基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

SAR图像并行拼接方法研究与实现* 〖HT4K〗——基于改进完全二叉树模型

随着SAR成像技术的快速发展，SAR图像覆盖的地域范围与成像精度也在迅速增长，这对SAR图像拼接工作的实时性提出了挑战;文章对SAR图像序列特征进行深入分析，提出了采用基于分割的完全二叉树模型进行SAR图像的并行拼接，并使用MPI点对点通信方式对之进行了不同数量机群规模下的实现；对比实验证明，基于该方法的并行拼接工作比传统并行拼接方法在降低拼接时耗上更加有效，且并行拼接后的完整图像效果良好.     

基于图像分割应用于临床上检测HP的一种快速算法

研究了利用图像分割技术,去辨别染色后的胃部切片是否有HP(Helicobacter Pylori幽门螺旋菌),并给出了一种二维直方图与FCM(Fuzzy Clustering模糊聚类)相混合的图像分割方法.运用色彩特征抽取技术,可以更加精确和快捷地识别HP.     

气象杂波环境下二维次序统计量恒虚警检测器

利用实际的气象杂波数据 ,研究了其CFAR处理问题。基于FFT处理技术 ,比较了CAGO -CFAR检测器、CLUTTERMAPPING -CFAR检测器和MX -OS -CFAR检测器的抑制气象杂波性能。针对存在的问题 ,提出了将通常在一维距离向进行的CFAR处理改为在R-Fd(距离 -多普勒频率 )二维平面进行 ,并利用次序统计量估计杂波幅度 ,形成新的稳健的 2D -OS -CFAR检测器。对实际杂波数据和仿真目标数据的处理结果表明所提出的 2D -OS -CFAR检测器具有良好的性能     

基于小波变换的运动汽车阴影分割

利用在阴影区域内的点所接受环境光强与汽车的相对位置关系，结合多分辨率小波分析，提出了一种新的基于小波变换的运动汽车阴影分割方法．该方法不需要知道光源的方向，也不需要车体的彩色信息；对背景的纹理也没有要求，适用于复杂纹理背景下任何颜色的汽车阴影分割．实验表明，该方法定位准确、速度快、抗噪能力强．     

中国股票市场分割(1991～2000)的理论探讨

与世界其他国家的证券市场相比,中国证券市场是一个高度分割的市场,这首先表现在它被划分成为A、B和H股三个市场,这三个市场不仅计价货币、交易机制和募集方式不同,而且各自允许开放的投资者对象也严格限定、互不开放。由此,这三个市场的股票价格彼此差别较大。重点考察了中国大陆的股票市场分割,其重要体现是中国B股市场普遍存在着严重的折价问题,在B股市场向国内持有外币的投资者开放之前,大多数上市公司B股价格不仅远低于其A股价格,有的还曾跌破发行价、资产净值和面值,这使得我国B股市场已经成为世界证券市场平均市盈率最低的市场,其平均市盈率只有11倍,这不仅大大低于A股市场平均市盈率(大于50倍),也低于国际股市的平均市盈率(15～20倍)。认为,资本控制,即投资限制、B股相对于A股的信息不对称和对人民币汇率的预期是形成B股折价的主要因素。     

多平台基于方位时延差的目标运动分析

以拖曳阵列与本舰所构成的声纳系统为例 ,从双平台观点考虑 ,利用对目标的两方位及时延的量测为依据 ,研究了该系统的目标运动分析 (targetmotionanalysis,TMA)问题。采用了最大似然估计、扩展Kalman滤波(EKF)方法 ,实现了对目标运动参数的估计 ,并给出了它们的Cramer Rao低界 (CRLB)。通过仿真考察了参数变化对估计精度的影响。仿真结果表明上述方法具有较高定位精度。该方法适合于主、被动形式的多平台系统 ,且容易实现。     

基于截断正态概率模型的改进目标跟踪算法

在应用NIFPAT算法对机动目标跟踪时存在计算量大和要求网络训练两个弱点。分析了截断正态概率模型和NIFPAT算法后 ,把截断正态概率模型与NIFPAT算法思想相结合 ,提出了基于截断正态概率模型的改进目标跟踪算法。该算法根据目标机动情况自动调整系统方差 ,在附加较小计算量的情况下 ,能取得较好的跟踪效果。仿真实验表明 ,该算法能有效地提高对机动目标的跟踪精度。     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。     

目标电磁散射特征信号的统计复现

本文讨论了目标电磁散射特征信号的统计复现问题，提出了一种目标特征信号统计复现的新方法，该方法不但可用于目标雷达散射截面（ＲＣＳ）的统计复现，而且适用于目标其他电磁散射特征（如目标角闪烁等），因而可较好地解决目标特征信号统计复现等一类工程问题。