检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

非线性时空正则化的相关滤波目标跟踪算法

计算机工程与应用 2024年第3期60卷 165-176页

作者：姜文涛王德强张晟翀辽宁工程技术大学软件学院辽宁葫芦岛125105 光电信息控制和安全技术重点实验室天津300308

针对目标跟踪过程中跟踪模型容易漂移,以及对于多样性形态变化的目标不能进行鲁棒跟踪的问题,结合生物视觉感知规律提出了非线性时空正则化的相关滤波目标跟踪算法。在目标函数中提出贴近人类视觉感知幂定律的非线性滤波更新的时间正则... 详细信息

针对目标跟踪过程中跟踪模型容易漂移,以及对于多样性形态变化的目标不能进行鲁棒跟踪的问题,结合生物视觉感知规律提出了非线性时空正则化的相关滤波目标跟踪算法。在目标函数中提出贴近人类视觉感知幂定律的非线性滤波更新的时间正则项,相比于时空正则相关滤波器(spatial-temporal regularized correlation filters,STRCF)中固定的时间正则项,非线性滤波更新的时间正则项可以根据跟踪的时间变化进行自适应更新,同时采用交替乘子法降低算法复杂度。提取非线性的梯度方向直方图(histogram of oriented gradient,HOG)特征,使用符合生物映射的对数极坐标进行尺度适应。根据最大响应值与平均峰值相关能量的关系进行遮挡异常检测,降低模型漂移的机率,增强算法的抗遮挡能力。实验结果表明,该算法在OTB2015数据集上的精确率和成功率分别达到89.8%和83.3%,该算法相比于STRCF在精确率上提升了2.5%,在成功率上提升了3.2%,在OTB2013与OTB2015数据集上的11种属性的分类对比中,该算法在旋转、低分辨率、背景杂乱、光照变化等因素干扰下的目标跟踪中具有较高的精确率和较强的鲁棒性。

关键词：目标跟踪非线性滤波器更新非线性HOG特征提取对数极坐标尺度适应生物视觉感知规律

在线全文

学校读者我要写书评

暂无评论

随机通道扰动的图像数据增强方法

计算机科学与探索 2024年

作者：姜文涛刘玉薇张晟翀辽宁工程技术大学软件学院光电信息控制和安全技术重点实验室

数据增强中遮挡仿真方法将输入图像随机裁剪的区域像素全部置零，会擦除有效纹理特征，导致网络泛化能力欠佳。因此，本文提出一种随机通道扰动的图像数据增强方法(ChannelCut)。ChannelCut方法包括ChannelCut1和ChannelCut2两种方法，... 详细信息

数据增强中遮挡仿真方法将输入图像随机裁剪的区域像素全部置零，会擦除有效纹理特征，导致网络泛化能力欠佳。因此，本文提出一种随机通道扰动的图像数据增强方法(ChannelCut)。ChannelCut方法包括ChannelCut1和ChannelCut2两种方法，首先在输入图像上随机选取三个方形区域，并且对输入图像进行通道分离，得到三个通道图像；然后ChannelCut1方法在三个通道图像上分别选取一个方形区域将其像素置零，且三通道选择的区域互不相同；其次ChannelCut2方法保留ChannelCut1方法中选取的方形区域像素，并将每个通道中剩余两个方形区域的像素置零；最后将两种方法处理后的三个通道图像分别进行合并，得到两种随机通道扰动图像。将所提方法融合到Resnet18、ShuffleNetV2、MobileNetV3等CNN模型中，并在CIFAR-10、Imagenette等五个数据集上开展实验。结果显示：本文方法在五个数据集上的分类准确率均优于主流方法，显著提高了基线模型的性能；在细粒度图像分类中更占有优势；在时间性能上优于使用强化学习的自动数据增强类型方法。本文方法能够不同程度地保留图像纹理特征，丰富图像多样性，具有较强的通用性和有效性，显著地提高卷积神经网络模型的鲁棒性和泛化性。

