水下也有金字塔？揭秘全球七大水下古城

据国外媒体报道,在世界的某些神秘海底或湖底隐藏着远古人类城市．这些远古建筑遗址孕藏着大量的人类历史信息。许多水下古城堙没于水下是由于数千年前地震、海啸或者其他自然灾难形成的。许多水下古城仅是近年来才被发现．或者这些远古遗址是通过先进的科学技术手段下实现的。     

结合边缘和统计特征的末制导SAR图像匹配

提出一种用于末制导的合成孔径雷达（synthetic aperture radar, SAR）图像实时匹配方法。考虑参考图与实时图尺度、方向等差异,制备多幅参考图像,基于最小错误概率准则,对每幅参考图像提取边缘,由边缘图形成用于匹配的包含边缘两侧地物区域信息的参考模板。提出一种利用边缘信息和SAR图像统计特性的相似性度量准则。采用金字塔分层结构的搜索策略,提高了匹配速度。该方法综合利用了边缘和灰度统计信息,避免了对实时图的边缘提取。实验验证了算法的有效性。     

基于超密集特征金字塔网络的SAR图像舰船检测

针对星载合成孔径雷达(synthetic aperture radar, SAR)图像舰船目标检测困难的问题,提出了一种基于超密集特征金字塔网络的检测算法。首先,利用残差神经网络提取原始图像特征,构建特征图。其次,跨尺度连接多个特征层获取超密集特征金字塔,建立多尺度的高层语义特征映射,增强特征传播和重用。然后,再利用区域建议网络提取每层金字塔的候选区域输入检测网络。最后,通过融合候选区域及其周边上下文信息,将检测网络注意力集中至海域以抑制虚警,并为分类器计算置信度和边框回归提供补充信息。多组仿真实验证明,所提网络框架设定合理且检测性能优越。     

基于多层特征融合的单目深度估计模型

为了获取信息完整的深度图以提高预测深度图的质量,解决单目深度估计模型中特征融合的问题,提出一种融合多尺度和不同层特征的双流神经网络模型。该模型采用ResNet-50残差网络结构提取深度特征信息,利用金字塔结构融合不同层次的图像特征,实现低层、中层和高层的特征融合,保证不同层次特征的有效互补,改善多层间特征信息的传递,在一定程度上避免了信息的遗漏和缺失。在KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)数据集上进行试验,结果表明,该模型的均方根误差为2.370 4,对数均方根误差为0.229,平均对数误差为0.118,阈值精度分别为0.686、0.951、0.977,实现了较好的评测结果。     

基于因子图的无人喷雾机多源融合定位

针对果林环境GPS信号容易丢失,造成农机位姿估计误差较大的问题,提出了一种基于因子图的喷雾机多源融合定位方法.采用集成彩色和深度相机与IMU的RealSense D435i传感器,感知无人喷雾机周围环境信息.通过改进的自适应阈值均匀Harris角点提取方法,利用金字塔LK光流算法跟踪匹配角点,使用迭代最近点算法估计相机运动,最终采用因子图优化算法迭代优化位姿估计误差.试验在林间道路进行,改进的方法与惯性组合导航相比,在GPS信号丢失时可以有效地实时估计喷雾机位姿,试验测试距离总共112.39 m,多传感器融合后的位姿更新频率约为50 Hz.结果表明:喷雾机定位均方根误差减少了0.816 m,最大误差减少了4.613 m,姿态角度估计最大误差减少了2.713°.     

