基于生成对抗网络的水下图像增强

对光的散射和衰减导致水下图像出现颜色失真和细节模糊对比度低问题进行研究,提出一种基于生成对抗网络（GAN）的图像增强方法。首先以图像分割（U-Net）网络为基础提取水下退化图像特征,再使用改进的白平衡算法对原始图像进行去偏色处理,用卷积神经网络提取去偏色后的图像特征,接着通过卷积神经网络完成两者特征融合,最后重构增强的图像。结果表明,本文算法增强后的图像在UIQM、PSNR和SSIM指标上的平均值为5.071、25.310和0.996,分别比第二名提升了1%、7%和5%。在主观感知和客观评估中,处理后的图像在清晰度、颜色校正和对比度方面均得到改善。     

基于VMD与IMWPE的舰船辐射噪声特征提取研究

舰船辐射噪声的特征提取是水下识别的依据,传统的特征提取可识别性较弱,水下识别较为困难。本文提出一种基于变分模态分解（variational mode decomposition, VMD）与改进多尺度加权排列熵（improved multisacle weighted permutation entropy, IMWPE）相结合的方法进行特征提取,将原始信号通过VMD分解成多个固有模态函数（intrinsic mode function, IMF）,选取能够充分体现目标复杂度特征的IMF作为研究对象,然后通过IMWPE方法采用平移均值法解决多尺度加权排列熵（multisacle weighted permutation entropy, MWPE）的单一粗粒化问题。实验数据表明,将本文算法与对比算法提取的特征参数经过粒子群优化的支持向量机（particle swarm optimization support vector machine, PSO-SVM）进行分类识别,IMWPE算法识别率最高,具有良好的稳定性和优越性。     

构建人才培养创新模式促进大学生就业探索

分析当前大学生实习实训效果不理想的原因,探讨建设实习、实训基地的必要性,提出利用大学生校内生产实习基地建设的新模式,即在校企联合"3+1"人才培养创新模式下的"产、学、官"实践三角架构,推进大学生就业。     

基于稀疏表示的NMF抗混响方法

在浅海环境中,由于受到混响的影响,主动声呐接收到的信号混淆不清。针对上述问题,提出一种基于稀疏表示的非负矩阵分解(non-negative matrix factorization, NMF)抗混响方法。利用稀疏表示方法处理主动声呐回波信号,然后根据信号的稀疏性,构建基于非负矩阵分解的Kullback-Leibler(KL)问题,通过梯度下降法给出迭代规则,进而得到了目标信号矩阵中的协方差估计。仿真结果表明,相对其他去混响方法,该方法能够有效抑制混响,提高对水下目标的识别率。