基于LSTM与孪生网络的序列图像视觉定位技术

军事领域离不开导航技术,而定位是导航的基础。尽管目前以卷积神经网络为代表的机器学习技术,已经在有关单张图像的六自由度位姿回归方面取得显著进展,其精度达到甚至超过基于手工特征提取的传统方式。然而,单张图像的位姿回归问题只参考了场景的结构化信息,缺乏序列图像间的时序关系,导致其位姿回归的损失函数不包含时空约束,最终限制了算法定位精度。针对单张图像六自由度位姿回归缺乏时空约束的问题,依靠长短期记忆网络(LSTM)对时序关系的捕捉优势,提出一类基于LSTM与孪生网络的视觉定位技术,其综合孪生网络与LSTM各自优势,将图像间运动视差信息与位姿时序信息同时作用于位姿预测,构建从序列图像到图像各自对应六自由度位姿信息的端对端深度神经网络,并通过开源数据库和仿真数据验证了算法的准确性和精度,为军事领域的视觉定位和协同跟踪奠定了基础。     

基于MSOA神经网络模型的装备保障费用预测

引入基于多步骤优化方法(MSOA)神经网络模型用以预测装备保障费用。实验结果表明,与传统的ARIMA时间序列模型和常规BP神经网络模型相比,基于MSOA神经网络预测模型具有更高预测精度。因此,该模型是一种更有效的装备保障费用预测模型。     

视频监控系统中的动目标检测新方法

在分析了现有算法在复杂背景下所存在的不足的基础上,提出了一种适用于视频监控系统的基于视频序列像素时空相关性检测的动目标检测方法.该方法首先用每一帧中像素的空间相关性检测出目标,再用序列图像中目标的时间相关性检验目标的真实性,从而最终确定是否有运动目标.试验表明,该方法能很好地检测出运动目标,并具有较强的抗干扰能力.     

双预测结构融合的复杂红外图像背景抑制算法

针对复杂红外图像的背景抑制问题,提出了一种双预测结构融合的复杂红外图像背景抑制算法.算法以图像中每个像素为中心,在其局部区域内根据灰度相似程度和空间分布相关性计算像素的核值相似程度,然后根据核值相似程度有侧重地融合两种不同结构的空间滤波器的输出作为最终的预测结果,最后将原始图像与预测图像相减完成背景抑制.实验结果表明,本文提出的算法能够较好地抑制不同红外图像中的复杂背景,算法结构简单,具有较强的应用价值.     

基于分组测试的小波变换图像编码

将分组测试与基于块结构的小波图像编码相结合,构造了一种具有多种可伸缩能力的编码结构,在保证分辨率和保真度可伸缩性的同时提供了对压缩图像的随机访问能力.结合上述编码结构,提出了一种低复杂度,具有分辨率、保真度可伸缩和随机访问能力的图像无损压缩算法.实验结果表明:该算法的无损编码码率与JPEG2000接近.     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。     

基于小波变换的图像编码方法概述

小波变换将图像分期为一些不同频率、不同方向的子图像,这些子图像间存在较强的相关性,如何利用子图像间的相关性来提高编码效率是小波变换编码中研究的一个主要问题,本文从小波与分形、小波与树特征编码、小波与矢量量化三方面总结了近几年国内外基于小波变换编码方法的主要成果,并对基于小波变换的图像编码方法的发展方向作了展望。     

改进非等间距GM(1,1)-BP模型的导弹退化状态预测

为提高导弹退化状态预测的精度,结合导弹测试数据不等时间间隔的特点,提出了一种基于改进非等间距GM(1,1)-BP模型的导弹退化状态预测方法。对传统非等间距GM(1,1)模型的背景值和初始条件进行优化,引入新陈代谢思想,在此基础上,构造灰色模型拟合值与实际值的差值序列,进而建立差值序列的BP神经网络预测模型,还原得到最终预测值,提高了预测精度。此设计方法结合了灰色模型对趋向性数据的预测优势和BP神经网络强大的非线性拟合能力,达到了取长补短、相得益彰的效果。通过导弹测试数据的预测实例,验证了方法的有效性和优越性。     

基于BI-GRU-CRF模型的中文分词法

循环神经网络作为一种处理时序数据的有效模型,已在序列标注问题上得到了广泛应用。为解决序列标注中典型的中文分词任务,基于门限循环单元(Gated Recurrent Unit,GRU)神经网络,提出了一种改进的双向门限循环单元条件随机场(BI-GRU-CRF)模型,该模型不仅可以通过双向门限循环单元有效利用双向上下文信息,而且可以通过条件随机场层联合考虑相邻标签间的相关性,得到全局最优的标记序列结果。在常用的中文分词测评集(PKU、MSRA)以及由构建的军事领域分词语料上,分别采用四词位及六词位标注法进行了实验,结果表明BI-GRU-CRF模型具有良好的分词性能,且六词位标注法可以改进分词效果。     

一种在线字典学习的高光谱图像盲解混方法

针对待处理高光谱图像中所含地物光谱未知的情况,将在线字典学习的方法引入高光谱稀疏解混中,提出了一种基于在线字典学习和稀疏编码的高光谱图像盲解混方法。通过在线字典学习以及对稀疏编码的统计,从训练字典中筛选出与未知地物光谱最为接近的原子,作为待处理数据所含地物光谱的估计。仿真结果表明:这种方法的准确提取概率超过66%,有效提取概率超过89%,对地物光谱识别等相关研究有一定借鉴意义;另外,利用训练字典和稀疏编码可较好的重构混合像素光谱向量。     

