检索结果-内蒙古大学图书馆

光电工程 2008年第6期35卷 63-67,83页

作者：陈新武田金文沈绪榜华中科技大学多谱信息处理技术国家重点实验室

提出了适用于轮廓波变换消噪中确定子带阈值收敛因子的样本噪声响应法。该方法根据标准高斯白噪声作用在每个子带上的统计特性,得到每个子带的收敛因子;使用该收敛因子对标准的3σ(或4σ)准则进行修正来确定不同尺度不同方向子带的硬阈... 详细信息

提出了适用于轮廓波变换消噪中确定子带阈值收敛因子的样本噪声响应法。该方法根据标准高斯白噪声作用在每个子带上的统计特性,得到每个子带的收敛因子;使用该收敛因子对标准的3σ(或4σ)准则进行修正来确定不同尺度不同方向子带的硬阈值;并在轮廓波域进行子带硬阈值处理之后,使用自适应维纳滤波进行后处理。实验结果表明,本文提出的消噪方法,对含有高斯白噪声的图像进行消噪,无论在峰值信噪比方面还是在视觉效果方面均可以取得比较满意的消噪效果;在一定的范围内,采用较小的样本图像计算子带收敛因子,在加快消噪速度和减小内存需求量的同时,仍然可以保持满意的消噪结果。

关键词：轮廓波变换维纳滤波峰值信噪比子带收敛因子高斯白噪声

来源：评论

学校读者我要写书评

暂无评论

基于速度估计的双Hough变换运动轨迹检测算法

引用

华中科技大学学报（自然科学版） 2013年第1期41卷 106-110页

作者：胡静张天序华中科技大学多谱信息处理技术国家级重点实验室湖北武汉430074

提出一种速度估计约束下的双Hough变换算法,并用于序列图像运动点轨迹检测.对于像面投影近似直线的匀速运动点轨迹,首先进行速度预估计,然后在此基础上进行连续2次不同空间的Hough变换.第1次Hough变换将疑似目标点由图像空间X-Y根据极... 详细信息

提出一种速度估计约束下的双Hough变换算法,并用于序列图像运动点轨迹检测.对于像面投影近似直线的匀速运动点轨迹,首先进行速度预估计,然后在此基础上进行连续2次不同空间的Hough变换.第1次Hough变换将疑似目标点由图像空间X-Y根据极坐标方程转换到ρ-θ空间,在初步筛选疑似二维轨迹后,引入时间维信息,将疑似目标点投影到T-L空间.第2次Hough变换由T-L空间根据斜截式方程转换到V-S空间,再利用最初的速度预估计值限制投影范围,进一步剔除虚警.仿真结果表明:所提算法对目标运动速度的相关先验知识要求较少,在噪声较强的条件下,依然能取得较好的检测结果,且算法开销更少.

关键词：图像处理运动点目标轨迹检测目标检测 Hough变换匀速直线运动

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的红外小目标检测

引用

红外与毫米波学报 2019年第3期38卷 371-380页

作者：吴双忱左峥嵘华中科技大学人工智能与自动化学院多谱信息处理技术国家级重点实验室

提出了一种新的解决红外图像小目标检测问题的深度卷积网络将对小目标的检测问题转化为对小目标位置分布的分类问题检测网络由全卷积网络和分类网络组成全卷积网络对红外小目标进行增强和初步筛选实现红外图像的背景抑制分类网络以原始... 详细信息

提出了一种新的解决红外图像小目标检测问题的深度卷积网络将对小目标的检测问题转化为对小目标位置分布的分类问题检测网络由全卷积网络和分类网络组成全卷积网络对红外小目标进行增强和初步筛选实现红外图像的背景抑制分类网络以原始图像和背景抑制后的图像为输入对目标点后续筛选网络中引入 SEnet(Squeeze and Excitation Networks)对特征图进行选择实验验证了整个检测网络相对于传统小目标检测算法的优势所提出的基于深度卷积神经网络的小目标检测方法对复杂背景下低信噪比且存在运动模糊的小目标具有很好的检测效果.

关键词：模式识别与智能系统红外小目标检测深度卷积网络低信噪比运动模糊 SEnet

来源：评论

学校读者我要写书评

暂无评论

利用X射线脉冲星和多普勒频移的组合导航

引用

宇航学报 2010年第6期31卷 1552-1557页

作者：刘劲马杰田金文华中科技大学多谱信息处理技术国家重点实验室武汉430074

为了提高航天器自主导航能力,提出了一种利用X射线脉冲星和多普勒频移的组合导航方法。多普勒导航利用相对于太阳的多普勒径向速度作为量测信息,该方法不能得到所有的状态估计。脉冲星导航系统具有完全可观测性,但是滤波周期较长,不能... 详细信息