关键词：数据增强遮挡仿真通道扰动纹理特征图像分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于全波形采样的脉冲激光信号检测系统设计

激光与光电子学进展 2024年第5期61卷 260-266页

作者：叶茂程伟博赵毅强宋毅恒段文浩包为政天津大学微电子学院天津300072 光电信息控制和安全技术重点实验室天津300308

为实现脉冲激光回波信号参数的高精度测量,利用全波形采样技术设计了一种微弱激光信号检测系统,对信号的脉宽、实时功率以及能量等参数进行分析。所提系统硬件平台使用低噪声宽动态范围模拟前端进行信号预处理,基于现场可编程逻辑门阵... 详细信息

为实现脉冲激光回波信号参数的高精度测量,利用全波形采样技术设计了一种微弱激光信号检测系统,对信号的脉宽、实时功率以及能量等参数进行分析。所提系统硬件平台使用低噪声宽动态范围模拟前端进行信号预处理,基于现场可编程逻辑门阵列、模数转换器等模块实现数据量化与动态时域锁存。针对低采样率平台数据离散程度高引起的波形重构失真,提出了一种基于非均匀周期触发信号的多帧积累算法以降低硬件平台成本。通过对量化数据的拟合补偿,所提算法提升了系统激光信号参数的解算精度。所提系统对脉宽3 ns、峰值功率9μW的脉冲激光器进行参数检测并与高采样率平台进行对比。结果表明:所提系统对激光信号的脉宽解算误差约为0.041 ns,峰值功率解算误差约为0.53μW,能量积分误差约为4.52 fJ,所有参数重复测量不确定度小于8%。

关键词：脉冲激光器微弱能量测量高斯拟合全波形数据

在线全文

学校读者我要写书评

暂无评论

背景支持下的全域特征响应图像分类网络

计算机科学与探索 2024年

作者：姜文涛李威达张晟翀辽宁工程技术大学软件学院光电信息控制和安全技术重点实验室

针对目前图像分类方法缺少背景信息支持，导致模型分类精度受限的问题，提出背景支持下的全域特征响应图像分类网络(Background-supported Global Feature Response Image Classification Network， BGRNet)。首先，该网络以WRN(Wide Re... 详细信息

针对目前图像分类方法缺少背景信息支持，导致模型分类精度受限的问题，提出背景支持下的全域特征响应图像分类网络(Background-supported Global Feature Response Image Classification Network， BGRNet)。首先，该网络以WRN(Wide Residual Networks)残差网络为基础，提出新的背景支持激活函数BS (Background-Supported)，通过BS激活函数引入背景支持机制，使网络在关注目标前景信息的同时，也能够平滑地关注背景信息；然后，提出全域特征响应模块(Background-supported Global Feature Response， BGR)，并将BGR嵌入到残差分支中，对图像全域特征进行还原，在一定程度上减少因卷积操作而产生的特征信息损失；最后，调整残差块内部网络结构，通过调整残差块中激活函数、批量归一化的前向传播顺序并删除Dropout(Dropout Regularization)，放大BS激活函数对整体网络模型的背景支持作用，促进背景信息在网络中的有效传递。BGRNet通过引入背景信息支持机制，不仅考虑了目标前景信息在图像分类过程中的支持作用，还考虑了背景信息在分类过程中的支持作用，在提升网络分类精度的同时，有效提高了网络训练效率。在FashionMNIST、KMNIST、CIFAR-10、CIFAR-100、SVHN数据集上的实验结果表明，BGRNet显著提高了基线模型的分类性能，且与当前主流方法相比，BGRNet具有较高的分类准确率和较强的泛化性能。

关键词：图像分类背景支持全域特征响应特征还原残差网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

两阶段特征迁移图像去雾算法

计算机工程与应用 2024年

作者：袁姮颜廷昊张晟翀光电信息控制和安全技术重点实验室辽宁工程技术大学软件学院

针对常见去雾算法处理后图像容易产生伪影、颜色失真以及对非均匀雾气影响下图像的去雾效果不理想等问题，提出了两阶段特征迁移图像去雾算法，基于编解码器结构实现图像去雾。第一阶段将清晰图像送入特征学习网络，通过混合注意力机制... 详细信息

