红外隐身涂料涂敷效果评估系统研究

通过涂料的涂敷实现隐身是目标隐身的主要手段之一.针对红外隐身涂料涂敷过程和效果评估需要,提出了评估系统的体系结构,设计了一个用于隐身涂层设计的涂敷交互平台;考虑目标表面及背景红外辐射特征和传感器系统模糊,实时生成了逼真的涂敷目标红外模糊图象;通过计算目标轮廓相对于视线的投影面积确立了目标有效临界尺寸,根据红外图象分析了系统模糊对目标识别周期标准和概率的影响,建立了涂料涂敷效果评估模型.多种实验证明,系统可方便地进行红外隐身图案设计和有效地量化评估涂料涂敷红外隐身效果.     

基于神经网络的遥感影像超高分辨率目标识别

现有遥感图像的许多分类方法大都忽略了混合像元存在的事实,通过理解遥感影像像元点目标的空间分布特性,提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法。在Hopfield神经网络模型下,利用模糊分类技术进行模糊分类,然后用分类结果约束Hopfield神经网络的方法获取超高分辨率的遥感图像,能够提高遥感图像的目标分辨率,使其目标特征信息更清晰。     

轰炸效果的统计模拟模型

航空兵在遂行轰炸突击任务之前,需要对各种不同作战方案或不同战术手段的预期效果加以估计。由于轰炸突击行动中包含许多随机因素,因此需要从概率的角度来描述预期突击效果。 在封锁机场跑道和从任意方向进入目标实施突击时,随机因素很多,按解析法推导出的预期突击效果计算公式往往包含一些重积分的计算。为计算一个结果而进行繁重的数值积分的计算,是很不现实的。在这种情况下,只有统计模拟法才是计算预期突击效果的切实可行的近似计算方法。     

最大模糊能量图像阈值分割法

最小模糊熵阈值法是一个常用的图像分割方法。依据模糊熵的对偶概念：模糊能量,提出了对应的最大模糊能量阈值法。考虑到最大模糊能量阈值法在有些情况下不能有效找到直方图的谷点,通过融入阈值点的概率信息,提出了一种改进的加权最大模糊能量阈值法,改进方法能够使得分割阈值点更接近图像直方图的谷底。实验结果表明,改进的最大模糊能量阈值法对单峰直方图和小目标图像有更好的分割效果。     

生态治理中政府部门代理人道德风险因素分析

针对我国生态环境治理存在政府部门代理人道德风险的社会现象,认为影响代理人个人道德风险的因素主要有诚实履约的正常收益、道德风险行为被发现的概率、贴现因子、道德风险行为的额外收益以及道德风险行为被发现后的次优收益,并且以预期收益为目标建立数学模型,分析政府部门代理人个人道德风险行为动机与影响因素之间的关系。进一步扩展模型,讨论了社会监督成本以及随机因素的影响作用。最后,提出了相关的监督、激励及协作策略。     

Mamdani型概率模糊系统建模方法

针对模糊系统不能有效表示系统中的随机性,给出了一种Mamdani型概率模糊系统的建模方法。该模型不需要领域专家的知识,可以直接从已有数据生成概率模糊规则。相应地给出了一种概率模糊推理方法。概率模糊系统综合了模糊系统的易理解性和概率系统的统计特性,能够对数据中的随机性进行更好地表示和处理。以概率模糊系统在时间序列分析中的应用为例,通过与“查表法”(table look-up scheme) 的比较,说明了所提方法的有效性。     

模糊影响图评价高速公路经营风险

从高速公路经营者的角度．采用模糊影响图对高速公路经营风险进行评价。首先，从高速公路经营效益出发．分析影响效益的风险因素．绘制高速公路经营风险影响图；采用经营效益与可行性研究阶段预计经济效益差值作为影响图价值结点；运用模糊影响图计算方法计算效益增减概率，以此评价经营风险程度；最后通过一算例说明计算方法．并得出了风险评价结论。     

一种群体评价一致性合成方法

在分析了影响群体评价结果的因素后 ,在以三角模糊数表达评价意见的基础上 ,提出了群体评价一致性合成的过程和算法 ,分析和证明了该方法的性质和特点 .实例表明用该方法能够更好地综合群体意见 ,全面反映群体评价综合中应考虑的因素 .     

