单帧红外图像低频非均匀性噪声校正算法

红外成像系统中,低频非均匀性噪声严重影响红外系统的成像效果,传统基于标定的方法无法对其进行有效的去除.为此,提出一种基于曲面拟合的低频非均匀性噪声校正算法,首先对含噪图像进行小波滤波,以抑制高频信息;然后利用场景和低频非均匀性噪声梯度的稀疏特性,建立关于非均匀性噪声曲面参数的■正则化能量泛函,并利用ADMM方法求解最优的非均匀性噪声曲面参数;最后将原始图像减去估计的低频非均匀性噪声得到校正后的图像.使用中波红外热像仪拍摄得到红外图像,对仿真图像和实际图像进行校正,实验结果表明,该算法能明显降低图像的粗糙度和非均匀性值,且有效地去除低频非均匀性噪声.     

类别均衡与局部中值损失联合监督的自然场景人脸表情识别

近年来,卷积神经网络在实验室控制环境下的人脸表情识别任务中取得了很大进步,但是在自然场景中人脸表情识别方面仍然存在一些挑战.针对自然场景中人脸表情数据分布不平衡,以及由姿势、光照和性别等因素引起的类内差异大的问题,提出类别均衡与局部中值(class-balancedandlocalmedian,CALM)损失函数.CALM损失函数包含类别均衡Softmax损失函数和局部中值损失函数2个部分.其中,类别均衡Softmax损失函数将数据量较少且容易错分的害怕和厌恶2种表情标记为难样本,将其余5种表情标记为易样本;在网络训练过程中对难样本自适应地增大权重,以提高难样本的识别准确率,进而提高表情识别的平均准确率.此外,在每个类别中会有一些离类别内大多数样本较远的样本,它们的存在会导致用均值方法计算出的类别中心偏离类内大多数样本.在局部中值损失函数中,采用与每个样本属于同类别的若干近邻的中值作为类别中心,在一定程度上减弱离群样本对类别中心选择的影响.在RAF(real-worldaffectivefaces)数据集上进行实验,与局部子类方法相比,该方法的平均识别准确率提升了1.32%,证明了该方法的有效性.     

直流稳定电源输出功率测量不确定度的评定

直流稳定电源因其面板数字表准确度高,输出稳定可靠,可通过面板显示的电压和电流间接计算产品的功率。本文介绍了一种间接评定直流稳定电源的输出功率测量不确定度的方法。     

一种二质量块声带模型的声带麻痹特征参数分析方法

本文提出了一种二质量块声带模型的声带麻痹特征参数分析方法，建立二质量块声带模型来提取声带麻痹的相关特征参数，分析声带麻痹不对称系数和声门下压对声带振动和声门气流体速度的影响，研究不对称系数和声门下压与基频之间的相关性，得到其定量表达式，实验结果表明，当Ps由0.02atm增加到0.05atm时，β＝1.0与β＝０.７的基频差值变化量22.340Ｈｚ，当β由0.9减小到0.7时，Ps＝0.02atm与Ps＝0.05atm的基频差值变化量为7.288Ｈｚ，声带麻痹时Ｆ０与β和Ｐｓ呈正相关，Ｆ０对β的敏感程度大于Ｐｓ。