为了提高航天器自主导航能力,提出了一种利用X射线脉冲星和多普勒频移的组合导航方法。多普勒导航利用相对于太阳的多普勒径向速度作为量测信息,该方法不能得到所有的状态估计。脉冲星导航系统具有完全可观测性,但是滤波周期较长,不能提供连续的导航信息。因这两种方法具有互补性,利用联邦滤波器来融合脉冲星导航与多普勒导航提供的信息。由于两种方法的量测方程与状态方程都是非线性的,采用无迹卡尔曼滤波器(UKF)作为子滤波器。实验结果验证了该导航方法的可行性和精确性。与脉冲星导航方法相比,该组合导航方法可提供更高的位置估计精度。

关键词：导航多普勒脉冲星 Kalman滤波器

来源：评论

学校读者我要写书评

暂无评论

军用涂层材料的毫米波发射率测量(英文)

引用

红外与毫米波学报 2021年第6期40卷 761-767页

作者：苏金龙胡飞田岩郑涛胡演华中科技大学电子信息与通信学院湖北武汉430074 多谱信息处理技术国家级重点实验室湖北武汉430074

作者测量了常见军用涂层在Ka波段的发射率,测量对象包括:雷达隐身涂层、雷达与高发射率红外兼容隐身涂层、雷达与低发射率红外兼容隐身涂层、高发射率红外涂层以及航空防腐涂层。测量试验采用了基于电压法的改进测量方案,该测量方法可... 详细信息

作者测量了常见军用涂层在Ka波段的发射率,测量对象包括:雷达隐身涂层、雷达与高发射率红外兼容隐身涂层、雷达与低发射率红外兼容隐身涂层、高发射率红外涂层以及航空防腐涂层。测量试验采用了基于电压法的改进测量方案,该测量方法可以消除材料样品不能完全覆盖天线波束以及参考体与材料样品厚度差异导致的有效辐射面积差异引起的误差。此外,文章分析并讨论了主要的测量不确定度源。

关键词：毫米波发射率测量电压法辐射计

来源：评论

学校读者我要写书评

暂无评论

EM聚类和SVM自动学习的白细胞图像分割算法

引用

数据采集与处理 2013年第5期28卷 614-619页

作者：郑馨王勇汪国有华中科技大学多谱信息处理技术国家级重点实验室武汉430074

白细胞图像分割是白细胞自动识别的关键环节,其分割效果直接影响后续步骤。为提高光照、颜色不稳定情况下的分割精度,提出一种基于期望最大化(Expectation maximization,EM)聚类和支持向量机(Support vector machine,SVM)自动采样-学习... 详细信息

白细胞图像分割是白细胞自动识别的关键环节,其分割效果直接影响后续步骤。为提高光照、颜色不稳定情况下的分割精度,提出一种基于期望最大化(Expectation maximization,EM)聚类和支持向量机(Support vector machine,SVM)自动采样-学习的彩色白细胞图像分割方法。首先采用EM算法对CIELUV颜色空间的L分量聚类得到细胞核区域。在细胞浆分割阶段,先利用EM过分割和膨胀的细胞核区域获取正负样本候选区域;接着用基于EM的分层抽样得到正负样本;再提取颜色特征自动对正负样本训练获得SVM模型;最后利用SVM分类模型得到整个细胞区域。与传统的白细胞图像分割算法相比,本文方法更能适应图像光照和颜色的变化;与同类的分割算法相比,本文方法提高了分割精度。相关实验结果表明,本文算法具有良好的精度和鲁棒性。

关键词：彩色图像分割期望最大化支持向量机白细胞

来源：评论

学校读者我要写书评

暂无评论

基于SVD和DE反演方法的渗透率估计

引用

华中科技大学学报（自然科学版） 2014年第9期42卷 5-9,18页

作者：刘晓楠张朴孔力黄臻华中科技大学自动化学院湖北武汉430074 华中科技大学多谱信息处理技术国家级重点实验室湖北武汉430074

根据孔隙流体离子扩散浓度分布,推导出激发极化弛豫时间与孔隙半径的平方成正比,并与孔隙内溶液的扩散系数相关.在分析信噪比和参变量个数对差分进化(DE)算法反演精度影响的基础上,提出先用奇异值分解(SVD)方法大致确定组分数,再用DE算... 详细信息

根据孔隙流体离子扩散浓度分布,推导出激发极化弛豫时间与孔隙半径的平方成正比,并与孔隙内溶液的扩散系数相关.在分析信噪比和参变量个数对差分进化(DE)算法反演精度影响的基础上,提出先用奇异值分解(SVD)方法大致确定组分数,再用DE算法反演弛豫谱的联合反演方法,并建立结合弛豫谱、孔隙度和地层因数的综合渗透率估计模型.结果表明:联合反演算法无须事先给定弛豫时间分布,反演精度高,对信噪比鲁棒性好,而且基于弛豫谱的综合估计模型可以显著提高渗透率估计的准确度,其中驰豫时间谱、孔隙度和地层因数的综合模型对于岩心样品的渗透率估计精度可以达到0.980 2.

