比算法。

关键词：红外弱小目标检测低秩稀疏局部对比度全特征度量非凸秩松弛

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂背景下的弱小红外目标检测

复杂背景下的弱小红外目标检测

作者：杨兰兰中国科学院大学(中国科学院光电技术研究所)

学位级别：硕士

红外弱小目标检测技术已经在许多领域得到了应用,但是在背景复杂的情况下仍然存在一些问题。一个关键因素就是强边缘以及点噪声和小目标的特征非常相似,这样就易导致目标判断失误;另一方面,算法的实时性和高检测性难以兼顾。针对这些问... 详细信息

红外弱小目标检测技术已经在许多领域得到了应用,但是在背景复杂的情况下仍然存在一些问题。一个关键因素就是强边缘以及点噪声和小目标的特征非常相似,这样就易导致目标判断失误;另一方面,算法的实时性和高检测性难以兼顾。针对这些问题,本文的主要工作如下:为弱化复杂背景中强边缘的干扰,以及提升算法实时性,提出了一种基于分组红外图像块张量(Group Image-Patch Tensor,GIPT)模型的弱小目标检测方法,它利用红外图像的结构信息来促进目标和背景的分离。首先利用结构张量描述原始图像的特征,然后将目标分量假定为一个具有点特征的区域作为加权稀疏正则化项,将背景区域分别建模为线特征部分、点特征部分和平坦特征部分,再利用一种新的分组低秩算子分别恢复背景区域的每一部分。该模型能够使优化过程并行运行,大大降低了算法的复杂度,实验结果也表明了该方法相对于其他6种算法在运行时间和背景强边缘抑制上的巨大优势。复杂背景中所含的点噪声严重干扰了红外弱小目标检测,为了进一步提升张量模型的算法性能,提出了一种基于超像素分割的弱小红外目标检测算法。所提算法利用超像素分割的方式构建张量来保证图像块局部结构的完整,以便更好地探索背景低秩性,同时降低了算法对滑动窗的敏感性,然后对角点强度、梯度方向一致性和局部信息熵进行融合,并将其作为目标先验,再结合重加权策略,构建目标权重,去除显著边缘和点噪声干扰,完成检测模型的构建,最后,采用自适应阈值分割的方法保留目标。测试结果表明,所提算法与现有5种算法相比,具有更好的目标增强能力和背景抑制能力,对噪声也有着良好的鲁棒性。综上所述,本文对复杂背景下的强边缘和点噪声两类干扰进行了研究,通过设定不同的目标先验对其抑制,均达到了理想的效果;而为了提升算法的实时性,对张量的构建方式进行了研究,提出了分组的并行求解策略来加速算法,降低了算法的时间复杂度。

关键词：弱小红外目标探测分组的红外图像块张量结构张量超像素低秩稀疏

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的多旋翼无人机识别算法研究

基于深度学习的多旋翼无人机识别算法研究

作者：李娜江西理工大学

学位级别：硕士

近年来我国重点支持无人机技术研发与应用,多旋翼无人机在各个领域的应用越来越普及,他们广泛在生态环境保护、海洋环境监督、农作物的生长、航拍摄影、测绘、救灾等各个领域应用。民用无人机技术的讯速发展给人们的衣食住行带来了很大... 详细信息

