秦微1,2,张其林1,2,赖悦1,2,姜苏1,2,陈媛1,2,苏建峰1,2

为了更好的利用闪电资料和雷达回波资料来对雷电进行临近预警,本文以深圳地区2012年4月一次强飑线过程为例,分析该次过程中的闪电活动与雷达回波特征,发现地闪分布与雷达回波强度之间表现出很好的对应关系。因此,本文采用TITAN(Thunderstorm Identification, Tracking, Analysis, and Nowcasting)算法对这次强风暴过程中40dBZ以上的强回波区进行识别、跟踪和外推,并与闪电高密度区域的识别、跟踪和外推结果进行对比分析。结果表明：TITAN算法识别效果理想,且识别结果与单体的发展旺盛程度有关;另外,雷达强回波区和闪电高密度区的外推精度与外推开始时刻、外推时间的长短有关;利用闪电高密度区进行外推时,外推的质心误差小于雷达强回波区的外推质心误差。     

一次飑线过程的雷电临近预警分析

为了更好的利用闪电资料和雷达回波资料来对雷电进行临近预警,以深圳地区2012年4月一次强飑线过程为例,分析该次过程中的闪电活动与雷达回波特征,发现地闪分布与雷达回波强度之间表现出很好的对应关系。因此,采用TITAN(thunderstorm identification,tracking,analysis,and nowcasting)算法对这次强风暴过程中40 d BZ以上的强回波区进行识别、跟踪和外推;并与闪电高密度区域的识别、跟踪和外推结果进行对比分析。结果表明:TITAN算法识别效果理想;且识别结果与单体的发展旺盛程度有关。另外,雷达强回波区和闪电高密度区的外推精度与外推开始时刻、外推时间的长短有关。利用闪电高密度区进行外推时,外推的质心误差小于雷达强回波区的外推质心误差。     

基于ConvLSTM的气象雷达回波外推

针对传统雷达回波外推方法存在数据利用率低、预报精度不高等局限,利用定标后的青海大学校内X波段天气雷达监测数据,建立ConvLSTM深度学习模型进行回波外推,并与传统光流法的外推结果进行对比。结果表明:(1)在不同的输入时长和外推时间中,ConvLSTM的精度都明显优于光流法,在第1.5小时内的平均预测误差比光流法低69%。(2)模型输入时间恒定为30 min时,误差随外推时间的增加随之增大;在空间分布中,误差随着高度层的增加呈上升趋势,且回波与700 hPa的气压有较好的相关性。因此,与传统雷达回波外推方法相比,ConvLSTM模型的预测精度高,并且能有效延长外推时长。     

基于OpenGL建模技术的航海雷达回波图像生成方法

为解决当前航海雷达仿真器中雷达回波图像不真实问题,以岸线为例提出基于OpenGL建模技术的模拟航海雷达回波的新方法,研究雷达回波图像生成技术,给出雷达岸线回波及雷达岸线回波图像的生成算法.对RGB、HIS颜色模型在模拟雷达回波强度上的应用进行探讨,给出目标回波强度的数学模型.通过加入噪声模型,实现航海雷达岸线回波仿真,其结果与电子海图显示基本相符.     

基于探地雷达的沥青路面内部病害快速识别

为了提高沥青路面内部病害的检测精度及效率,开展了路面探地雷达(GPR)图像的自动识别研究．采用三维探地雷达(3D-GPR)设备高效、无损地探测沥青路面内部结构,以获取海量3D-GPR图像数据;通过多维度GPR图像辨识内部病害(横向裂缝和层间不良)的回波特征,矩形框准确标注纵断面GPR图中病害特征,进而构建内部病害回波特征GPR图像数据集(训练集、验证集和测试集);基于深度学习技术,引入YOLOv4(you only look once version 4)算法模型,首先利用训练集和验证集完成模型网络参数的迭代更新,然后利用测试集进行模型综合检测性能评估．研究结果表明：YOLOv4模型在测试集上测试的综合检测精度大于95%,并且其检测视频的每s帧数也超过30;而层间不良的回波特征相对内部横向裂缝识别更加准确;该模型可以实时、高精度自动识别出沥青路面GPR图像中病害回波特征．     