针对常见去雾算法处理后图像容易产生伪影、颜色失真以及对非均匀雾气影响下图像的去雾效果不理想等问题，提出了两阶段特征迁移图像去雾算法，基于编解码器结构实现图像去雾。第一阶段将清晰图像送入特征学习网络，通过混合注意力机制学习清晰图像空间结构信息与色彩规律。第二阶段利用特征迁移损失，将特征学习网络中学习到的清晰图像特征知识迁移至特征细化图像去雾网络中，并通过多尺度特征提取模块与全局特征细化块对图像上下文信息进行有效提取与融合。最后，将两阶段输出进行特征融合，恢复清晰无雾图像。实验结果表明，该算法在RESIDE数据集以及真实非均匀雾天图像中具备较好的去雾效果，且处理后图像色彩合理、更加符合人类视觉感知。

关键词：图像去雾卷积神经网络特征迁移特征学习混合注意力机制全局特征细化

基于L-FPN的无人机上小目标识别模型轻量化方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

航空兵器 2024年第1期31卷 97-102页

作者：魏昊坤刘敬一陈金勇楚博策孙裕鑫朱进中国电子科技集团公司第五十四研究所航天信息应用技术重点实验室石家庄050081 光电信息控制和安全技术重点实验室天津300308

由于遥感图像拍摄的高度和设备不同导致每张图像的地面采样间隔(GSD)也不同,许多小目标往往易被忽略,遥感图像中旋转框目标检测成为当下研究热点。现有的旋转框检测算法主要面向通用场景下的多尺度目标检测,特征金字塔中特征融合计算操... 详细信息

由于遥感图像拍摄的高度和设备不同导致每张图像的地面采样间隔(GSD)也不同,许多小目标往往易被忽略,遥感图像中旋转框目标检测成为当下研究热点。现有的旋转框检测算法主要面向通用场景下的多尺度目标检测,特征金字塔中特征融合计算操作复杂且耗时,部署到无人机上的边缘端设备时面临很大的挑战。因此本文针对该场景下的小目标检测提出基于L-FPN的无人机上小目标识别模型轻量化方法,首先依据图像的GSD信息进行尺度归一化,然后去除特征金字塔中冗余的高层特征图,最后针对小目标检测调整锚框的尺寸。本方法在DOTA数据集上进行训练验证,结果表明本文提出的基于L-FPN的无人机上小目标识别模型轻量化方法在识别精度与传统模型一致的情况下,模型参数量较原模型减少2.7%,模型大小减少28%,推理速度提升13.24%。

关键词：目标检测特征金字塔模型轻量化遥感图像无人机

在线全文

学校读者我要写书评

暂无评论

空间位置矫正的稀疏特征图像分类网络

光电工程 2024年第5期51卷 66-82页

作者：姜文涛陈晨张晟翀辽宁工程技术大学软件学院辽宁葫芦岛125105 光电信息控制和安全技术重点实验室天津300308

为稀疏语义并加强对重点特征的关注,增强空间位置和局部特征的关联性,对特征空间位置进行约束,本文提出空间位置矫正的稀疏特征图像分类网络(SSCNet)。该网络以ResNet-34残差网络为基础,首先,提出稀疏语义强化特征模块(SSEF),SSEF模块... 详细信息