基于信用差异度最大的信用等级划分优化方法

信用评级对当代社会有极其重要的影响,若信用等级划分不合理,必将误导债权人和社会公众.信用评级结果的变动直接反映经济状态的变化,2011年标准普尔把美国的主权信用评级从AAA级降为AA+,引起全球金融市场的动荡.信用评级的本质是合理区分客户的信用状况,揭示不同等级客户的信用风险水平.国际上比较流行的标普、穆迪的信用评级针对中国客户的评级结果往往存在信用等级很高、违约损失率反而不低的不合理现象.本研究以信用差异度和违约金字塔为标准,构建非线性规划模型划分信用等级,并以中国小企业贷款数据为样本进行实证研究·本研究的创新与特色一是根据第k个信用等级中最后一个样本的信用评分P_(mk)~k与第k+1个信用等级中第一个样本的信用评分P_1~(k+1)确定相邻两个等级的信用评分差值,以所有信用等级的评分差值之和∑(P_(mk)~k-P_1~(k+1))最大为目标函数,确保最大程度的保证信用评分差异大的客户划分为不同信用等级.避免了把信用状况差异较大的客户划分成同一个信用等级的不合理现象.二是以信用等级由高到低的违约损失率严格递增为约束条件建立信用等级划分模型,保证信用等级划分结果满足信用等级越高、违约损失率越低的违约金字塔标准,避免出现信用等级很高、违约损失率反而不低的不合理现象.三是1814笔工业小企业贷款数据的实证研究表明,本研究的信用等级划分方法不仅满足信用等级越高、违约损失率越低的违约金字塔标准,还能保证信用状况差异大的客户划分为不同信用等级.     

基于改进BiSeNet的室内障碍物图像语义分割方法

针对室内机器人行驶场景中存在大量不规则形状障碍物及细小类障碍物的问题,提出一种基于改进双边分割网络(BiSeNet)的图像语义分割方法．即以BiSeNet为基础网络构建图像分割模型,一方面在其空间路径中融合可变形卷积,使其更加适应对可通行区域和水渍这类不规则形状目标的定位分割;另一方面在其语义路径中结合特征金字塔结构,提高对细小类障碍物的分割精度;最后在室内多类障碍物图像数据集上,将改进的BiSeNet算法与U-Net,PSPNet等算法进行对比实验,结果显示改进的BiSeNet算法对水渍类障碍物的分割像素准确率达到89.95%,比原BiSeNet算法分割精度提高约3.50%,与UNet,PSPNet等算法相比,改进的BiSeNet算法同样具有更高的分割精度．     

基于改进YOLOv5的O型密封圈缺陷检测方法

针对O型密封圈缺陷难以人工识别的问题,提出一种基于改进YOLOv5的表面缺陷自动检测方法。在数据预处理阶段,采用半自动标注方法减少人工标注成本,同时将拼接图片改为9张以实现Mosaic数据增强方法。在网络预测层引入标签平滑方法以减少模型过度依赖标签。在骨干网络中添加卷积注意力机制模块,强化有效信息,使骨干网络提取更加细致的局部特征信息。同时,针对缺陷类型尺度变化大的特点,引入剪枝的双向特征金字塔网络,以解决大小缺陷在特征提取过程中的丢失问题。实验结果表明,基于改进的YOLOv5与原YOLOv5相比,O型圈表面缺陷检测平均精度均值提高了4.26%,并且检测速度在25 ms之内,能够满足实际生产需要。     

基于拉普拉斯金字塔的图像内容认证方法

为了验证图像内容的真实性,提出了一种基于拉普拉斯金字塔的图像内容认证方法.在发送端首先对图像进行拉普拉斯金字塔分解,然后根据拉普拉斯金字塔分析原图像的光滑特性和细节特性,并对其特性进行编码得到特征值,最后将特征值加密后生成签名以水印方式嵌入原图像.在接收端将待测图像的特征值与从中抽取出的水印进行比较,对二者的差异图像以形态滤波的方法自动判断是否有图像内容被篡改,同时给出篡改的位置信息.实验结果表明,文中提出的图像内容验证算法可有效地检测出恶意篡改及其发生的位置,并可容忍由压缩、滤波、噪声污染等造成的失真.     

融合边界监督策略的改进特征金字塔算法研究

针对语义分割中存在的边界划分不够准确及存在多尺度目标等问题,提出了一种融合边界监督策略的改进特征金字塔算法。通过融合的边界监督策略和改进的特征金字塔算法分别解决边界划分不准确和存在多尺度目标的问题,并且在上采样过程中加入注意力机制,进一步提升分割效果。实验结果表明：该算法分别在Camvid和PASCAL VOC2012两个数据集上取得了58.69%和78.59%的平均交并比(mean intersection over union,MIOU)指标,在分割效果上有较好的表现。