关键词：奇异值分解差分进化渗透率估计弛豫时间谱联合弛豫谱反演

来源：评论

学校读者我要写书评

暂无评论

昆虫视觉启发的光流复合导航方法

引用

自动化学报 2015年第6期41卷 1102-1112页

作者：潘超刘建国李峻林武汉数字工程研究所武汉430074 华中科技大学多谱信息处理技术国家级重点实验室武汉430074

昆虫能够使用视觉感受的光流(Optical flow,OF)信息执行导航任务.启发于昆虫的视觉导航,本文提出了一种生物视觉启发的光流复合导航方法,它由光流导航和光流辅助导航两部分组成,以实现高效精确的视觉导航定位.该方法中,光流导航的作用... 详细信息

昆虫能够使用视觉感受的光流(Optical flow,OF)信息执行导航任务.启发于昆虫的视觉导航,本文提出了一种生物视觉启发的光流复合导航方法,它由光流导航和光流辅助导航两部分组成,以实现高效精确的视觉导航定位.该方法中,光流导航的作用是使用昆虫视觉启发的光流法,测量系统每一时刻的运动位移,然后使用路径积分累加位移得到位置信息;光流辅助导航的作用是针对路径积分会产生累积误差的缺点,使用光流匹配的方法来估计和修正导航中的位置误差.该光流辅助导航也参考了昆虫启发的光流法,通过基于光流的卡尔曼滤波器来执行实际和预测光流的迭代匹配.由于光流导航和光流辅助导航中的光流计算来源于同一昆虫启发光流法,使得光流复合导航的两部分可共享输入信号和部分执行过程.文中使用移动机器人进行导航实验,证明了该复合导航方法的效率.

关键词：导航昆虫视觉光流累积误差

来源：评论

学校读者我要写书评

暂无评论

基于时空显著性建模的空中飞行器跟踪方法

引用

航空学报 2020年第3期41卷 225-239页

作者：张伟俊钟胜王建辉华中科技大学人工智能与自动化学院武汉430074 华中科技大学多谱信息处理技术国家级重点实验室武汉430074

以复杂背景下空中飞行器的鲁棒视觉跟踪问题为研究背景,为解决现有跟踪方法目标表征模型不够精确,算法鲁棒性严重受到目标形变、宽高比变化、复杂背景等因素干扰的问题,提出了建模跟踪场景中独立物体的显著性特性,用于构建精确的目标模... 详细信息

以复杂背景下空中飞行器的鲁棒视觉跟踪问题为研究背景,为解决现有跟踪方法目标表征模型不够精确,算法鲁棒性严重受到目标形变、宽高比变化、复杂背景等因素干扰的问题,提出了建模跟踪场景中独立物体的显著性特性,用于构建精确的目标模型。提出的显著性估计方法有别于传统的单帧检测方法,利用跟踪算法提供的背景先验知识以及多帧图像观测数据,使用时空联合的方式进行建模估计,其结果用来指导目标跟踪算法选取有效视觉特征,建立精确目标表征模型,减小背景区域对算法模型的干扰。实验表明,提出的方法为上述难点问题提供了有效的解决方案,对空中飞行器的跟踪精度与鲁棒性优于大多数最先进的主流方法,在其他类型的目标跟踪任务中也有十分优越的性能表现。

关键词：视觉跟踪飞行器目标表征模型显著性估计时空模型贝叶斯推断

来源：评论

学校读者我要写书评

暂无评论

基于重力异常分析的重力梯度图制备方法

引用

华中科技大学学报（自然科学版） 2009年第11期37卷 57-60页

作者：武凛胡维马杰田金文华中科技大学多谱信息处理技术国家重点实验室湖北武汉430074

针对水下自主导航中重力场匹配导航的需要,提出了一种基于重力异常分析的制备全张量重力梯度图的方法.分析了实际测量中引起重力异常的各种因素,并提出以全球重力场模型推算地下剩余质量和测点纬度引起的重力异常,加上用数字高程模型推... 详细信息

针对水下自主导航中重力场匹配导航的需要,提出了一种基于重力异常分析的制备全张量重力梯度图的方法.分析了实际测量中引起重力异常的各种因素,并提出以全球重力场模型推算地下剩余质量和测点纬度引起的重力异常,加上用数字高程模型推算地形起伏及布格板引起的重力异常,在此基础上制备较高分辨率的局部全张量重力梯度数字地图.仿真实验及与实测数据的对比分析表明,所得全张量重力梯度基准图的特性与实测数据基本符合.与其他方法的对比发现,该方法是一种更准确有效的制备全张量重力梯度基准图的方法,所制备的重力梯度图更符合实测数据的特性.

关键词：水下自主导航重力场导航重力梯度图全球重力场模型数字高程模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：