模糊状态概率下的组合投资决策

针对决策者在进行项目选择投资时各种自然状态发生概率的不确定性,提出并讨论了模糊状态概率下的组合投资决策问题。通过对状态集合上模糊概率评价的一致性进行分析,运用与模糊概率评价相对应的一个有效概率分布,给出了模糊状态概率下组合投资策略的期望收益率和风险的表示方法,在此基础上建立了组合投资的多目标决策模型,并给出了其求解过程。最后,给出了一个数值例子,结果表明:方法合理、有效,易于实现。     

油田调剖效果的多层次模糊分析方法

针对油田调剖措施效果单因素评价方法结论不够全面的缺点,综合考虑调剖措施前后的生产动态资料、水驱曲线、监测资料和经济效益等各方面的指标,采用层次分析法确定指标权重,应用模糊综合评价方法对调剖措施效果进行全面的评价.把综合评价的结果用最优分割原理进行分类,得出把东辛油田的32井次调剖措施分成5类能达到误差小、分类清楚的效果.结果表明,调剖措施模糊综合评价结论客观地反映调剖措施的效果,避免了单因素评价的片面性,使措施效果评价系统化,定量化.     

双参数Beta过程联合字典遥感图像超分辨

为了改善遥感图像超分辨重建(super-resolution reconstruction,SRR)效果,针对以往仅适用于单特征空间的稀疏字典超分辨算法,提出同时适用于两个特征空间的双参数Beta过程联合字典(Beta process joint dictionary,BPJD)遥感图像SRR方法。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率图像进行分块和Gibbs采样,生成字典训练样本。然后,依据BPJD,建立连接高、低分辨率遥感图像空间的双参数联合稀疏字典,将字典稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:所提方法可自适应地缩小字典尺寸,能以更小尺寸的稀疏字典重建更高质量的超分辨遥感图像,重建结果图像的纹理细节信息更丰富,峰值信噪比和结构相似性度均有提高。     

基于航空图像的航天光学遥感器成像的仿真

针对早期光学遥感成像模拟软件基于地面图像的情况,提出针对机载航空图像进行航天光学遥感器成像仿真的方法。以在一定高度下机载航空图像为基础,利用经验线性法进行反射率反演,借助于大气辐射传输软件MODTRAN对地面反射率图像进行大气修正,结合航天光学遥感器定标系数得到了灰度值图像。实际应用表明,利用机载光学遥感器对研究区域进行光学成像,通过系统仿真得到航天遥感图像,从而为目标识别、伪装效果检验等提供了有效的手段。     

基于纹理上下文的遥感图像目标识别

基于统计流形理论并结合形状上下文思想,提出了能够描述图像纹理目标的纹理上下文特征,进而实现对遥感图像纹理目标的识别。首先将图像的灰度概率密度函数看作统计流形上的点,用所得到的图像统计流形模型来描述图像的纹理上下文特征;然后使用Fisher信息距离来度量流形上点之间的相似度,并利用匈牙利算法来匹配纹理上下文特征;最后通过计算匹配距离来实现不同图像目标的相似性度量。实验表明,与经典的灰度共生矩阵、局部二值模式和统计流形算法相比,对于具有纹理特征的遥感图像,该方法具有更高的识别率且具有普适性和稳健性。     

基于邻域加权模糊C均值的遥感影像分割

遥感影像分割是遥感影像识别和理解的前提和基础,遥感影像分割的结果直接决定着后续像分析和理解的质量。针对经典模糊C均值(Fuzzy C-Means,FCM)聚类算法分割图像时存在的不足,即该算法只考虑图像中像素自身的灰度值信息而没有考虑其邻域内的像素空间信息从而对噪声比较敏感,提出了一种邻域加权FCM(Neighboring Weighted FCM,NW-FCM)的遥感影像分割算法,该算法中邻域窗口内各系数(权)的值是根据图像自身的特性而自适应确定的。通过分割合成图像和实际的高分辨率遥感影像的实验结果表明,相对于其他几种方法,所提的方法取得了更好的分割效果。     

基于非采样contourlet变换的多光谱和全色图像自适应融合算法

光谱保持和高分辨率保留是影像融合的两个重要问题。提出了一种自适应的基于非采样contourlet变换的多光谱和全色图像的融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行非采样轮廓波变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的自适应基于局部特征的融合准则进行影像融合,通过非采样contourlet逆变换得到新的I分量,最后与H,S分量一起还原到RGB空间,得到融合后的高分辨率多光谱彩色图像。采用一组多光谱图像和全色图像数据进行融合实验,利用均值、标准差、熵、光谱扭曲度和相关系数5个重要评价指标对融合效果进行数理分析。实验融合图像的目视效果和统计指标均优于传统的IHS融和方法、小波融合方法以及contourlet变换方法。     