为稀疏语义并加强对重点特征的关注,增强空间位置和局部特征的关联性,对特征空间位置进行约束,本文提出空间位置矫正的稀疏特征图像分类网络(SSCNet)。该网络以ResNet-34残差网络为基础,首先,提出稀疏语义强化特征模块(SSEF),SSEF模块将深度可分离卷积(DSC)和SE相融合,在稀疏语义的同时增强特征提取能力,并能够保持空间信息的完整性;然后,提出空间位置矫正对称注意力机制(SPCS),SPCS将对称全局坐标注意力机制加到网络特定位置中,能够加强特征之间的空间关系,对特征的空间位置进行约束和矫正,从而增强网路对全局细节特征的感知能力;最后,提出平均池化残差模块(APM),并将APM应用到网络的每个残差分支中,使网络能够更有效地捕捉全局特征信息,增强特征的平移不变性,延缓网络过拟合,提高网络的泛化能力。在多个数据集中,SSCNet相比于其它高性能网络在分类准确率上均有不同程度的提升,证明了其在兼顾全局信息的同时,能够更好地提取局部细节信息,具有较高的分类准确率和较强的泛化性能。

关键词：图像分类特征提取空间位置矫正稀疏语义对称注意力全局感知

在线全文

学校读者我要写书评

暂无评论

抑制反射镜热变形影响的支撑方式优化设计

激光与光电子学进展 2024年第9期61卷 415-422页

作者：罗超王毕艺杨海波袁磊柳建核工业西南物理研究院成都理工大学工程技术学院光电信息控制和安全技术重点实验室

在高功率激光应用系统中，常通过反射镜对光束进行扩聚束、重定向、波前校正等控制。但控制系统中的各类反射镜会吸收部分光能从而形成非均匀温度场，使反射镜产生形变，进而影响反射光束质量。由于支撑方式与温度场共同决定反射镜的变... 详细信息

在高功率激光应用系统中，常通过反射镜对光束进行扩聚束、重定向、波前校正等控制。但控制系统中的各类反射镜会吸收部分光能从而形成非均匀温度场，使反射镜产生形变，进而影响反射光束质量。由于支撑方式与温度场共同决定反射镜的变形结果，因此在光束控制系统设计中，需要研究最佳的反射镜支撑约束方式。基于热弹性力学，提出了不同镜面支撑方式减小镜面热变形的方法；对几种常见支撑约束方式下的反射镜的温度场、变形量进行了量化仿真分析；对比了镜面的总变形量、光斑区域相对变形量、光斑区域相对变形量引入的波前像差。结果显示：对反射镜背面采用小块区域约束的支撑方式镜面相对变形量最小；对反射镜背面采用刚性约束的支撑方式镜面相对变形量最大；后者可以有效减小镜面相对变形量约98.4%。实验和仿真分析的镜面光斑区域的相对变形量十分接近，波前图像基本一致。这些研究结果为光束控制系统镜体支撑的选型和设计提供了理论支持。

关键词：激光传输镜面热变形热弹性力学模型像差分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

高斯感知约束空间异常的相关滤波目标跟踪

计算机工程与应用 2024年第7期60卷 238-247页

作者：姜文涛王梓民张晟翀辽宁工程技术大学软件学院辽宁葫芦岛125105 辽宁工程技术大学研究生院辽宁葫芦岛125105 光电信息控制和安全技术重点实验室天津300308

针对目标在复杂场景运动过程中容易出现跟踪丢失问题,提出一种高斯感知约束空间异常的目标跟踪算法。以高斯均匀分布为分布规律建立目标特征采样点,采用卷积结构提取目标的外观模型以及权重模型;为了约束空间异常,在目标函数中构建空间... 详细信息

针对目标在复杂场景运动过程中容易出现跟踪丢失问题,提出一种高斯感知约束空间异常的目标跟踪算法。以高斯均匀分布为分布规律建立目标特征采样点,采用卷积结构提取目标的外观模型以及权重模型;为了约束空间异常,在目标函数中构建空间正则项,同时更新目标权重模型,减小空间过拟合的产生,增强跟踪器的空间异常适应性;应用加权最小二乘法思想,获得权重响应模型中心,确定目标中心,更新跟踪位置,增强跟踪器鲁棒性。使用OTB2015和UAV20L数据集,与其他主流相关滤波算法相比,该算法在目标运动导致低分辨率、遮挡等复杂条件下,跟踪成功率以及跟踪精度较高。

关键词：机器视觉约束空间异常空间正则相关滤波