用于低剂量CT图像去噪的递归残差编解码网络

低剂量CT是减少对患者辐射风险的有效方法,但它会降低CT图像的质量,使得图像中含有噪声和条形伪影,影响医师的诊断。为了提高CT图像的质量,提出了一种浅层残差编解码递归网络,通过训练网络学习端对端的映射以获取优质图像。该网络通过减少残差编解码网络的层数以及卷积核的个数降低网络的复杂度,利用递归过程提升网络的性能。在每次递归时,都将原始的低剂量CT图像级联到下一次的输入,可有效地避免图像在多次递归后失真的问题,能够更好地提取图像特征,保留图像的细节信息。实验结果表明所提出的网络算法不仅可以在保留图像细节同时有效地减少低剂量CT图像中的噪声和伪影。     

基于主从时空预测网络的闪电临近预警方法

精细时空分辨率下的闪电临近预警对闪电灾害预防具有重要意义.提出了一个主从时空预测网络模型(MSTNet)实现闪电的临近预警.模型的输入包括两种时空数据:历史闪电观测与雷达回波.MSTNet利用主、从时空预测网络分别对两种数据特有的时空规律进行挖掘,主、从预测网络提取得到的特征通过一个融合模块实现信息互补,基于融合特征完...     

基于MAP估计的遥感图像频域校正超分辨率算法

为解决超分辨复原中遥感图像调制传递函数过零点引起的病态问题,提出了一种基于最大后验概率估计,利用遥感系统成像模型对图像进行频域校正的遥感图像超分辨率复原算法.该算法首先假设图像满足高斯马尔科夫先验模型,使用最大后验概率估计法实现图像频谱外推.然后根据成像模型对外推的频率分量进行频域校正,去除调制传递函数过零点附近的伪信息.最后使用优化最小化方法完成数值求解,降低了计算复杂度.实验结果证明,该算法考虑了图像成像模型本身特性,对合成图像和各种地物条件下的遥感图像都能取得快速有效的超分辨复原效果.     

基于IBP的天气雷达超分辨率重建算法

雷达基数据分辨率不够会导致灾害性天气系统预报、跟踪的准确率低.为了提高基数据的分辨率,将迭代反投影算法应用于雷达回波超分辨率重建中,并对算法进行了改进.该方法基于对天气雷达回波使用滑动窗的重建模型,并引入时间相关性约束,由低分辨率回波重建出高分辨率回波.基于天气雷达提供的实例反射率回波,给出其超分辨率重建后的结果,并对其重建效果进行估计和比较.实验表明该方法在定量估计和视觉评价上都具有良好的高分辨率重建效果.     

光流法以及结合机器学习在临近预报中的应用

通过采用Gunnar Farneback的稠密光流跟踪法对雷达反射率进行2h外推,并结合半拉格朗日外推方法,保持天气系统回波的旋转效应,可有效提高回波短临预测的精准度。结合该方法外推的回波结果及历史降水观测,采取机器学习中Conv LSTM(空间深度学习)的模型结合Z-R关系进行1h降水预测,结果表明其降水预测的空漏报率低于SWAN业务系统QPF预测结果。     

梯度优化的多尺度视频光流估计

提出一种基于梯度优化的不同运动幅度视频图像光流估计的新算法。先用Loggabor滤波器对原视频图像进行相位、尺度滤波,再用所得的特征图像来计算时空梯度,最后根据时空梯度计算光流。该算法模型同时运用由粗到精的图像金字塔方法对视频图像分层处理。理论分析和实验结果表明,该算法适用于大幅度的视频运动光流估计,不仅能得到适合人眼视觉分辨率特性的图像,而且使时空梯度更加优化,光流计算更准确。并且在时间复杂度上与传统光流计算方法相当,在计算精度上优于Horn和Schunck、段先华等人提出的算法。     

基于递归模糊神经网络的多时延基因调控网络构建方法

为了处理连续的时序基因表达数据,提出了一个基于递归模糊神经网络的多时延基因调控网络构建算法.该算法能直接用于分析连续的时序基因表达数据,避免离散化数据造成的信息损失.使用时序互信息估计基因间的转录时延,并限制每个基因的潜在调控基因,从而有效提高建网的效率和精确度.酵母菌细胞周期表达数据的实验结果表明该算法能正确选择潜在的调控基因,更加精确地构建基因调控网络.     