基于图像仿真的对地遥感过程科学可视化研究

分析了成像链的光谱辐射响应和空间响应特性，提出一种基于图像仿真的对地遥感过程科学可视化方法。文中建立了成像链分析模型，讨论了传感器获取的三维场景像元辐幅度、探测器输出信号、随机噪声和调制传递函数等数学模型，并导出了包含传感器综合响应特性的遥感数字图像传输方程。此外，对专业软件RSIS1．0可见近红外波段的仿真模块、数据库及仿真过程作了简要介绍。最后，给出了部分仿真遥感数字图像。     

基于SOM和SVM的遥感图像目标识别

提出了一种基于自组织特征映射 (SOM)神经网络和支撑矢量机 (SVM)相结合的遥感图像目标识别方法。该方法首先利用SOM对目标进行聚类 ,然后应用SVM方法对其进行分类识别。最后将该方法应用于二值遥感图像的目标识别 ,与仅用支撑矢量机方法的识别结果进行了比较 ,结果表明 ,这一方法对二值遥感图像目标具有很好的分类识别效果 ,且训练时间大幅度缩短。     

基于关键点的遥感图像舰船目标检测

针对当前舰船目标检测算法存在锚框遍历计算成本高和特征旋转适应性不足等问题, 提出基于关键点的遥感图像舰船目标检测方法, 通过预估舰船中心点实现目标检测。首先, 引入深度可分离卷积降低参数冗余, 结合SimAM无参注意力机制, 增强对舰船目标的关注度。其次, 引入方向不变模型(orientation-invariant model, OIM)生成方向不变特征图, 增强网络对旋转目标的适应能力。最后, 考虑到遥感图像舰船目标任意方向密集排列, 但舰船目标中心点不变的特点, 采用直接预测目标的中心点, 再回归偏移量、目标尺度和角度的思路, 摆脱锚框遍历机制, 提高检测速度。在HRSC2016和RFUE2021数据集上进行对比实验, 实验结果充分说明了本文方法的有效性和先进性。     

基于RHTC网络的飞机目标检测与精细识别

飞机目标的方向检测和精细识别是高分辨率光学遥感图像解译领域的一个重要任务。针对遥感图像中多方向密集排布飞机的方向检测和识别困难问题, 提出一种基于旋转混合任务级联(rotated hybrid task cascade, RHTC)网络的飞机检测识别方法。首先, 基于混合任务级联(hybrid task cascade, HTC)网络, 扩展分割分支数量, 并将分割分支与包围框分支多层级联以不断加强语义特征。其次, 设计了一个新的斜框回归器, 将其添加在掩膜分支的最后一层以完成目标方向预测。最后, 增加一个新的方向损失函数以优化训练过程, 从而完成RHTC网络构建。在数据预处理阶段, 构建了每类型号飞机目标的精细掩膜以增强目标细节和提高掩膜预测精度。基于DOTA和公开Google图像构建的飞机数据集开展了多组实验。结果表明, 与其他多种先进的方法相比, 所提方法在飞机检测方向精准度和类别平均精准度上性能更优。此外, 所设计的斜框回归器和方向损失函数在嵌入到其他分割网络时也具有良好的性能。     

基于中心点和语义信息的多方向遥感舰船检测

在高分辨率遥感影像解译中, 舰船目标的检测一直是研究热点。针对遥感影像中近岸舰船排列密集、方向各异以及背景复杂等问题, 本文提出一种基于旋转中心点网络和语义信息(rotated CenterNet using semantic information, RSI-CenterNet)的多方向遥感舰船目标检测方法。首先, 基于关键点检测网络, 在检测阶段添加目标角度回归分支, 以预测目标方向; 其次, 添加语义分割分支, 并将其输出的特征与检测部分的输入特征进行融合以强化目标区域的特征信息; 最后, 引入注意力模块, 以强化目标显著区域与通道的特征, 提升检测精度。实验结果表明, 与其他多种先进方法相比, 本文方法具有更高的检测精度与检测速度, 在高分辨率船舶数据集(High Resolution Ship Collections 2016, HRSC2016)上的平均精度达到88.31%, 检测速度达到17.8 FPS。