语言引导的多粒度特征融合目标分割方法

语言引导的目标分割旨在将文本描述的目标与其所指代的实体进行匹配,从而实现对文本、实体之间关系的理解与指代目标的定位。该任务在信息抽取、文本分类、机器翻译等应用场景中具有重要的应用价值。基于Refvos模型提出一种语言引导的多粒度特征融合目标分割方法,能够对特定目标精准定位。利用Swin Transformer和Bert网络,分别提取多粒度的视觉特征和文本特征,提高对整体与细节的表征能力;将文本特征分别与不同粒度视觉特征进行融合,通过语言引导增强特定目标表达;通过卷积长短期记忆网络对多粒度融合特征进行优化,在不同粒度特征间进行信息交流,得到更精细化的分割结果。在UNC、UNC+、G-Ref、ReferIt数据集上进行训练并测试所提方法。实验结果表明：相比Refvos,所提方法在UNC数据集的val、testB子集中IoU结果分别提升0.92%、4.1%,在UNC+数据集的val、testA、testB子集中IoU结果分别提升1.83%、0.63%、1.75%。所提方法在G-Ref、ReferIt数据集的IoU结果分别为40.16%和64.37%,达到前沿水平,证明所提方法的有效性与先进性...     

过冷大水滴动力学行为对翼型结冰的影响分析

过冷大水滴（SLD）是极端危险的飞行环境之一。因大粒径水滴独特的动力学行为变形破碎、飞溅反弹,传统结冰计算方法难以准确地反映SLD结冰情况。采用Navier-Stokes方法求解流场、Euler方法计算水滴撞击、Shallow Water模型模拟结冰,并与NASA实验结果进行了对比验证方法可信。结果表明：SLD动力学行为对结冰和冰形影响较大。其中,变形破碎改变了水滴运动轨迹和撞击范围,降低了水滴撞击极限,导致上下结冰极限减小2.83%、2.13%;飞溅降低了驻点附近水滴收集率,导致前缘积冰量减少8.09%;反弹显著降低了水滴撞击极限,导致上下结冰极限减小30.69%、20.01%;撞击后飞溅反弹二次水滴再入流场使得上下结冰极限增加6.14%、3.71%。同时,与干净翼型相比带冰翼型空气动力学性能严重退化,在相同迎角下,升力更小、阻力更大、气动效率更低。     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

基于极值理论的平尾结冰飞行风险评估

提出了结合极值理论与Copula模型来量化评估平尾结冰条件下飞行风险概率的方法。通过建立人-机-环复杂系统模型,对平尾在进近与着陆过程中的结冰情形进行仿真,采用蒙特卡罗法提取平尾结冰极值参数,验证了所提取极值参数符合一维广义极值（GEV）分布,根据飞行风险的定义和相关安全性准则,建立了平尾结冰飞行风险发生的判定条件,计算得出一维极值飞行风险概率;在此基础上选取Copula模型来描述二维极值参数的相关性,对多种Copula模型的未知参数进行辨识,通过拟合优度检验对精度进行验证,得出Joe Copula模型对二维极值分布的描述最为准确,运用Joe Copula模型计算出二维极值飞行风险概率,有效解决了一维极值具有的局限性。所提方法对飞行安全评估等理论有一定参考价值,能为平尾结冰飞行事故的预防提供分析和检验依据。     

基于多特征的高分遥感图像分割算法研究

针对传统的图像分割算法不能完全适用具有多种特征〖BF〗（〖BFQ〗光谱特征、纹理特征和几何特征〖BF〗）〖BFQ〗的高分辨率遥感图像的问题,提出了一种基于多特征的遥感图像分割算法。算法基于改进的均值漂移滤波和自动标记分水岭分割方法来实现最终分割。首先利用自动标记分水岭分割方法对遥感图像进行分割,进而采用仿射不变矩形状特征算子提取图像几何特征;其次对图像进行主成分分析,计算第一主成分灰度共生矩阵,分析矩阵特性得出纹理特征;然后结合光谱特征通过改进的均值漂移方法得到多特征滤波结果;最后利用分水岭分割方法实现高分辨率遥感图像分割。为了表明算法的分割效果,利用基于多光谱信息熵方法对算法和单一的分水岭分割方法进行非监督评价。研究结果表明,算法可较好地改善遥感图像的过分割问题,是一种适合高空间分辨率多光谱遥感图像的分割算法。     

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

基于图像特征分析的物体轮廓提取

对物体的轮廓进行分析提取,是计算机视觉方向的基础问题之一,对其进行研究对于复杂场景的分析理解至关重要。本文对室内场景图像进行研究,基于图像特征进行图像分割,提取物体轮廓。在彩色场景图像全局轮廓后验边界概率（gPb）提取算法的基础上,加入深度图像信息,对室内场景的彩色、深度（RGB-D）图像中的物体轮廓进行分析。通过多尺度信息融合,计算得到多尺度轮廓后验概率（mPb）和谱后验概率（sPb）,两后验概率加权综合得到gPb。而后结合超度量轮廓图与分水岭算法,对基于方向特征变化的gPb图像融合处理,最终得到清晰的物体轮廓。本文所提方法在通用的RGB-D数据库基础上进行实验。实验结果表明,本文所提出的方法能提取出清晰的室内物体轮廓图。      

基于区间分析法的防冰引气管路系统故障树分析

针对防冰引气管路系统故障树分析中底事件故障率和概率统计信息的不确定性,基于区间分析法开展某型飞机防冰引气管路系统可靠性评估。根据防冰引气管路系统原理和故障发生机理建立系统的故障树,并采用区间概率来描述底事件失效概率的不确定性。计算结果表明:区间分析法在分析防冰引气管路系统故障树时只需要底事件失效概率的取值范围,而不要求其详细的概率统计信息,因而其适用面更广,更适合实际工程问题的需要。