基于GPU的空谱联合核稀疏表示高光谱分类并行优化

高光谱图像分类是遥感信息处理领域的热点问题,在核稀疏表示分类框架下,联合光谱信息和像元空间信息,空谱联合核稀疏表示高光谱图像分类能够取得较好的分类效果,但较高的计算复杂度及高光谱图像较大的数据量限制了其在实时性要求较高情况下的应用。基于GPU/CUDA架构,提出了一种空谱联合核稀疏表示高光谱分类的并行优化方法,设计访存优化策略对主机和设备端数据交互进行优化;充分利用GPU并行计算能力,加速分类过程中核矩阵的计算;采用依据GPU并行特性实现的矩阵运算,优化基于交替方向乘子法的分类模型求解过程。利用实际高光谱图像数据进行的实验,验证了该方法的有效性和高效性。     

基于半监督学习和支持向量机的铀矿分选方法研究

为了识别可冶炼铀矿石,提高资源利用率,采用X射线透射技术,并结合半监督学习算法—ITSVM,实现对铀矿的智能分选。同时为进一步优化模型性能,引入了亮暗校正方法以解决图像噪声问题,该方法通过归一化处理,将噪声图片中的每个像素点进行映射,从而提升图像质量。通过改进的直线凹点检测与切割算法和切片方法,攻克了支持向量机对多目标分类任务的难题,该算法通过检测像素点相对于直线的位置和距离,利用约束条件判断凹点,采用最小距离切割方法获得对应的切割线,再通过切片的方法将多目标检测问题转化为多个独立的单一目标检测问题。通过综合这2种优化方法,最终建立了ITSVM铀矿分选模型。通过X射线投射技术收集到的2 000张铀矿图片对该模型进行训练测试,并与SVM和TSVM模型进行结果对比。结果表明,经过亮暗校正,模型在检测铀矿的准确性方面提升了2.9个百分点;通过使用改进的直线凹点检测与切割算法和切片方法,使ITSVM模型具备多目标检测功能,模型对多目标铀矿图片检测的准确性达到95.7%;在测试集上,ITSVM模型检测铀矿的准确性达到97.3%。相比于SVM和TSVM,ITSVM在检测铀矿的准确性和持续优化模型方...     

Web服务化的分布仿真运行支撑环境

为提高高层体系结构的重用性和互操作性,对传统高层体系结构分布仿真模型进行去耦处理,引入仿真应用层和仿真通讯层,把仿真模型和本地运行支撑环境组件分离开来,提出低耦合的高层体系结构分布仿真模型和基于Web服务的高层体系结构分布仿真体系结构。据此进行Web服务化运行支撑环境的设计和原型系统开发,并给出其意义和相关性能分析。使用基于超文本传输协议的简单对象访问协议,使高层体系结构兼容的仿真联邦成员能够与运行时间框架在广域网、局域网等各类网络上通讯,屏蔽防火墙等安全限制对通讯的影响。提出运行时间框架和仿真成员Web服务化的思路,为实现仿真应用动态组合提供技术支撑。在一定的实时性能损失前提下,Web服务化的运行时间框架能够大大提高高层体系结构分布仿真的重用性和互操作性。研究结果表明,Web服务化的运行支撑环境适用于广域网范围下粗粒度的分布仿真应用。     

基于空间相关性约束稀疏表示的高光谱图像分类

该文提出一种新的基于稀疏表示的高光谱图像分类方法。首先利用训练数据构造结构化字典,建立基于稀疏表示的高光谱图像分类模型;然后添加空间相关性约束项和训练数据的空间信息,提高稀疏表示模型分类的准确性;最后采用快速的交替方向乘子法求解模型。实验结果表明:该文方法能够有效提高分类精度,且分类结果稳定。     

信息领域国家重大科研仪器研制项目受理与资助情况综述

信息领域国家重大科研仪器研制项目旨在面向信息领域的世界科学前沿和国家重大需求，突出科学目标引导，鼓励和培育具有原创性学术思想的探索性科研仪器设备研制，支持原创性科研仪器与核心部件研制，为科学研究提供新手段和新工具，探索自然规律和开拓学科研究领域，提升我国科学研究原始创新能力.本文对2012—2021年信息领域国家重大科研仪器研制项目的受理与资助情况进行梳理与分析，为新时期信息科学领域重大科研仪器研制项目的管理提供参考.     

基于光谱映射和细节注入的Pansharpening

Pansharpening通过在多光谱图像中注入全色图像的空间细节，从而获得高分辨率的多光谱图像.但细节注入的同时，可能会引起光谱失真.为了提高融合图像的光谱保真，本文提出了一种空谱结合的Pansharpening方法.充分利用全色和多光谱图像之间潜在的光谱关系，对全色图像的光谱信息进行增强，继而将增强后的全色图像细节注入多光谱图像中，并建立了统一的变分Pansharpening模型，同时实现了融合图像的光谱信息保持和空间结构细节增强.在不同数据集上进行的数值实验表明，相比现有的Pansharpening方法，本文所提方法具有比较好的融合效果，尤其在光谱保真方面，更具有一定的优势.