网络爬虫的图像美学质量数据库及其美学评价系统设计

本文提出了一种基于网络爬虫建立图像美学数据库并评价图像美学的方法. 首先使用网络爬虫获取数据库图像，然后提取图像的美学特征，进行美学评价. 本方法提取的美学特征涉及了全局和区域特征两方面，因此在特征提取之前需要使用功率谱斜度的方法分离图像的主题、 背景区域.实验结果表明，本方法可以较好地抓取并且分析网络图像，并且评价方法与人类的主观感知有很好的一致性，能准确地反映人类的美学鉴赏系统.     

基于Gauss滤波的多媒体图像的可视化检索

基于图像的可视化特征的图像检索和查询，是当前多媒体系统的重要研究方向。对于基于图像局部匹配的检索，传统的模板匹配和区域分割方法只能在目标图像中检索非常相似的对象，对尺度或形状有较大变化的目标则难以得到满意的结果。提出了一种不依赖于模板匹配的方法——图像的多尺度高斯滤波表示，用于图像的特征提取和局部匹配，并在分布并行索引结构下实现了该方法的快速索引和搜索算法。实验表明，该方法能够在较大尺度和视角变化范围内，更有效地进行图像的特征提取和检索，对基于图像局部区域相似性的匹配能达到较好的效果。     

大幅面星载SAR图像中机场检测算法

重点研究了大幅面星载合成孔径雷达图像中的目标检测问题.选取机场区域作为检测目标,提出了一种基于区域形状特征的检测算法.算法使用自适应聚类分割法解决大幅面图像中复杂背景下的小目标分割问题,选取椭圆近似法代替常用的最小外接矩形和边界框法计算区域的尺寸和体态特征.通过对多幅实际获取自不同场景的大幅面星载合成孔径雷达图像进行实验,结果表明,本算法可快速、准确地检测出包含在场景中的单个或多个结构不同的机场区域.     

基于RS-DBN的电子对抗目标清单生成方法

由于电子对抗作战目标类型和工作方式多样, 变化速度快, 有效信息难以充分获得, 且在不同作战阶段呈现出不同特点, 使用传统评估方法难以对其等级排序实施精确评估。对此, 提出一种基于随机集的动态贝叶斯网络电子对抗目标等级评估方法。首先，对电子对抗作战目标清单生成方式进行梳理, 确定了评价指标体系, 并根据作战阶段的变化特点，结合动态贝叶斯网络完善了评价体系。然后, 充分考虑作战过程中数据获取不完整的特点, 通过引入随机集方法将传统贝叶斯网络的节点参数求解方法进行拓展, 使用区间数学的思想得到了较为准确的动态贝叶斯网络节点参数。最后，进行了案例仿真计算和结果分析, 并对节点概率确定方法进行算法复杂度讨论。结果表明，所提方法更加适合样本不完整的军事评估问题, 评估结果与实际作战基本一致, 使用的算法具有高效性、适用性和推广性。     

基于交叉细化和循环注意力的RGB-D显著性目标检测

针对显著性目标检测区域边界模糊以及检测区域不精确不完整的问题，提出了基于交叉细化和循环注意力的RGB-D显著性目标检测方法。在利用编码器提取特征的阶段设计了交叉细化模块，用于补充对方的特征信息，改善了融合前的特征质量，抑制了质量较差的深度图带来的消极影响，解决了显著性目标边缘模糊的问题。针对融合后的特征，提出联合注意力机制与卷积长短期记忆网络单元的循环模块以模拟大脑的内部生成机制，通过检索过往的记忆帮助推断当前的决策，从而获得需要长期记忆的语义场景，可以全面学习融合特征的内部语义关系，生成检测区域更完整，更准确的显著性图。在6个公开数据集上进行的实验表明，所提的方法可以得到边缘清晰且准确度更高的显著图。     

基于灰度分布模型的声呐图像目标检测算法

针对声呐图像目标检测问题,提出了一种基于声呐灰度图像像素点的灰度分布模型的目标检测快速算法。该算法利用图像中各像素点处滑动窗内像素点的灰度分布模型的参数和拟合误差为特征量,构造声呐图像的特征图,并采用自适应阈值算法进行目标特征区域检测处理。最后将该算法的检测结果同分形特征以及扩展分形特征检测结果进行了比较分析。仿真结果表明该算法具有实时性好、准确度高的特点,并且可有效地克服背景中演示等自然景物的影响,实现人造目标的准确提取。     

