一种基于深度卷积神经网络的摄像机覆盖质量评价算法

随着视频监控系统的大规模普及,视频监控系统的效用评价成为一个重要的研究课题.当前视频监控系统评价只考虑了摄像机的覆盖率,缺少对摄像机覆盖质量的量化评价.该文提出了一种基于深度卷积神经网络的监控摄像机覆盖质量评价算法.将摄像机覆盖质量评价问题转化为对摄像机所采集视频帧的质量评价问题,探讨了基于视频帧的摄像机覆盖质量等级的分级策略,标注了一个摄像机视频帧质量等级数据集; 设计了一种新颖的多维标签赋值方法,利用深度卷积网络学习鲁棒的视频帧表示,进一步基于支持向量回归机(SVR)学习视频质量回归函数,从而实现对摄像机覆盖质量的鲁棒估计.实验结果表明:该算法能够准确地对监控摄像机的覆盖质量进行自动评测,有效监测了摄像机监控质量的实时变化.     

一种改进的基于Sobol序列的快速线积分卷积法

为提高快速线积分卷积法（Sobol-FLIC）的计算效率和流线的覆盖率，提出了一种改进的基于Sobol序列的快速线积分卷积法。计算结果表明，与一般的快速线积分卷积法相比，改进后的算法计算效率提高了约10%，同时可以产生稀疏纹理和密纹理，并且采用二次LIC法对图像进行后处理提高了可视化效果。在Matlab环境中，该算法与几种基本算法（LIC，FLIC）的可视化效率、计算固定数目流线的可视化结果和图像覆盖率的比较结果证实了其优越性。     

菲涅耳全息图的计算机生成及数字重现

本文研究菲涅耳(Fresnel)衍射积分的两种计算机模拟算法,分别用卷积算法和傅里叶变换算法实现菲涅耳积分,阐述了两种算法的优点和缺点。尝试将计算全息与数字全息相结合,模拟光线的菲涅耳衍射传播,用计算机生成菲涅耳全息图,并由所生成的全息图再现出原始图像,完成全息图的数字重现,真正实现整个全息记录和重现过程的计算机模拟。     

基于Gabor 相位和图像质量评价的高分辨率掌纹细节点提取算法

针对主线、褶皱线及噪声等造成高分辨率掌纹细节点提取困难的问题, 提出一种基于Gabor 相位和图像质量评价的高分辨率掌纹细节点提取算法。首先使用Gabor 振幅相位模型对掌纹图像进行描述, 并基于 Gabor 相位提出多尺度的细节点检测方法; 然后利用提取细节点过程中的信息, 设计基于傅里叶响应的质量评价方法和基于Gabor 振幅的质量评价方法; 最后融合两种质量评价结果, 并对检测到的细节点进行筛选。实验结果表明, 所提方法能够有效地提取高分辨率掌纹图像的细节点, 并去除不可信细节点。与其他方法相比, 具有更好的细节点提取结果。     

一类常微分方程的积分解

本文给出以下形式的微分方程的积分解：其中　为实数｜αs｜＞0,｜λ｜＞0,｜λ｜＞0,s＝1,2,3,…,kj,j＝1,2…,n－2k;λ＝　　｛｜αs｜,｜λj｜｝,y（x）为（－∞,＋∞）上的有界函数,则方程Pn（D）f（x）＝y（x）且满足f（x）＝O（e（λ｜x｜））;x｜→∞的解f（x）＝Cn（x－t）y（t）dt,其中Cn（x）＝　当y（x）为以1／h为周期的有界实函数时,上述方程的解为f（x）＝（x－t）y（t）dt,其G（n,h）P（x）＝     

基于采样率变换与FFT的GPS系统C/A码捕获改进算法

针对全球定位系统民用粗码信号快速捕获算法速度慢、不易于硬件实现的不足,提出了基于采样率变换和FFT的GPS信号C/A码捕获算法。利用采样平均的方法把采样率为5Msps的输入信号降低为1.024Msps,然后利用FFT进行粗捕,得到粗略的伪码相位,最后对粗略的伪码相位周围的原始数据进行循环相关处理得到精确的伪码相位估计值,降低了对后续跟踪环的动态要求。仿真结果表明该算法运算量小可以快速实现C/A码的粗捕,得到高精度的捕获结果,同时该算法可以利用现有1024点的FFT处理核(IP),便于在硬件上实现。     

保细节自适应超分辨率融合算法

超分辨率融合是把配准好的低分辨率图像信息进行综合,形成高分辨率栅格上的均匀采样．为了改善图像超分辨率融合效果,对鲁棒超分辨率融合算法进行改进分析图像局部模式,给出角点和连接点的识别方法,进而设计了保细节自适应适用度函数,提出了保细节自适应超分辨率融合算法实验结果表明,算法不仅对配准误差具有鲁棒性,而且能很好地保存图像的边缘和细节特征,提高了融合图像的质量．     

冲激信号在信号分析中的应用

冲激信号是常用信号中一种非常重要的信号,主要分析了它在信号卷积运算、信号傅里叶变换和连续信号抽样中的应用．     

面向扶梯不安全行为的改进型深度学习检测算法

以YOLOv5s网络模型为基础,引入注意力机制CBAM模块,基于Ghost卷积模块重构网络模型的卷积操作,提出一种面向扶梯不安全行为的改进型深度学习检测算法.然后,在自主收集的扶梯不安全行为数据集上对其进行训练评估.结果表明,所提算法在检测精度有所提高的同时,大幅减少了检测所需的参数量和计算量.     

基于深层次特征增强网络的SAR图像舰船检测

针对合成孔径雷达图像中舰船目标检测困难的问题,提出了一种基于深层次特征增强网络的多尺度目标检测框架.利用Darknet53提取原始图像特征,自上而下建立四尺度特征金字塔;特别设计基于注意力机制的特征融合结构,自下而上衔接相邻特征层,构建增强型特征金字塔;利用候选区域及其周边上下文信息为检测器计算分类置信度和目标分数提供更高质量的判定依据.所提算法在SSDD公开数据集和SAR-Ship自建数据集上的平均检测精度分别为94.43%和91.92%.实验结果表明,该算法设定合理且检测性能优越.