一种基于四叉树划分的改进ORB算法

原ORB （oriented FAST and rotated BRIEF）算法提取的图像特征点经常出现“扎堆重叠”现象，其分布较为密集且缺乏尺度不变性，因而容易造成图像特征点误匹配的问题。为了解决该问题，提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔，然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征（features fromaccelerated segment test，FAST）算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后，根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值，提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点，并使用改良后的二元鲁棒独立基本特征（binary robust independent elementary features，BRIEF）算法计算得出特征点的描述符，最后进行特征点匹配。实验结果表明，本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升，冗余重叠的特征点数量减少，且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。     

基于语义分割的遥感影像建筑变化检测

遥感影像变化检测是利用多时相影像确定一定时间内地物或现象的变化，提供地物空间变化的定性与定量信息。传统遥感影像变化检测方法主要基于地面纹理及空间特征的方法，存在着难以精确识别遥感影像中新增建筑物的问题，为此该文提出了一种基于UNet网络的遥感影像建筑物变化检测方法。首先，将轻量级高效通道注意力机制网络（efficient channel attention network, ECANet），注入到原UNet网络模型，调整并优化网络结构，提升影像分割的准确度。然后改进SENet网络参数，提高遥感影像中的建筑物变化检测的精度。该文在高分辨率数据集LIVER-CD上进行实验，结果表明，所提方法的语义分割准确度达到99.03%，建筑变化检测准确率达到98.62%。相比于其他方法，该方法增强了影像的有效特征，提升了遥感影像中地面建筑物的检测精度。     

嵌套网络模型下的相似图像检索方法

对深度学习领域的稠密卷积网络（dense convolutional network, DenseNet）进行改进，提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络（squeeze-and-excitation network, SENet），调整原DenseNet网络结构，优化特征提取模块，从而提高图像检索的准确率。在整个深度学习的过程中，给图像特征通道设置合理的权值，抑制图像中的无效特征，能够进一步提高图像的检索速度。实验结果表明，所提算法能够加强图像有效特征的传递，无论从精度和速度方面均可得到较好的图像检索结果。     

纳米限域镁基储氢材料研究进展:小综述

氢气因其高热值、来源丰富而被认为是一种理想的清洁能源。然而,要想以一种高密度、廉价和安全的方式储存氢是氢能蓬勃发展的主要限制。镁基储氢材料具有储氢容量大（7.6wt%）、性能好、成本低等优点,被认为是一种很有前途的固态储氢材料。但目前仍需要克服高热力学稳定性和缓慢动力学上的障碍。解决这些问题的方法大致分为添加催化剂和控制颗粒尺寸两种。而许多研究都表明镁颗粒可以很容易地进入到支撑模板的孔隙中,在这个过程中由于模板孔隙限制的原因可以有效的限制颗粒聚集从而达到控制材料尺寸的效果,这种方法我们把它称为纳米限域。本文综述了纳米限域对镁基储氢性能学的影响,总结了通过不同种类的限域材料原位氢化或熔融法等方式达到限域目的的研究,减低颗粒尺寸的同时可以显著改善储氢动力学性能。这项工作为利用纳米限域法设计高性能镁基材料的提供了应用前景。     

嵌套网络模型下的相似图像检索方法

对深度学习领域的稠密卷积网络（dense convolutional network,DenseNet）进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络（squeeze-and-excitation network,SENet）,调整原DenseNet网络结构,优化特征提取模块,从而提高图像检索的准确率。在整个深度学习的过程中,给图像特征通道设置合理的权值,抑制图像中的无效特征,能够进一步提高图像的检索速度。实验结果表明,所提算法能够加强图像有效特征的传递,无论从精度和速度方面均可得到较好的图像检索结果。     

基于传感器光谱特性与分类的遥感图像融合

为了提高多光谱图像和全色图像的融合质量,提出了一种基于广义亮度色度饱合度(IHS)变换与分类思想相结合的遥感图像融合算法.在充分考虑各波段传感器的相对光谱响应的基础上,在强度分量的构造和空间细节信息的注入方面进行了改进.改进后的方法首先对图像进行分类,然后采用高斯概率密度函数对分类构造后的影像进行加权融合,有效地改善了...     

一种基于四叉树划分的改进ORB算法

原ORB(oriented FAST and rotated BRIEF)算法提取的图像特征点经常出现"扎堆重叠"现象,其分布较为密集且缺乏尺度不变性,因而容易造成图像特征点误匹配的问题.为了解决该问题,提出了一种基于四叉树划分的图像特征点提取算法.首先对图像建立尺度金字塔,然后使用四叉树划分图像并限制划分深度.用加速...     

一种基于双重网络模型的单幅图像超分辨率方法

本文对深度学习领域中的高效亚像素卷积神经网络（efficient sub-pixel convolutional neural network,ESPCN）算法进行了改进,通过加入残差网络知识,调整原有的ESPCN构造结构,提出了一种双重网络模型下单幅图像超分辨率重建方法。通过实验证明：该算法能够有效地提高单幅图像超分辨率重建的精度,丰富重建后的细节信息。     

基于URQ模型的I帧码率控制

当目标码率较低时,在编码视频序列中周期性地插入I帧,会导致重建视频播放时出现“闪烁”现象. 为提高I帧重建质量,抑制“闪烁”,提出了一种基于URQ模型的I帧码率控制算法. 首先根据图像的运动趋势和复杂度将I帧划分为运动区域、图像复杂区域和平坦区域;然后依据人眼视觉系统对不同区域“闪烁”的敏感性,为视觉敏感区域分配更多的码率,其他区域分配较少码率;最后,利用URQ模型计算编码所需的量化参数值,实现对I帧的码率控制. 实验结果表明,所提算法能够在保证码率控制精度的前提下,有效抑制由于周期性插入I帧导致的视频“闪烁”现象,提高重建视频的整体主客观质量.