基于全局位置信息和残差特征融合的SAR船舶检测算法

针对合成孔径雷达(synthetic aperture radar, SAR)图像船舶目标尺度不一且易受海面、地面杂波和相干斑噪声的影响,难以提取目标多维特征且特征融合过程中易产生语义歧义,造成船舶目标检测率低,虚警率高的问题,提出一个基于全局位置信息和残差特征融合的SAR船舶目标检测算法。基于Faster区域卷积神经网络(region convolutional neural network, R-CNN)目标检测算法,在特征提取网络和特征融合网络中进行改进：在特征提取网络中使用高宽注意力机制提取目标在图像中的全局位置信息,增强目标的多维特征提取能力;在特征融合网络中使用带有残差连接的双向特征金字塔网络削弱特征融合过程中的语义歧义,降低复杂背景下的船舶目标虚警率,同时进行不同层级的多尺度特征双向融合,增强高低层特征的联系,提升多尺度船舶目标的检测能力。在SAR船舶数据集上达到98.2%的均值平均精度,超过部分算法2.4%以上。实验表明,所提算法有效提取了目标的多维特征,显著缓解了语义歧义问题,具有较好的检测能力和泛化能力。     

基于分层次模型的自动目标识别方法

由于存在目标结构复杂、类间差异影响、图像发生变化、背景干扰等问题，复杂场景中结构复杂目标的完整轮廓信息难以准确描述。针对该问题，提出了一种分层次模型：低层中引入条件随机场融合多类特征,获取目标存在的候选区域，为高层处理提供外观特性方面的辅助；高层中通过对模型各部分特性统计建模，实现对目标形状特征的描述。实验结果表明，该模型灵活性强，普适性高，识别结果准确稳定。     

基于改进的深度学习网络的SAR图像瞬时海岸线自动提取算法

针对目前合成孔径雷达(synthetic aperture radar, SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中, 仍然存在精度低与自动化水平差的问题, 提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先, 将SAR图像进行Lee滤波增强来抑制相干斑。其次, 通过升级残差网络为主干网络,分4级提取海水目标的特征。然后, 将4级特征经过全局卷积网络、密集连接网络和解码器网络配合,充分提取目标的本质特征, 并通过上采样产生海水分割结果。最后, 利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比, 证明所提算法对海岸线的提取更加准确, 能够减少虚警和漏警, 具有更好的性能。     

基于改进目标检测的动态场景SLAM研究

针对单目SLAM在动态场景下存在的对极约束误匹配问题,提出一种基于目标检测的动态特征点选择方法,通过在特征提取时剔除SLAM系统前端图像帧中动态特征点,提高SLAM的定位精度。提出了一个改进的目标检测网络,利用重叠面积、距离相似度和余弦相似度构建描述边界框的回归损失函数,实现目标的准确定位,获得当前图像帧中物体特征点范围。判断物体类别,对于标记为动态的物体根据目标检测结果剔除前端图像帧中的动态特征点。根据静态特征点,采用对极约束进行两帧图像间的特征匹配估计位姿,对单目相机运动进行跟踪、建图与闭环检测。通过对目标检测网络的主干进行结构重参数化改进,提升推理过程的速度,保证整体系统运行的实时性。在公开数据集KITTI的11个序列上的实验结果表明：改进后的系统比ORB-SLAM3系统定位精度提升了23.4%,帧率可以达到30帧/s以上,在保证实时运行的条件下能有效提高动态场景下单目SLAM系统定位精度。     

基于模糊Renyi熵和区域增长的图像目标分割方法

为了实现快速精确的航空侦察图像目标分割,提出基于模糊Renyi熵和区域增长的分割方法。首先在Renyi最大熵分割的基础上,应用模糊隶属度函数,引入模糊Renyi熵,提高图像分割效果。然后为了获取种子点,提出了基于双金字塔和特征融合的显著性检测方法,并通过形态学重构开运算和区域极大值生成目标核心区域。最后,增长准则设计为将图像分割结果进行二值标记,然后选取与目标核心区域重叠最多的区域块为目标分割结果。实验结果表明,所提方法可实现复杂场景航空侦察图像舰船目标的快速和精确分割。     

基于YOLOv5的舰船目标及关键部位检测算法

为进一步提升对可见光图像中水面舰船目标的检测识别成功率,提出一种基于YOLOv5的舰船目标识别算法。使用基于随机池化方法的空间金字塔池化网络,运用双向特征金字塔网络进行多尺度特征融合,采用指数线性单元函数作为激活函数加快网络训练收敛速度,提升算法鲁棒性,从而实现了对水面舰船目标和舰船关键部位的快速准确识别。通过在舰船目标及其关键部位数据集上实验验证,对比多个经典目标检测方法,在识别准确率上均有不同程度提升,对比原YOLOv5s模型,平均精度均值提升3.03%,速度提升2 FPS,模型保持了YOLOv5轻量化的特点,在应用部署上有良好前景。     

基于场景语义的图像检索新方法

针对图像的场景语义检索问题,提出一种基于多示例学习(multi-instance learning, MIL)的新方法。首先,该方法将图像当作多示例包,再根据图像的颜色复杂度,设计了自适应JESG图像分割方法,对图像进行自动分割,并提取每个分割区域的颜色－纹理特征,当作包中的示例,将图像检索问题转化成多示例学习问题;然后,利用改进的推土机距离（earth mover distance, EMD）来度量不同多示例包（图像）之间的整体相似度,设计了一种新的惰性MIL算法,用于场景图像检索。基于COREL图像库的对比实验结果表明,设计的示例构造方法与MIL算法都是有效的,且检索精度优于其他同类方法。     

学生网的增长态势及其分形特征分析

通过一个实际的学生网络,研究具有复杂网络特征的实例网络的增长特性.在Logistic模型的基础上,根据学生网在振荡中增长的特点,对Logistic模型进行参数修正和改进,并通过浮点型遗传算法进行拟合,得到学生网增长的最终拟合模型.然后根据学生网增长的时间序列特征,采用表征分形特征的分维算法,计算得到学生网增长的分数维,得出学生网在增长过程中确实具有分形特征的结论.最后确定了可对学生网增长态势做准确长期预测的数学模型形式.     

