TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

微流控芯片技术在血细胞变形和流动性分析研究中的应用进展

近年来，随着微流控芯片技术的快速发展，微流控芯片在生物医学研究领域得到了广泛关注。由于其具有高通量、高灵敏度、集成化、低消耗及可控化等诸多特点，为在多细胞水平研究细胞迁移和分选动力学提供了新的技术平台。利用微流控芯片微通道结构设计灵活的特点，可在实验条件下模拟正常的生理和病理条件下的复杂血管；其微米尺寸的微通道也适于单细胞引入、操纵及检测。因此，用微流控芯片技术在单细胞层面对细胞生物力学性能表征也引起了广泛关注。以健康和疾病中的血细胞为例，从单细胞变形、流动、黏附、机械疲劳等力学性能表征到多细胞迁移及分离动力学等方面归纳目前微流控芯片技术在细胞力学分析和表征方面的研究进展。     

测量位置点驱动的飞机蒙皮对缝结构点云分割方法

飞机蒙皮表面存在大量对缝结构,其质量对飞机性能、寿命和可靠性有着重要影响。目前蒙皮对缝结构点云数据处理阶段存在数据量大、数据处理效率低、难度大等问题。为提高对缝参数计算效率,提出了一种测量位置点驱动的飞机蒙皮对缝结构点云分割方法。提取蒙皮理论模型对缝结构边缘曲线特征并离散成测量位置点,由测量位置点引导空间包围盒的构建,驱动对缝点云数据实现局部分割。试验结果表明该方法针对对缝结构点云能取得良好的分割效果。     

变背景下斑点状散布目标自动识别算法

从自动目标识别原理出发,通过对变背景下斑点状散布目标特性的分析,发现了该类目标图像中背景、噪声和斑点状散布目标的固有规律。进而,从图像像素灰度这一最基本的要素着手,研究了如何在大量的序列图像中搜索目标帧位置的方法。然后,基于目标轮廓提取和串行边界分割技术,解决了变背景下斑点状散布目标自动识别的难题。实验结果证明:该算法具有高效、快速、稳定、适用等优点,并为相关领域内的应用提供了宝贵的参考价值。     

一种低复杂度的Multi-h CPM相干解调算法及FPGA实现

多调制指数连续相位调制（Multi-h Continuous Phase Modulation,Multi-h CPM）是一种恒包络调制,具有多个周期出现的调制指数,因此其频谱效率和功率效率比单调制指数CPM更高,但其接收机的复杂度也随之增加。本文在倾斜相位（Tilted Phase,TP）的基础上采用频率脉冲截断（Frequency Pulse Truncation,FPT）和状态空间分割（State Space Partition,SSP）相结合的方法来降低多调制指数连续相位调制的复杂度,使相位状态由512降低到16,理论损耗约为0.8 dB。同时,对降低复杂度的解调算法在现场可编程门阵列（Field Programmable Gate Arrays, FPGA）上进行了验证。仿真和在线测试的误码率曲线接近理论分析曲线,和常用的128状态解调算法相比,资源消耗降低了约59%。     

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。