基于改进零树小波的图像压缩算法在舰船故障远程诊断中的应用

结合舰船故障远程诊断中图像压缩、传输存在的问题和特点,提出对故障诊断图像实现感兴趣区域无损编码与背景区域高压缩比压缩相结合的思路。比较JPEG和JPEG2000算法的编码过程及缺陷,利用小波变换具有多分辨率分析的特点,提出了基于改进零树小波算法。以离散小波变换为基础,产生嵌入式码流,利用较粗尺度系数来预测较细尺度系数。针对某型燃气轮机的零级动叶部位破损的故障,完成了舰船故障远程诊断中机电设备故障图像的压缩应用研究。研究表明:原始图像压缩后能有效降低数据量;重构图像中的感兴趣区域清晰,说明改进零树小波算法完全能满足远程诊断需求。     

基于ADV212的探空火箭图像采集与压缩系统

针对探空火箭遥测带宽低、图像监控通路多、系统小型化等设计难点,本文提出了一种基于ADV212的图像采集与压缩系统设计方案。采用可以同时支持无损和高压缩比有损压缩的JPEG2000图像压缩标准,提出适用于箭上图像采集特点的通道切换和中断处理策略,并以“乒乓”操作的流水线作业方式实现多路图像通道数据吞吐,通过两个实时发送通道和一个缓存发送通道向火箭遥测链路发送图像数据。提出了一种具有动态帧频和压缩比的图像压缩方案,解决了探空火箭遥测带宽有限这一问题。本设计以Virtex-4系列FPGA作为系统控制核心,采用ADV7182和ADV212分别完成图像的采集和压缩,分别采用SRAM和SDRAM实现图像的实时传输和缓存传输。通过比较图像间的PSNR值,试验并分析了适用于CCD图像的压缩滤波器和小波变换级数,得到了较为满意的图像质量。设计较好地满足了本次空间环境垂直探测探空火箭的图像采集任务。     

基于双向映射的非网格型全向图展开插值方法

原始的全向图存在严重的同心圆环状变形,通常需展开为更适合人眼观察的柱面全景图像。结合折反射全向成像特点,提出一种基于双向映射的全向图展开为柱面全景图像的插值方法,通过光路跟踪得到图像间的坐标映射关系,将所要生成的柱面全景图中每一点正向映射到原始的全向图中,确定插值邻域点;将这些邻域点逆向投影到柱面全景图中,针对邻域点在柱面全景图中呈非网格型分布的特点,采用非均匀二维插值算法进行图像插值运算。该方法既准确地定位插值邻域点,又避免了全向图的非线性畸变对邻域点权重计算的不利影响。实验证明该方法能有效提高插值精度和展开后图像的质量。     

基于梯度直方图的交叉点检测方法

提出基于梯度直方图的交叉点检测方法:统计像素点邻域梯度信息生成特征描述子,通过判定准则筛选候选交叉点,基于欧氏距离对候选交叉点进行聚类后,利用灰度加权法定位图像交叉点坐标。仿真实验验证了算法的正确性与可行性,结果表明:该方法适用于交叉角为65°～90°范围内的交叉点检测,定位精度优于0.6像素,检测率大于90%;该方法可以很好地抵抗图像旋转,定位精度和检测率基本不受图像旋转影响。该方法具有良好的抗噪性能,可满足一般透视变换下的图像交叉点检测需求,适用于结构光三维重建中的系统标定和形貌测量。     

基于整数小波变换的多光谱遥感图像压缩技术

在分析多光谱图像小波变换后系数特点的基础上,提出了一种基于整数小波变换的3维集合分裂嵌入块编码(3D SPECK)压缩方法。该方法将小波变换压缩技术中的零树编码推广到多光谱图像压缩中,采用整数小波变换去除空间冗余,对单波段图像,采用2D SPECK编码,对多波段图像,谱域上构成的小波矢量采用离散余弦变换(DCT)进行变换,对变换后的系数进行3D SPECK编码。实验结果表明,该方法硬件实现简单,编码解码时间快,对内存要求低。     

基于图像编码技术的网络信息传输安全性研究

在研究图像编解码理论和计算图像相似性参数的基础上,提出了基于图像编码技术的网络信息安全传输方法,通过在网络上传输经过编码的参照图像和相似性参数约定,达到图像通信保密的目的,保障了需要传输的图像在网络上的安全性.     

基于小波神经网络的MEMS陀螺输出预测方法

为了解决弹载MEMS陀螺实时输出预测问题,提高陀螺输出预测精度并减小计算量,通过分析弹载陀螺信号时间序列特性,结合小波分析和神经网络两种方法的优势,提出了一种基于小波神经网络的MEMS陀螺输出预测方法。选取并优化神经网络结构参数,利用实测陀螺数据对建立的小波神经网络进行训练,并预测出未来一段较短时间的陀螺输出值。与陀螺实测值和ARMA模型预测结果的对比发现,小波神经网络方法有效地提高了MEMS陀螺输出预测的精度、减小了计算量,从而验证了该方法的有效性和精度。     

一种新的模糊多层自组织神经网络图像目标检测方法

神经网络方法和模糊集理论用于图像处理和目标检测时各有优势,文中提出了一种将神经网络和模糊集理论集成的混合方法,即模糊多层自组织神经网络法。该方法将模糊测度作为神经网络的目标函数,网络包括多层结构,任一层中的一个神经元对应图像中的一个像素,该神经元只与前一层的对应元素及其邻域元素连接。针对遥感图像的实验处理过程证明该方法能够有效地进行目标检测和提取,并且具有良好的噪声免疫力。     

基于多预测器的高光谱图像无损压缩

数据压缩是高光谱图像处理应用中的一个关键问题。在分析高光谱数据相关性特点的基础上,提出了一种方向可选的多预测器数据压缩框架。将新的框架应用于单波段和多波段的预测压缩方案,分别得到复杂性不同的两种无损压缩流程。计算机仿真结果表明了该框架的有效性。