基于感知融合机制的渐进式去雾网络

智能辅助驾驶应用场景对图像去雾的准确性和实时性要求较高。提出了一种新颖的基于感知融合机制的渐进式去雾网络(progressive dehaze network, PD-Net),将降质图像恢复的任务分解为多阶段的子任务，通过轻量级的子网分块学习特征图的不同区域语义信息，以提升去雾效率。在此基础上，基于注意力机制和导向滤波设计跨阶段感知融合模块(perception fusion module, PFM),自适应感知各阶段提取的多尺度特征并进行融合，而不损失图像细节信息及边缘结构信息。实验结果表明，与现有主流的端对端去雾模型相比，所提出的算法在处理户外图像时具有更高的准确度和实时性，在公开的合成对象测试集(synthetic object testing set, SOTS)上的峰值信噪比(peak signal to noise ratio, PSNR)与现有最好结果相比提升了0.93 dB,处理单幅图像仅需72 ms,提出的网络模型有望应用于智能交通等现实领域。     

基于区域毁伤的基础设施网络抗毁性评估模型

基础设施网络对国家经济、人民生活和社会安全具有重要意义,为了能够准确迅速地评估基础设施网络面对物理攻击或自然灾害时的抗毁性,提出了基于区域毁伤的基础设施网络抗毁性评估模型。该模型将网络的边均分成虚拟节点,提出加权聚类算法寻找关键区域,使用归一化方法平衡网络规模和网络地理覆盖范围对评估结果的影响,算法复杂度低,运算量小,模型应用范围广,便于多个网络之间或同一网络不同规划方案的抗毁性比较。以智利电力输送网络为例,设计多组实验对评估模型进行检验,并给出可视化结果和分析。     

基于改进R-FCN的SAR图像识别

由于深度学习在目标识别方面取得了显著的成绩,为提高合成孔径雷达(synthetic aperture radar, SAR)图像目标识别的精度与速度提供了新的思路。本文将区域全卷积网络(region-based fully convolutional networks, R-FCN)结构应用于SAR图像目标识别中,取得了良好的效果。对于数据集较小和数据相似度较高的问题,提出了基于迁移学习的R-FCN模型用于SAR图像目标识别。对更快的区域卷积神经网络(faster region convolutional neural networks, Faster R-CNN)和R-FCN进行模型训练及优化,并与所提出的基于迁移学习的改进R-FCN模型实验结果进行对比。结果表明,所提方法对SAR图像具有更好的识别效果和更快的识别速度。     

红外图像目标分割方法研究

针对红外图像目标准确分割的难题 ,提出了一种有效的目标分割方法。该方法所遵循的基本准则是 ,使区域内部所考虑的特征或属性相同或相似 ,而这些特征或属性在不同区域中则是不同的或存在差异的。依据这个准则运用最大距离法和自动增强图像分割门限的方法实现了红外图像中目标的准确分割 ,并且通过实验验证了本方法的有效性。     

一种舰船目标SAR回波的快速仿真方法

为满足合成孔径雷达(synthetic aperture radar,SAR)在海洋遥感的应用需求,提出一种舰船目标SAR成像的快速仿真方法。对成像场景中重点关注的目标进行精确电磁建模,并利用"四路径"模型计算目标与海面的复合散射回波,对海面背景采用散射面元法计算回波;将舰船复合散射回波与海面回波进行合成得到总的SAR回波,利用聚束SAR成像处理方法获得SAR图像。结果表明:该算法避免了对整个成像区域进行复杂的电磁仿真,能够有效降低对海面大场景的电磁计算效率。由于在目标区域采用高频电磁算法,保留了目标的电磁散射的精细结构,为精确模拟SAR回波提供了一种准确而高效的仿真算法。     

环境特征与散射特性融合的PolSAR飞机目标检测

针对复杂场景下极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像飞机目标检测问题,提出了一种融合目标环境特征与散射特性的PolSAR飞机目标检测方法。首先，利用极化白化滤波(polarimetric whitening filter, PWF)图提取疑似飞机目标,将疑似飞机目标转换成超像素得到混合图像。然后，经极化分解与分类构造一个新的环境特征,并与散射特性融合得到飞机目标检测特征,通过阈值判别检测出飞机目标。最后，使用AIRSAR和UAVSAR系统采集的实测数据进行实验,并与其他检测方法进行对比。结果表明,所提方法产生的虚警和漏警较已有方法有所改善,检测结果更好。