耦合梯度ROF模型的自适应图像去噪算法

目的降低ROF去噪模型的阶梯效应。方法利用修正的ROF模型构建图像的梯度场,再利用该梯度来引导扩散,并根据图像自身特征选取磨光参数,较好地控制了扩散方向和磨光程度。结果与结论新算法保留了ROF模型的优点,同时降低阶梯效应的产生,且运算快捷。     

基于修正霍夫模型的双曲线拟合及目标尺寸反演

针对传统目标双曲线数学模型中,因假定雷达紧贴地面或忽略雷达高度对传播路径的影响导致的目标双曲线拟合精度低以及目标反演误差大等问题,基于双曲线形成机理提出了雷达离地工作时目标双曲线的修正Hough数学模型.该算法利用对称度法和极值法分别实现双曲线顶点的定位和图像二值化,基于双曲线修正数学模型,利用Hough变换反演圆形目标大小,实现目标回波双曲线的拟合.仿真结果表明,与通用Hough变换相比,该算法具有更好的拟合效果和反演精度.     

基于嵌入式雷达的近海渔船分布式监控系统

为对渔船实施有效监控,提出一种基于嵌入式雷达的近海渔船分布式监控系统.系统由多个雷达监控站和一个中心指挥系统构成.雷达监控站使用MD-3641/3642雷达,采用Internet网络技术和CDMA/GPRS通信技术实现与指挥中心的数据传输.采用基于数学形态学原理的目标回波识别算法实现雷达图像去噪和回波边缘提取.应用结果显示:目标回波识别算法有较好的去噪效果,可准确确定目标回波的位置.该系统可实现对渔船的有效监控.     

基于生成对抗网络去除车辆图像运动模糊模型

提出一种基于生成对抗网络的去除车辆图像运动模糊的网络模型.该模型引入多尺度递归网络作为生成对抗网络的生成器,生成器包含3层网络,每层网络中叠加多层残差块,对模糊图像进行由粗糙到精细的处理,并经由判别器进行判别.利用公开数据集PKU-VD进行实验,实验结果表明,由该模型去除运动模糊后的图像比较清晰,可以分辨细节内容,且峰值信噪比达到29.52,优于常用模型.     

采用结构与参数训练相结合的RNN模型构建基因调控网络

提出一种采用递归神经网络模型构建基因调控网络,将结构训练与参数训练相结合的方法进行网络的权值训练.采用模拟退火算法训练网络结构,找出调控关系权值,再引入基于免疫思想的粒子群算法对权值进行参数优化,得到基因调控网络图.并分别用人工数据和大肠杆茵DNA修复系统基因数据进行实验.实验结果表明,该方法能有效地从基因时序数据中揭示基因间的调控关系.     

基于天底点的散射回波信号处理算法

针对基于速度选通雷达高度表在森林等纯散射地面无法工作的问题,在深入分析纯散射地面回波信号模型及回波功率分布特征的基础上,提出了基于天底点的散射回波信号处理算法.该算法通过检测天底点附近回波中的多普勒和相位信息,进行相应补偿后获取回波中的二相编码信息,对所得二相编码信号进行相关处理后通过检测其峰值实现高度测量.仿真结果表明,该算法能够有效解决雷达高度表在森林等纯散射地面无法工作问题.     

连分式插值结合卷积神经网络的超分辨率重建

基于卷积神经网络的图像超分辨率重建算法是数字图像处理领域近年来的研究热点。针对低分辨率图像在预处理时使用双三次插值导致图像丢失一些重要的高频纹理细节以及网络模型优化问题,文章提出了连分式插值结合卷积神经网络的超分辨率重建方法。在原有的轻量级基于卷积神经网络的超分辨率重建算法(super-resolution convolutional neural net work, SRCNN)网络模型基础上,首先采用Newton-Thiele型连分式插值函数将低分辨率图像插值到目标尺寸;然后利用3个卷积层进行图像特征提取、非线性映射、重建与优化;该文在网络收敛时利用Radam优化算法自适应地调整梯度,并且采用余弦衰减法逐渐降低学习率。实验结果表明,该网络模型能够在轻量级的卷积神经网络下获得更丰富的纹理细节和更清晰的图像边缘。     

基于改进的卷积神经网络的钢号识别

为获取样本的多样性特征,提出了一种改进的卷积神经网络结构。该网络中引入多层递归神经网络,利用卷积神经网络提取输入图像的浅层特征,同时利用卷积神经网络和递归神经网络并行提取高层特征,最后将两种网络学习到的特征进行融合输入到分类器中分类。利用迁移学习理论解决小样本集数据训练不足的问题,并将这种卷积神经网络结构应用于石油物资管线钢号识别中。实验探究了递归神经网络个数与卷积核个数对网络性能的影响,实验结果表明,改进的网络结构与其它网络进行对比,错误率降低了 3% 。