基于卷积神经网络高光谱影像土地利用分类方法研究

土地覆盖/土地利用变化信息是全球环境变化发展的最重要信息来源之一。本文以高分五号高光谱影像为数据源,采用主成分分析（Principal Component Analysis,PCA）方法进行特征提取,并选用前六个主成分作为分类数据,利用基于卷积神经网络（Convolutional Neural Networks, CNN）的分类方法进行分类,并以支持向量机（Support Vector Machine, SVM）和RF(Random Forest,RF)分类方法进行对比。结果表明,基于CNN的分类方法获得的总体分类精度最高,达到87.67%,Kappa系数为0.84,总体精度相较于基于SVM和RF分类方法的总体精度分别提高了9.00%和8.00%;基于SVM和RF的分类方法的分类结果“椒盐”噪声明显,基于CNN的分类方法可以很好地改善这种情况;基于SVM和RF的分类结果对草地、林地以及其他用地等的分类精度较低,错分比率较高,而基于CNN的分类方法可以有效地改善这种情况。     

适用于智能工业监测的光学元件缺陷识别技术

为提高光学元件缺陷检测的效率和准确率,提出了一种基于偏振成像与卷积神经网络算法相结合的光学元件缺陷检测方法。通过分焦平面偏振相机与暗场成像方法相结合,降低高光现象对成像质量的影响,实现了结构紧凑、实时测量、成像质量高的光学元件成像光路;同时引入LeNet-5卷积神经网络进行光学元件缺陷识别,通过采用线性修正单元、多尺度卷积和卷积通道拓展等优化方法,减小网络过拟合、提高网络缺陷识别能力。经试验对比,改进型LeNet-5识别算法不需要对偏振图像进行预处理,对光学元件缺陷的识别准确率可达96.7%,并且运行速度和内存占用相比SqueezeNet网络模型存在明显优势。     

基于深度学习的t-f MRI脑状态解码

针对传统方法在解码大脑状态中由特征提取带来的可重复性差和耗时问题,采用基于3D卷积神经网络（3D-CNN）模型对任务态功能磁共振成像（t-fMRI）进行分类,从不同数据粒度分别采用梯度加权类激活映射（GradCAM）算法和导向梯度加权类激活映射（Guided Grad-CAM）算法探索分类结果与大脑不同脑区的功能相关性。采用4种不同t-f MRI数据验证算法的有效性,结果显示：3D-CNN分类模型准确度达97.8%,特征可视化能够准确映射到分类结果对应的功能脑区,且可有效解码大脑任务状态。     

用于目标检测的邻域融合与分层并行特征金字塔网络(英文)

为了提升对小目标的检测精度,提出了一种基于邻域融合的分层并行特征金字塔网络(NFPN).与特征金字塔网络(FPN)和反卷积单次多框检测器(DSSD)中采用的逐层递进融合方式(特征金字塔网络的底层特征依赖于顶层特征)不同,NFPN仅对具有相似尺度的浅层特征进行融合,所构建的特征金字塔网络上下层之间没有依赖关系.NFPN具有高度的可移植性,可嵌入到许多检测模型中来进一步提升性能.在PASCAL VOC 2007、2012和COCO数据集上进行的大量实验表明,基于NFPN的SSD模型在检测精度和推理速度方面均优于DSSD模型,尤其是对于小目标而言,NFPN-SSD300精度比SSD300高4%～5%,比DSSD321高2%～3%.在VOC 2007测试集上,输入分辨率为300×300的基于NFPN的SSD模型可以实现79.4%的检测精度和34.6 frame/s的推理速度,在使用多尺度测试方法后,其精度可提升至82.9%.     

波纹表面金属目标散射特性分析

雷达散射截面的分析与预估是隐身／反隐身领域的一个重要课题．改变目标的几何外形是减小雷达散射截面有效途径之一，从真空中的麦克斯韦方程出发，采用交替隐式的时域有限差分方法以及时域卷积完全匹配层技术．研究了表面波纹对金属目标雷达散射截面的影响，给出了一表面加波纹金属圆柱雷达散射截面．结果表明：当波长和波纹宽度相近时，金属圆柱表面加波纹可以在很大的空域角度内使其RCS明显减小．该方法及结果对隐身与反隐身技术的研究具有借鉴价值．     

卷积性质的代数证明

应用傅里叶逆变换关于卷积运算、普通乘法运算的同态满射,利用抽象代数中同态的性质去证明卷积的七个基本性质.     

聚乙烯亚甲基的变角振动二维红外光谱研究

在293~393 K范围内,分别测定聚乙烯的一维红外光谱、二阶导数红外光谱、四阶导数红外光谱和去卷积红外光谱来确定聚乙烯分子结构。进一步采用二维红外光谱研究了聚乙烯亚甲基变角振动模式(δCH2)。研究发现,聚乙烯分子中存在晶区,非晶区,晶区/非晶区过渡区。随着测定温度的升高,聚乙烯分子中δCH2红外吸收强度变化快慢顺序为:1 457 cm-1(δ(CH2)amorphous)1 468 cm-1(δ(CH2)interfacial region)1 462 cm-1(δ(CH2)crystalline)1 473 cm-1(δ(CH2)crystalline)。此项研究显示出二维红外光谱在高分子材料热变性分析中的重大作用。