融合低秩和稀疏先验的结构性缺失图像修复

针对基于低秩先验的图像矩阵补全算法无法有效处理结构性缺失图像修复的问题,建立了在观测矩阵上使用双重先验的矩阵补全模型,在低秩先验的基础上引入稀疏先验,以便更好地利用观测矩阵的先验特征。该模型根据行列间的相关性,使用低秩先验对矩阵正则化;根据行列内的相关性,使用稀疏先验对矩阵正则化;为了更加精确地逼近秩函数,使用截断Schatten-p范数替代核范数作为低秩先验,从而提出了融合低秩和稀疏先验的矩阵补全模型,并使用交替方向乘子法有效处理所提模型。实验结果表明:算法修复的图像细节清晰,与截断核范数模型算法相比,峰值信噪比和结构相似度提升范围分别为2%~44%和0.7%~8%。      

彩色地形图矢量化的后处理

给出了基于ＯＲＡＣＬＥ的矢量地图数据库的生成，基于图形拓扑特征的矢量地图自动拼接及对照式交互编辑的原理方法，实现了纸质地图准确表现。     

单帧数字图像分辨率改善的频域正则化方法

现有多帧序列频域分辨率改善方法主要基于柯西-高斯先验模型,对单帧图像处理效果不理想.在分析频谱混叠公式的基础上,研究了单帧图像分辨率改善的频域方法.提出了基于柯西-高斯先验模型的正则化方法,由于柯西-高斯先验模型具有较好的信号稀疏表示能力,因此能有效地改善图像的分辨率.设计了迭代求解算法,给出了迭代初值的稳健算法,并将二维计算问题转化为一维计算问题,实现了方法的快速计算,同时大大地减少了存储量.文中给出了一维信号和遥感图像两个算例,计算结果表明,方法可以有效地改善图像的分辨率.     

面向海洋探测的多源信息融合技术研究及展望

多源信息融合技术包括数据级、特征级和决策级3个层级。在海洋探测应用中,现有方法存在信息获取、融合质量及目标识别等难点问题,提出了体系化探测、分布式融合和利用先验知识的解决思路。体系化探测能够全面获取原始信息,分布式融合可以在降低计算复杂度的同时减少信息损失,先验知识能够在决策级融合中提高目标识别的准确性。此外,还提出了构建探测系统和先验知识库、优化智能算法和模型等未来信息融合技术发展方向。     

基于改进YOLOv3的SAR舰船图像目标识别技术

合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。     

结合多体动力学先验知识与核方法的位标器性能预测技术

位标器的性能与特征参数之间存在着非常复杂的非线性映射关系,且由于装调工艺复杂,测量手段昂贵,位标器实际测量数据较少。如何在小数据的情况下实现对位标器性能的精确求解,是准确预测位标器装调性能的关键。提出一种结合陀螺动力学先验知识和核方法的位标器装配性能预测方法(A-LPSVR)。通过构建陀螺Adams动力学模型以缩小解空间范围。使用仿真性能值和真实装调性能值的差值训练支持向量回归模型,得到最终的位标器性能预测模型。实验结果表明该方法所构建的模型预测准确性与泛化性能要优于现有模型,能够在测量数据稀缺情况下实现位标器陀螺仪性能的精确预测。     

星面探测机器人自主移动技术

为进一步扩大探测范围,提高探测效率,并为后续星面基地建设提供服务,星面探测机器人需从远程地面遥控方式向自主移动方式发展,为此需要解决地图构建、鲁棒定位、探测导航等问题。为推动星面探测机器人自主移动能力的发展,借鉴目前快速发展的无人驾驶技术和地面自主移动技术,归纳总结了目前国内外星面探测移动技术的研究现状和存在的问题,以及地面自主移动研究在地图构建、鲁棒定位、探测导航等方面取得的进展。在结合星面探测应用的特殊性的基础上,提出了未来在长期定位和可变形重建领域开展更深入研究的建议。     

面向个体人员特征的跨模态目标跟踪算法

针对类内干扰影响基于个体人员特征目标跟踪算法的精确性和鲁棒性问题,分析当前跟踪算法在个体人员跟踪方面存在的不足,提出了利用语言先验知识引导辅助跟踪器的方法。在视觉跟踪器的基础上增加语言引导分支,对跟踪目标产生注意力,从而减少对类内干扰的影响。利用位置置信度进行回归目标框定位的方法解决基于孪生网络目标跟踪算法中利用分类置信度定位候选目标框的局限性,实现跨模态信息融合提升特定目标跟踪的精度。为提升所提模型对特定人员目标跟踪的针对性,构建了跨模态的人员目标跟踪数据集用于训练和验证。实验表明:所提模型应用于个体人员跟踪时表现更佳,其有效性得到了证明。      

融合加速退化和现场实测退化数据的剩余寿命预测方法

针对先验信息为加速退化数据的情况,提出了利用非共轭先验分布进行Bayesian统计推断的剩余寿命预测方法。不预先假定Wiener过程参数值的分布类型,利用加速系数将加速应力下的参数值折算到工作应力水平下,进而使用Anderson-Darling方法确定参数值的最优拟合分布类型。在对参数值进行折算时,根据周源泉提出的理论对Wiener过程参数与加速应力之间的关系进行了推导。参数估计时,通过极大似然法得到超参数的估计值,利用WinBUGS软件实现Markov Chain Monte Carlo仿真得到参数的后验均值。通过某型军用电连接器寿命预测实例验证了所提方法的实用价值和研究意义,结果表明本方法可有效解决先验信息为加速退化数据时进行剩余寿命预测的难题。     

独立指数分布期望参数的Γ极小极大估计

在参数的部分先验信息已知的条件下所获得的Γ极小极大估计是一种介于有确定的先验分布函数的Bayes估计和无先验信息的极小极大估计之间的估计方法,因而更切合实际.以往的研究对二项分布参数的线性组合及负二项分布的参数在某些限制条件下的Γ极小极大估计做了讨论.本文给出了独立指数分布的期望参数在一般的先验矩限制下的Γ极小极大估计,同时讨论了两种特殊情况,即给出了在仅有先验二阶矩限制下的以及有确定的先验一阶矩和二阶矩限制下的指数分布的期望参数的Γ极小极大估计.