注意力机制与卷积神经网络融合的军队标号识别方法

手绘军队标号识别是基于草图的战场态势表达的重要组成部分.针对现有的草图特征手工提取方法费时费力,以及依靠数据驱动的深度学习方法泛化能力受到训练数据多样化制约的问题,提出一种注意力机制与卷积神经网络融合的军队标号识别方法.首先构建了特征提取模型Sketch-Net,实现手绘军队标号特征的初步提取;然后引入注意力机制模块,...     

基于注意力约束深度生成网络的测井电成像空白条带填充

电成像测井是储层测井评价的一种有效技术手段．但由于电成像测井仪器极板的尺寸与井径不能完全匹配,极板对井周的覆盖率无法达到100%,导致测得的图像存在空白条带,影响地质信息的精确解释．为提高测井资料解释精度,有必要对这些空白条带进行填充．传统的测井电成像空白条带填充方法由于只能获取图像的浅层特征,能较好地修复结构简单的砂泥岩图像,但对砂砾岩、碳酸盐岩等结构复杂的成像图则修复效果不佳．深度学习方法具有强大感知能力,能够捕获图像的深层特征,因此本文采用深度生成网络对测井电成像图像空白条带进行填充．首先,为使深度生成网络提取对空白填充更为重要的特征,将注意力机制引入网络,其中通道注意力机制通过对不同通道的特征加权生成通道注意力权重向量,以增加重要特征的权重,而空间注意力机制利用特征图的内部空间关系生成空间注意力权重向量精确定位重要信息的位置,实现对重点信息的关注．其次,改变常规卷积神经网络中卷积的方式,通过引入变形卷积以提高网络对复杂图像几何变换的建模能力,更好地拟合图像的轮廓细节信息．在砂砾岩地层测井电成像图像的填充实验中表明,引入注意力机制后,所填充空白条带区域与整体图像的上下文内容更为一...     

基于深度卷积神经网络的频高图分类研究

本文提出了一种利用深度卷积神经网络的频高图分类方法,在频高图分类标记的基础上,通过对深度学习经典网络结构的网络层迁移的方式,构建频高图类型识别网络模型,实现基于传播模式分布的频高图自动分类.利用试验获取的大量频高图数据,依据频高图中电离层传播模式分布情况,结合频高图度量基本规则,人工对频高图数据分类标记,生成网络模型样本数据;然后以随机方式,选取样本数据85%的数据作为训练数据,其余数据作为测试数据;经验证训练后的网络模型能够将测试频高图数据自动分为七种类型,频高图类型识别综合准确率高于97%.该方法可为频高图特征参数的自动、精确提取提供重要技术和高质量数据支撑,对电离层结构信息有效获取具有重要意义.     

侧扫声呐识别沉船影像的迁移学习卷积神经网络法

侧扫声呐海底沉船图像识别是水下障碍物核查和失事船只搜救中的一项重要工作.针对传统侧扫声呐图像人工判读存在效率低、耗时长、资源消耗大及主观不确定性强和过分依赖经验等问题,本文尝试引入卷积神经网络的方法,同时考虑到侧扫声呐沉船图像属于小样本数据集,提出一种基于迁移学习的卷积神经网络侧扫声呐沉船图像自动识别方法.通过归一化处...     

Vening—Meinesz公式的球面卷积形式

过去利用快速Fourier变换（FFT）或快速Hartley变换（FHT）技术计算垂线偏差是假设地球是一个平面。在此基础上导出的Vening-Meinesz公式平面卷积形式虽然在一定精度范围内可以满足要求，但会产生较大的近似误差。然而，Vening-Meinesz公式同样可以发展为由FHT技术计算的二维球面卷积公式。数值计算表明：在Δ(?)=10°，Δλ=13°（5′×5′平均重力异常）范围内，Vening-Meinesz球面卷积公式的计算结果与数值积分结果的均方差m_ξ=±0.03秒、m_η=±0.02秒，比平面卷积公式的计算结果与数值积分结果的均方差m_ξ=±0.14秒、m_η=±0.30秒有显著提高。     

基于卷积反投影法重建康普顿背散射扫描图像

本文主要介绍了如何运用卷积反投影算法重建康普顿背散扫描图像，该技术具有成像速度快、图像分辨率高，数据修正简单的特点。     

一维边缘检测算子的递归算法

本文对边缘检测理论和算法作了理论和实验方面的深入研究，选用Ｄｅｒｉｃｈｅ依据Ｃａｎｎｙ设计思想导出的边缘检测算子，证明了递归算法代数卷积算法实现边缘检测的基本原理，导出了几种算子逆归算法的实用公式，实验证明递归算法比卷积算法实现边缘提取在速度方面有着明显的提高，为一维影匹配中数字影像特征提取提供了快速而实用的边缘检测方法。     

高光谱影像分类的深度少样例学习方法

针对高光谱影像分类面临的小样本问题,提出了一种深度少样例学习算法,该算法在训练过程中通过模拟小样本分类的情况来训练深度三维卷积神经网络提取特征,其提取得到的特征具有较小类内间距和较大的类间间距,更适合小样本分类问题,且能用于不同的高光谱数据,具有更好的泛化能力。利用训练好的模型提取目标数据集的特征,然后结合最近邻分类器和支持向量机分类器进行监督分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验,试验结果表明,该算法能够在训练样本较少的情况下（每类地物仅选取5个标记样本作为训练样本）取得优于传统半监督分类方法的分类精度。     

图像重建算法FBP与OSEM在工业CT应用中的对比研究

滤波反投影法(FBP)与有序子集最大期望值法(OSEM)是图像重建中最为常用的两种方法,本文研究了这两种重建方法在工业CT中的应用,就不同的探测器数目、不同的旋转投影角度取样数、不同的噪声水平,对两种方法的重建效果进行对比与分析,结果表明在某些条件下迭代法OSEM重建图像质量明显好于解析法FBP。