近年来我国重点支持无人机技术研发与应用,多旋翼无人机在各个领域的应用越来越普及,他们广泛在生态环境保护、海洋环境监督、农作物的生长、航拍摄影、测绘、救灾等各个领域应用。民用无人机技术的讯速发展给人们的衣食住行带来了很大的便利,但同时也给人们生活带来许多问题,当私人无人机飞入国家重点实验室、行政大楼、军事领域、私人区等敏感区域,会使国家信息泄露,给国家造成一些安全隐患。由于无人机“黑飞”、“滥飞”给人们带来的各种问题,针对无人机拦截技术的研究极为紧迫,无人机识别是无人机拦截技术的重要组成部分,因此本文对无人机识别进行研究。多旋翼无人机具有尺寸小、飞行速度快、飞行环境复杂等特点,使用现有的目标识别算法识别无人机会出现漏检、误检等情况,因此本文根据现有的目标识别算法进行改进,提高无人机识别的鲁棒性。本论文主要工作包括:(1)建立五帧差分和ASRPCA融合的数学模型,实现对无人机的检测。使用交替迭代法结合增广拉格朗日乘子法对ASRPCA模型进行优化求解,获取视频序列当前帧的背景图像,然后用背景图像替代五帧差分的中间帧,最后中间帧分别与前两帧和后两帧进行差分二值化运算,使得无人机有较好的检测结果和去噪能力。(2)在检测出视频中运动的无人机基础上,通过深度学习的方法实现无人机识别。将YOLOv3模型骨干网络Dark Net-53中加入多级特征融合模块MLFF,在YOLOv3中的三个检测头前第5个卷积层和第6个卷积层之间分别添加一个SPP模块,这两种网络结构可以有效地结合浅层无人机特征和深层无人机特征,增强特征表达能力和识别精度,提高网络特征表达能力和无人机识别准确度。(3)在改进的YOLOv3基础上进行模型剪裁实现速度改进。对卷积层中批量归一化的缩放因子进行稀疏训练,接着根据缩放因子稀疏训练后的结果,把缩放因子比较小的值对应的卷积通道进行裁剪,然后对裁剪后的模型进行调整以实现对无人机的识别准确率。(4)通过实验证明,五帧差分和ASRPCA融合的算法使无人机检测结果得到了很大的提升,在准确率、召回率和综合评价的评价分析中均比较好,每帧的检测速度为0.51s,可以实现线下实时检测。改进后的YOLOv3可以将浅层特征和深层特征融合起来,使其比改进前无人机识别准确率提高了2.35%。对改进的YOLOv3裁剪了百分比为0.9的卷积通道和14个残差结构,模型被裁剪到11.77MB,推理时间为8.9ms,识别速度提高2.3倍,满足实时识别要求,且m AP为95.15%,准确率基本保持不变。

关键词：反无人机低秩稀疏无人机识别深度学习模型裁剪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

稀疏学习、资产共线性与投资组合选择

系统科学与数学 2021年第11期41卷 3128-3138页

作者：李爱忠任若恩董纪昌山西财经大学财政与公共经济学院太原030006 北京航空航天大学经济管理学院北京100191 中国科学院大学经济与管理学院北京100190

通过核范数正交约束的稀疏学习方法深度挖掘市场特征,选择相对效率较高的重要指数构建市场有效组合并动态跟踪市场运行趋势,运用正交最小一乘的自适应权重学习方法进行泛组合资产配置优化,最终通过稀疏投影及分散优化策略获得最优组合配... 详细信息

通过核范数正交约束的稀疏学习方法深度挖掘市场特征,选择相对效率较高的重要指数构建市场有效组合并动态跟踪市场运行趋势,运用正交最小一乘的自适应权重学习方法进行泛组合资产配置优化,最终通过稀疏投影及分散优化策略获得最优组合配置.研究发现多目标核范数正交约束的稀疏回归策略可以更好地把握市场主要运行趋势并构建有效前沿,有效地克服资产共线性现象,自适应地表征资产之间的关联关系.稀疏分散的多目标回归策略在集中优势重点配置优质资源和稀疏分散风险及稳定提高收益方面实现了良好的统一,风险收益的均衡性更强,组合的稳健性更明显.实证结论对量化组合配置、风险平衡及投资管理具有重要指导意义.

关键词：核范数正交回归最小一乘法低秩稀疏资产共线性组合优化

在线全文

学校读者我要写书评

暂无评论

联合低秩稀疏的多核子空间聚类算法

计算机应用 2020年第6期40卷 1648-1653页

作者：李杏峰黄玉清任珍文西南科技大学信息工程学院四川绵阳621010 西南科技大学国防科技学院四川绵阳621010

针对多核子空间谱聚类算法没有考虑噪声和关系图结构的问题,提出了一种新的联合低秩稀疏的多核子空间聚类算法(JLSMKC)。首先,通过联合低秩与稀疏表示进行子空间学习,使关系图具有低秩和稀疏结构属性;其次,建立鲁棒的多核低秩稀疏约束模... 详细信息

针对多核子空间谱聚类算法没有考虑噪声和关系图结构的问题,提出了一种新的联合低秩稀疏的多核子空间聚类算法(JLSMKC)。首先,通过联合低秩与稀疏表示进行子空间学习,使关系图具有低秩和稀疏结构属性;其次,建立鲁棒的多核低秩稀疏约束模型,用于减少噪声对关系图的影响和处理数据的非线性结构;最后,通过多核方法充分利用共识核矩阵来增强关系图质量。7个数据集上的实验结果表明,所提算法JLSMKC在聚类精度(ACC)、标准互信息(NMI)和纯度(Purity)上优于5种流行的多核聚类算法,同时减少了聚类时间,提高了关系图块对角质量。该算法在聚类性能上有较大优势。

