【摘 要】
：
为提高简单线性迭代聚类(simple linera iterative cluste,SLIC)算法对带有散斑乘性噪声的合成孔径雷达(synthetic aperture radar,SAR)图像分割的准确率,提出了一种新的超像素分割算法.该算法首先利用Kuan滤波估计值代替像素强度,构造了对乘性散斑噪声不敏感的平均灰度差;其次通过计算Kuan滤波系数来估计区域起伏差,以增强同质区和边缘区之间的对比度;最后将新构建的平均灰度差、空间位置差与区域起伏差相结合,构建一种新的距离相似性度量方法,以适应于SAR图
【机 构】
：
西安工程大学电子信息学院,陕西西安 710048
论文部分内容阅读
为提高简单线性迭代聚类(simple linera iterative cluste,SLIC)算法对带有散斑乘性噪声的合成孔径雷达(synthetic aperture radar,SAR)图像分割的准确率,提出了一种新的超像素分割算法.该算法首先利用Kuan滤波估计值代替像素强度,构造了对乘性散斑噪声不敏感的平均灰度差;其次通过计算Kuan滤波系数来估计区域起伏差,以增强同质区和边缘区之间的对比度;最后将新构建的平均灰度差、空间位置差与区域起伏差相结合,构建一种新的距离相似性度量方法,以适应于SAR图像超像素分割场景.实验结果表明:该文算法在保证生成的超像素与目标轮廓一致且边缘更加贴合图像真实边缘的基础上,进一步提高了SAR图像超像素分割的准确度.与其他2种经典超像素算法相比,其召回率至少提高了1％,欠分割错误率降低了3.6％,覆盖率提高了1％.
其他文献
为解决基于层次时空特征的识别方法在实际应用中,存在正确识别网络中恶意攻击行为流量较少,无法为网络环境安全提供保障问题,开展基于决策树算法的网络加密流量识别方法研究.在网络加密过程中,有针对性的获取流量载荷特征,掌握不同数据中携带的噪声;在此基础上,引进决策树算法,进行流量的分类处理,根据处理结果,实现对流量的识别.此外通过将两种识别方法应用到相同的网络环境中证明,设计的识别方法能够实现对更多网络中恶意攻击行为流量的准确识别,将该识别方法应用到不同网络环境当中可为其安全性提供保障,防止受到恶意攻击者的威胁,
Sharing Van是一款L4级别的自动驾驶乘用车,该车已广泛应用于各类自动驾驶示范区、旅游景区、封闭园区等场景.车辆的自动驾驶,离不开高精度定位服务.如何在自动驾驶车辆嵌入高精度定位服务,一直是车企与高精度定位服务提供商的研发重点.基于此,文章主要研究了如何为乘用车Sharing Van提供基于5G+北斗的高精度定位服务.
提出一种基于稀疏表示和暗通道结合的图像复原去雾霾方法,通过对原始雾霾图像进行稀疏分解,利用噪声图像特征的最佳字典,重构出图像局部相关结构特性,从而将雾和霾从原始图像中分离出来,再结合大气散射光模型对含雾图像反向求逆,得到原始图像清晰化处理的图像,实现图像去雾霾清晰化处理.
为了抵御新冠病毒,识别口罩是否规范佩戴成为亟待解决的问题.然而,现有相关工作忽视了使用非口罩类物品可“欺骗”检测,从而造成检测准确率较低.为了解决该问题,文章提出了一种基于YOLOv5的人脸遮挡物目标检测的算法,优化了损失函数,并融合多个数据集进行聚类分析.实验表明,改进后的YOLOv5算法对于不同种类的人脸遮挡物的检测效果均有提高,总体mAP较原算法提高了6.4％,召回率提高了2％,整体损失降低了1％.
尽管经过多年研究,论文作者消歧仍未得到完美解决.针对传统方法仅使用某一特征或忽视不同特征的重要性的问题,提出了一种基于集成学习的方法,通过余弦相似度的计算衡量论文之间的相似性,训练出联合分类器,进而完成分类.根据大量有标记数据,在实验中优化各个特征的权重.实验结果表明,所提方法达到了93.2％的F1值,比单一使用某一特征或忽视特征权重能达到更好的分类效果,并且在中外作者姓名的消歧上都有较好的表现.
当前社会已经进入网络信息时代,对于网络信息方面的服务需求不断提升,因此,应根据时代发展所需,开发新技术,改进旧系统,满足相关业务开展对服务系统的需求.在这一背景下,OSU技术应运而生,其应用在OTN系统中之后,能够强化系统服务能力,满足大速率业务客户的需求,降低运行成本,缩短延长时间,因此,这一技术应用备受关注.文章分析OSU关键技术,探究其标准发展,并进行实践应用方案设计,为有关工作开展提供有益借鉴.
由于传统算法统计的异常流量特征存在偏差,使得网络异常数据检测的抗干扰能力有所降低,基于数学模型研究网络数据流量异常的检测算法.在模糊C均值分类异常流量特征集的基础上,应用自适应回归法统计异常流量特征量,计算不同异常流量的向量值,构建数字模型检测异常流量.实验表明:在异常流量检测成功率为100％的前提下,文章算法的抗干扰强度平均能达到19.41dB,比传统算法分别高了10.09dB和10.67dB,说明文章中算法的抗干扰能力更强.
针对直接数字合成器(DDFS)中杂散噪声和存储资源的问题,详细讨论了相位抖动、波形压缩分别在抑制杂散和节约存储资源上的实现方法.并利用软硬件协同设计的思想,采用相位抖动结合波形压缩的方法在ZYNQ7020 SoPC芯片上实现了一种改进的DDFS软硬件系统.改进的硬件系统输出信号的无杂散间动态范围提高了14.3dB,消耗的存储资源为传统设计的6％,软件系统可通过AXI4-Lite总线控制硬件系统实现不同的输出功能.
在推荐系统中,矩阵因子分解被广泛用于从显式评级中挖掘用户偏好.然而,显性评级的可靠性并不总是一致的,因为许多因素可能会影响用户对物品的最终评价.因此,挖掘用户的可靠评分对进一步提高推荐系统的性能至关重要.文章分析了每个等级在用户和物品总体等级分布中的偏离程度,并分别提出了基于用户的等级中心性和基于物品的等级中心性的概念.最后实验结果表明,该方法具有更好的预测精度,特别是在稀疏数据集上.
为了提高核极限学习机(KELM)的分类正确率,采用哈里斯鹰算法(HHO)对惩罚系数、宽度参数两个参数进行优化.首先,根据乳腺良恶性肿瘤数据库训练集并利用哈里斯鹰算法优化核极限学习机;然后,通过HHO-KELM和KELM对测试集进行分类诊断;最后,对比分析HHO-KELM和KELM的分类性能,测试结果表明,HHO-KELM的总体诊断正确率相较于KELM提高了10％,且恶性肿瘤的诊断正确率明显优于KELM.