结合遥感卫星及深度神经网络的白天海雾识别

遥感卫星能够对云雾进行大范围、长时间监测, 对海雾识别研究具有重要的意义,本文根据不同云、 雾和下垫面的光谱特性及纹理特征,通过葵花8号卫星(Himawari-8)提取云图特征、CALIOP 星载激光雷达 (cloud-aerosol Lidar with orthogonal polarization,CALIOP)获取中高云、低云、海 雾、晴空海表四类样本标签, 利用深度学习方法构建深度神经网络(Deep Neural Networks,DNN),实现了白天海雾的有 效识别。实验结果 表明:本文训练得到的深度神经网络模型准确率为82.63%,具有较高 的识别精度,而且相比其它海雾识别 方法也有更好的识别结果。利用该模型对2016年4月8日发生于黄渤海 区域的海雾天气进行识别,并通过 CALIOP标签数据对识别效果进行验证,结果表明该方法能够较好的识别出海雾区域。     

多通道特征融合Y型全卷积网络的对流云检测

强对流天气具有生命周期短、突发性强、破坏性 大等特点,并时常伴随着多种灾难性天气,给经济 发展、环境保护、人民生命财产安全等带来巨大威胁。目前目视解译的卫星云图对流云检测 方法依赖于人 的经验和知识,存在难于界定对流云团边界、云图的多光谱信息利用不足、小尺度对流云易 出现漏检与误 检等问题。本文基于FY-2G卫星的红外1通道云图及水汽与红外通道的亮温差,并借鉴U-ne t网络在图像 分割中所具有的精确定位能力,提出了一种新的多通道特征融合Y型全卷积网络的对流云检 测方法。该方 法将U-net网络改造成具有双路输入的Y型全卷积网络,并将红外1通道云图和亮温差图像分 别作为Y型 网络的两路输入,经过卷积及下采样处理,提取不同通道的特征信息;为了使网络具有精细 的目标检测能 力,Y型全卷积网络保留U-net网络的卷积及上采样结构,同时通过卷积和上采样将两个输 入分支不同层 次的特征图融合,从而实现一种多层次、多通道特征融合的对流云检测方法;不同层次特征 图的可视化及 其与融合特征图的对比,表明了所构造的Y型网络在利用云图不同通道特征信息中的有效性 。实验结果表 明,本文方法的对流云检测准确率为87.34%,精确率为89.77%,召回率为82.10%,F1-综合评价指标为 84.82%,各项性能指标均优于基于DeconvNet、U-net等传统网络模 型的对流云检测方法;与阈值法、亮温 差法和SVM等传统对流云检测方法相比,本文方法不仅在对流云边缘界定及小尺度对流云的 检测上具有明显优势,而且检测准确率和计算效率均得到了显著的提高。     

双树轮廓波变换域的磁共振图像降噪

为了改善磁共振(MR)图像的质量,提出一种基于双树轮廓波(DT-Contourlet)变换的MR图像降噪算法。研究了MR图像的噪声分布模型,认为这种噪声服从莱斯分布,从而推导了MR模平方图像的噪声参数估计方法。通过分析DT-Contourlet的塔型双树方向滤波器组结构,明确了DT-Contourlet不仅能保持轮廓波灵活的方向选择性,而且克服了传统轮廓波不具有平移不变性的缺点。在DT-Contourlet变换域,通过计算方差一致性测度,用局部自适应窗口估计阈值萎缩因子,对MR模平方图像的变换系数进行阈值萎缩。最后,经过DT-Contourlet反变换,实现了MR图像的降噪处理。实验结果表明,用本文算法降噪的MR仿真图像的峰值信噪比(PSNR)优于传统算法;与基于小波和轮廓波的方法相比,不同噪声方差下的PSNR平均提高了2.13dB和0.91dB。从视觉效果来看,该算法能在有效抑制MR图像噪声的同时,更好地保持图像的细节信息。     

面向积雨云检测的模糊支持向量机

为解决SVM在积雨云检测中的难题,本文构造了一种模糊支持向量机(FSVM),首先根据训练样本的分布特性,定义了相邻样本距离类中心的距离变化率,然后通过计算距离变化率来剔除训练集中可能的噪声与野值样本,从而有效克服了传统基于紧密度的FSVM在计算最小超球半径时易受噪声与野值干扰的缺点,使得所计算的隶属度能更好地反映不同样本的差异。实验结果表明,对于FY2D卫星云图,采用从不同通道所提取的光谱特征,本文方法的积雨云检测准确率与传统SVM和基于紧密度的FSVM相比,分别平均提高2%和1%,且具有更强的适应性及噪声鲁棒性。     

基于图像差分与卷积深度置信网络的表情识别

针对传统的人脸表情识别方法中提取表情特征时 没有去除个体性差异及突出表情关键部位的高层次 特征,本文提出一种将图像差分与改进的卷积深度置信网络(CDBN)相结合的表情识别方法 。首先对人 脸表情图片进行裁剪、降维等预处理,之后将各类表情图像与中性表情图像做差分运算提取 各类表情的差 分图像,为了提取表情关键部位的深层次特征,本文将卷积受限玻尔兹曼机(CRBM)的可见层 单元划分为多 个区域,分区进行特征学习,并将此CRBM堆叠起来,形成分区卷积深度置信网络(PCDBN), 之后将各表 情的差分图像作为PCDBN可视层的输入,并利用对比散度算法逐层训练网络,最后在顶层添 加softmax 分类器作为输出层以实现表情识别。在JAFFE和CK+表情库上的实验结果均达到了95%以上的识别率,扩 大训练样本后,在CK+表情库上的识别率可达99%以上。     

采用双字典协作稀疏表示的光照及表情顽健人脸识别

提出一种采用小波变换(WT)及双字典协作稀疏表示分类(CSRC)的人脸识别方法-WT-CSRC.WT-CSRC首先利用PCA(主成分分析)将小波分解后的人脸高频细节子图融合成高频细节图像;然后用PCA分别对人脸低频图像和高频细节图像进行特征提取,构造低频和高频特征空间,并用训练样本在两种特征空间上的投影集构造低频字典和高频字典;最后将测试样本在两种字典上进行稀疏表示,并引入互相关系数以增强人脸识别的可靠性,实现了人脸的协作分类.实验结果表明,提出的方法提高了人脸识别率,对光照变化及表情变化具有较强的顽健性,并且具有较高的时间效率.     

结合VLAD特征和稀疏表示的图像检索

为了实现快速准确的图像检索目标,提出一种结合VLAD（局部聚合描述符）特征和稀疏表示的图像检索方法。首先,根据图像具有结构细节丰富、局部视觉特征差异明显的特点,提取图像的局部旋转不变SURF特征,并采用局部聚合描述符方法,构造具有旋转不变性的图像VLAD特征,然后将VLAD特征与稀疏表示相结合,设计基于稀疏表示的相似性检索度量准则,实现图像的查询检索。实验结果表明,提出方法在查准率（precision）及平均归一化修正检索排序等指标上,均优于其他几种典型方法,并具有较高的计算效率。     

基于自适应参考帧模式选择的多视点视频编码方法

基于多视点视频序列相关性,提出独立片的概念,进而提出一种采用自适应参考帧模式选择的多视点视频编码方法.在保证高率失真性能的前提下,应用独立片、自适应算法有效地降低了多视点视频编码计算复杂度,将多种性能进行有机结合,可以根据用户外部设置的参数调整自适应模式.实验结果表明,该方法在保证高压缩效率的前提下,能有效地降低计算复杂度,并改善随机访问性能.