关键词：低秩稀疏关系图结构子空间学习多核谱聚类

复杂红外图像序列中弱小目标的检测与跟踪研究

在线全文

学校读者我要写书评

暂无评论

复杂红外图像序列中弱小目标的检测与跟踪研究

作者：黄胜一华中科技大学

学位级别：硕士

随着军事技术的快速发展,红外弱小目标的检测与跟踪技术在红外预警、精确制导、远程目标检测中发挥着重要的作用。在复杂地空背景下进行远距离红外探测时,图像中目标比较弱小、纹理信息不明显,难以与背景区分,同时强边缘信息及成像噪声... 详细信息

随着军事技术的快速发展,红外弱小目标的检测与跟踪技术在红外预警、精确制导、远程目标检测中发挥着重要的作用。在复杂地空背景下进行远距离红外探测时,图像中目标比较弱小、纹理信息不明显,难以与背景区分,同时强边缘信息及成像噪声易对目标造成干扰,因此红外弱小目标检测与跟踪算法既要准确地提取真实目标,又要排除干扰稳健地对目标进行跟踪,达到鲁棒的场景适应性,这仍然是一个有挑战性的问题。为此,本文对复杂红外图像序列中的弱小目标的检测与跟踪开展深入研究。论文的主要工作和创新如下:分析了红外弱小目标图像中背景、噪声和弱小目标的特性。在红外弱小目标图像中,背景往往占整幅图像的绝大部分,其灰度变换缓慢,在空间上呈现显著的相关性;噪声与背景无关,在空间中随机分布,帧之间不具有相关性,符合高斯分布;目标比较小,占比小于整幅图像的0.12%,有较少的纹理信息,呈现亮斑状,类似高斯分布。根据背景和目标的特性,可以认为背景具有低秩性,目标具有稀疏性。提出了一种基于低秩和重加权稀疏表示的红外弱小目标检测算法。首先利用结构张量提取局部先验信息权重,同时提取目标矩阵的自增强稀疏权重,融合权重信息,并以加权L范数描述目标矩阵的稀疏性;然后以γ范数描述背景矩阵的低秩性;以L范数来描述噪声矩阵;最后构建图像的低秩稀疏表示模型,通过ADMM优化算法对模型进行优化求解,输出最终的目标矩阵,并通过阈值分割后处理得到检测目标。大量实验证明了本文的检测算法有较好的优越性。提出了一种基于运动特征和深度表观特征的红外弱小多目标跟踪算法。首先利用卡尔曼滤波提取弱小目标的运动特征,并通过卡尔曼滤波进行目标位置的预测;其次,为了缓解漏跟踪、误跟踪和ID转换等问题,设计了一个孪生卷积网络(Siamese-CNN)进行弱小目标深度表观特征的提取;最后,将运动特征与深度表观特征相结合构建距离度量,利用匈牙利匹配算法进行数据关联。通过大量的实验表明本文提出的算法能有效的进行目标跟踪,且表现出较好的性能优越性。

关键词：红外弱小目标检测与跟踪低秩稀疏卷积神经网络数据关联

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非局部自相似性的低秩稀疏图像去噪

计算机应用 2018年第9期38卷 2696-2700,2746页

作者：张雯雯韩裕生中国人民解放军陆军炮兵防空兵学院合肥230031 偏振光成像探测技术安徽省重点实验室合肥230031

针对许多图像去噪方法在去除噪声的同时容易丢失细节信息的问题,提出了一种基于非局部自相似性的低秩稀疏图像去噪算法。首先,利用基于马氏距离(MD)的块匹配方法将外部自然干净图像块分组,建立基于块组的高斯混合模型(GMM)学习非局部自... 详细信息

针对许多图像去噪方法在去除噪声的同时容易丢失细节信息的问题,提出了一种基于非局部自相似性的低秩稀疏图像去噪算法。首先,利用基于马氏距离(MD)的块匹配方法将外部自然干净图像块分组,建立基于块组的高斯混合模型(GMM)学习非局部自相似性先验;其次,采用稳健主成分追踪(SPCP)方法,将噪声图像矩阵分解为低秩、稀疏及噪声三部分,其中稀疏矩阵包含了稀疏的有用信息;最后,通过最小化全局目标函数实现去噪。实验结果表明,提出的方法在峰值信噪比(PSNR)及结构相似性(SSIM)的结果上比EPLL、NCSR、PCLR等先进去噪算法都有较大的提升,且速度更快,去噪效果及细节保留能力都有更好的表现。

关键词：图像去噪非局部自相似性低秩稀疏超分辨率稳健主成分追踪