【摘 要】
：
内容导读随着信息技术尤其是物联网、大数据领域的飞速发展,异构网络的广泛部署产生了多源、海量、多样和高维特征的数据。在声、光、电、磁、热等各类传感器的输出数据中,感兴趣目标识别一直是研究热点。在军事、安防、保密等领域,目标识别与信息安全和隐私保护又密不可分。因此,面对新技术条件下的目标识别和智能安全,传统的处理算法、融合手段、去噪技术等方向都面临着巨大挑战。同时,
论文部分内容阅读
内容导读随着信息技术尤其是物联网、大数据领域的飞速发展,异构网络的广泛部署产生了多源、海量、多样和高维特征的数据。在声、光、电、磁、热等各类传感器的输出数据中,感兴趣目标识别一直是研究热点。在军事、安防、保密等领域,目标识别与信息安全和隐私保护又密不可分。因此,面对新技术条件下的目标识别和智能安全,传统的处理算法、融合手段、去噪技术等方向都面临着巨大挑战。同时,
其他文献
为探究遥感卫星在监测火灾方面的应用,通过对Landsat 8图像和高分四号卫星图像波段进行分析,采用"劈窗法"构建高分四号(GF-4)卫星中波红外波段数据的着火点检测算法。对Landsat 8和GF-4卫星的图像数据先进行预处理,对每个像元进行检测,根据该像元的特定波段的反射率和亮温值是否满足所设阈值决定是否将其判断为所需像元。对火点检测结果进行分析,使用中波红外波段的亮点和有色光波段的烟雾共同判
随着绿色新能源汽车的发展,锂电铜箔的需求量越来越大,高质量的电解铜箔厚度较薄,其质量受阴极辊表面状态和内部应力影响较大.针对国产化锂电铜箔一体机铜箔质量提升的需求,对其核心部件阴极辊的残余应力进行了超声检测,采用盲孔法对测试点进行了验证,比较了焊接、旋压等工艺处理的阴极辊表面残余应力分布的差异,指出3种阴极辊表面存在不同的压应力状态,为产品设计提供了重要借鉴.最后为评价振动阴极辊的消应力工艺,采用超声法对阴极辊振动消除残余应力的效果进行了测试与评价.
为了提升基于可编程门阵列(FPGA)红外图像去模糊的效果,提高运行效率,提出一种基于惯性测量单元(IMU)的快速红外图像去模糊方案。使用IMU对红外探测器的移动造成的模糊进行量化,利用IMU得出的红外探测器的角位置,计算出每个像素的点扩散函数(PSF)。针对红外探测器移动,对空间不变和空间变化型模糊进行建模。在量化后,使用FPGA IP核,在Xilinx系统生成器环境中,使用维纳滤波器进行图像去模
分析了国内超声波衍射时差法(TOFD)检测能力的实验室认可现状,详细对比了国内外超声波衍射时差法相关标准中关于人员和设备的管理和技术要求,并根据超声波衍射时差法的技术特点和国内应用现状,从人员、设备、过程控制等方面,提出了关于实验室超声波衍射时差法检测能力认可的相关建议.
近年来,随着遥感技术的不断发展,遥感图像数据集的数量和质量在大幅地提升。相比于传统的基于统计学习的目标检测方法,深度学习凭借其能够自主学习数据特征的优势,省去了繁琐的人工提取特征过程,适合处理海量数据。许多基于深度学习的目标检测模型在面对遥感图像中的小型目标(如船舶)时,不能准确地检测船舶的具体位置。针对该问题,使用基于FPN框架的特征提取方法,结合金字塔式的特征信息和可旋转的候选框设计,在不同场
厦门大学飞行器健康管理技术研究中心以国家特聘专家卿新林教授、教育部新世纪优秀人才曾志伟教授为学科带头人,形成了一支年龄结构合理、富有朝气的多学科交叉研究队伍.研究中心致力于解决飞行器等高端装备无损检测与结构健康监测的科学与技术问题,在先进传感技术、无损检测、健康监测、智能结构等领域开展研究工作,重点研究涡流检测,超声检测,多场耦合传感网络和结构健康监测的理论、方法和工程应用关键技术等,在2020年取得了可喜的成果.
针对现有图像隐写方法载体实用性、 隐藏信息安全性以及信息嵌入与输出准确性较低等问题,提出了一种基于信息最大化生成对抗网络(Information Maximizing Generative Adversarial Networks,InfoGAN)的图像隐写方法.该方法使用潜码(Latent Code)来表示数据的标签,作为生成模型的一个输入与噪声一起生成含密图像,并使用标签判别器分离出标签,以达到解密的效果.与传统信息隐藏方法不同,该方法抛弃了传统信息隐藏方法中信息嵌入的步骤,而使用生成对抗网络生成含密
卷积神经网络的深度和提供的层次特征对于超分辨率图像的重建至关重要,盲目增加网络的深度会使网络结构过于复杂且图像高频信息容易丢失。对低分辨率图像中提供的层次特征同等地对待而不加区分,会阻碍卷积神经网络的表达能力。针对该问题,提出了一种基于多尺度残差和层次注意力的重建网络。网络由不同层次的跳过连接、多尺度残差块和层次注意力模块组成,能实现有效的图像重建;利用不同层次的跳过连接绕过图像中大量低频信息,使
针对眼成像数据的解释需要大量的经验和时间成本,迫切需要自动算法辅助实现眼疾识别和检测的问题,提出基于卷积神经网络的眼疾识别算法。主要使用了AlexNet, VGG和GoogLeNet三种卷积神经模型对患者眼底视网膜图像进行重症近视识别,对3种模型的损失函数值、模型参数量和准确率进行对比实验分析。实验结果表明,卷积神经网络对重症近视具有较好的识别能力,模型在一定程度上可以辅助医生判断,具有一定的临床
分析了国内相控阵超声检测能力的实验室认可现状,详细对比了国内外相控阵超声检测相关标准中关于人员、设备的管理和技术要求,并根据相控阵超声检测技术特点和国内的应用现状,从人员、设备、过程控制等方面提出了实验室相控阵超声检测能力认可的相关要求建议.