初相未知信号联合检测与估计的序贯实现

在未知参数的充分统计量和再生概率密度函数的基础上,引入了联合检测与估计的序贯算法,给出了算法的实现框图,并将该算法应用于高斯噪声中初相位未知信号的联合检测与估计当中.仿真实验表明,新算法较传统算法有一定的性能改善.     

基于K_L变换与SVM的硬件木马检测新方法

针对基于旁路分析的硬件木马检测,旁路信号数据在空间中呈现高维分布、非线性的问题,探究在降低信号维数方面核函数的可行性,提出了一种基于K_L变换与支持向量机(Support Vector Machine,SVM)的硬件木马检测模型。在FPGA加密芯片中植入所设计的硬件木马进行实验,实验结果对比表明,利用主特征向量构建的SVM模型在检测占电路2%的硬件木马时,测试准确率达到了98.1%,为规模更小的木马检测提供了新思路。     

基于动态规划的检测前跟踪算法中的目标鉴别方法

基于动态规划的TBD算法是检测微弱目标的有效方法,但在多帧积累中的动态规划处理会导致目标和强噪声的扩散进而产生较多的虚警.提出了一种利用轨迹特征进行目标鉴别的新方法.该方法利用噪声引起虚警在轨迹上具有很强的随机性这一特点,基于多阶方向直方统计进行目标鉴别.另外,还提出了一种局部极大值法和方向直方统计法级联的目标鉴别方案.仿真结果表明,方向直方统计法在消除噪声引起的虚警和保留真实目标方面都有很好的效果.而新的级联鉴别方案对于噪声引起的虚警和目标扩散引起的虚警都有很好的鉴别效果.     

基于提升框架检测的空中强机动视频目标跟踪

空中强机动性目标在视频中表现出运动形变剧烈、运动规律难预测且背景特征不明显不稳定等特点,传统的检测跟踪算法不能有效地对其实施检测跟踪.为解决上述问题,提出一种不依赖于帧间运动特性的基于提升框架检测的空中强机动视频目标跟踪算法.首先,利用提升框架实现图像的小波变换,得到目标的高频分量信息.然后,对高频分量进行融合,并提出了目标特征增强的方法,完成单帧图像的目标检测.最后,实现视频序列的实时跟踪.实验结果表明,该算法能够实时、准确地对空中背景下的强机动性目标进行检测跟踪,有效地解决了目标运动形变剧烈、某些帧中存在遮挡而造成后续帧失跟等跟踪困难.     

基于参考度的有效关联规则挖掘

针对当前关联规则挖掘采用的支持度-置信度框架在具体应用中存在的问题,引入新的指标--参考度对模型中关联规则挖掘算法评价体系进行改进.实验表明,通过引入参考度,能够提高挖掘有效规则的效率.     

一种基于图像灰度值切线方向的边缘检测方法

提出了一种基于图像灰度值切线方向的边缘检测方法.首先搜索确定当前点的灰度值切线方向,然后根据此切线方向两侧像素的灰度变化情况生成边缘图像.对于含噪声的图像,引入噪声检测方法,无需平滑预处理,直接就能得到边界图.实验证明该方法是简单有效的边缘检测方法.     

基于改进后语义分割模型的障碍物检测方法

障碍物检测是确保无人水面艇避障和安全航行的关键技术,针对水面反光区域误检和水面分割不准确导致的漏检问题,提出了一种基于改进后语义分割模型的障碍物检测方法,通过图像预处理、语义分割模型、显著性估计实现障碍物检测。首先,通过在预处理环节对水面中反光区域进行去除,避免其对后续检测的干扰;然后,通过引入海天线估计参数,用于调整语义分割模型初始化和先验信息,提高水面分割精度;最后,在水域范围内选取H形边界集合构造背景模型,由此判断水面中非水像素为障碍物。实验结果表明：该方法可以提高水面障碍物检测的准确度。     

基于GA的卷积神经网络结构化剪枝算法

为解决传统神经网络模型过参数化问题,提高深度学习模型工程化实现的效率,提出了基于GA的结构化模型压缩算法.该方法从全局搜索空间对模型各层卷积核进行结构化剪枝,并以高检测精度,低网络规模为准则建立适应度函数,解决传统权重剪枝易陷入局部最优和剪枝结果对硬件平台不友好问题,获得精度损失低、模型压缩率高的轻量化模型结构.     

焊缝缺陷三维成像及亚像素定量方法研究

为实现工业设备中焊缝结构内部缺陷准确地定量分析,针对构造缺陷三维重构模型时缺陷图谱的过分割和欠分割导致定量分析不够精确的问题,提出了一种基于图谱颜色分割的新算法。利用该算法处理缺陷切片并进行三维重构获取其长度,应用Canny算子与三次样条插值法结合获取缺陷亚像素边缘,基于缺陷区域连通标记算法和累加法可获取缺陷面积和体积的方法。研究结果表明：与实际数据对比,未焊透、未熔合、夹渣缺陷重构的长度误差分别为8.18%、5%、9.62%,基于此对分割缺陷的亚像素边缘内连通域进行标记以准确地获取其面积及体积。该方法能够在不破坏焊缝结构的情况下即时获取焊缝内部缺陷的形貌并对其进行精准且全面的定量分析。