对于基于深度学习的立体匹配而言,模型的网络结构对算法精度的影响很大,而算法运行效率也是实际应用中需要考虑的重要因素。提出一种在视差维度上使用稀疏损失体进行立体匹配的方法。采用宽步长平移右视角特征图构建稀疏的三维损失体,使三维卷积模块所需的显存和计算资源均降低数倍。采用多类别输出的方式对匹配损失在视差维度上进行非线性上采样,并结合两种损失函数训练模型,在保证运行效率的同时提高算法精度。在KITTI测试集上,与基准算法相比,所提算法不仅提高了精度,而且运行时间缩短了约40%。

遥感场景类别的语义词向量与图像特征原型的距离结构不一致问题,严重影响遥感场景零样本分类效果。针对该问题,利用不同词向量间一致性,提出一种基于解析字典学习的语义词向量融合方法,以提升遥感场景零样本分类效果。首先,采用解析字典学习方法,提取场景类别的不同词向量的公共稀疏系数,并作为融合后的语义词向量;然后,同样采用解析字典学习方法,将场景类别的图像特征原型嵌入到融合后的词向量空间,与融合后的词向量进行结构对齐,降低距离结构的不一致性;最后,通过联合优化获得未知类的图像特征空间类别原型表示,并采用最近邻分类器完成未知类别遥感场景的分类。在3种遥感场景数据集和多种语义词向量上进行定量和定性实验。实验结果表明,通过词向量融合可以获得与图像特征原型结构更一致的语义词向量,从而显著提升遥感场景零样本分类的准确度。

石英增强光声光谱技术(QEPAS)出现时间较晚, 是一种较为新颖的痕量气体探测手段, 本文以大气中的水汽作为测量目标, 开展对基于QEPAS技术的痕量气体探测系统的研究。 理论上, 首先对激光器波长调制及信号谐波探测的原理进行了分析, 得到了可用于气体浓度信号反演及激光器波长锁定的实现方案, 并讨论了可用于高灵敏度气体探测的吸收谱线的选择原则。 实验中, 以输出波长为1.39 μm的连续波分布反馈单纵模二极管激光器作为激发光源, 采用激光器波长调制和2次谐波探测技术, 首先研究了激光波长调制深度对QEPAS系统产生的信号幅度的影响, 接下来对声波探测系统中微共振腔强声波增强特性进行了研究。 QEPAS系统经过优化后, 获得了5.9 ppm的探测极限, 同时对不同浓度的水汽进行了测量, 实验数据线性拟合后, 得到R-Square为0.98, 证明了此QEPAS系统具有良好的线性响应度。 最后, 运用基于3次谐波探测的激光器波长锁定技术, 对大气中的水汽变化进行了长达12 h的连续测量, 实验结果表明, 该系统性能稳定, 具有良好的连续测量能力, 可广泛应用于其他痕量气体的高灵敏度连续在线测量的研究上。

为解决目前大多数海陆分离方法仅利用单一特征对图像进行处理, 从而导致误分割或存在大量孤立区域, 造成后续处理工作难度大或无法开展的问题, 提出一种联合灰度、梯度和纹理等多特征的海陆分离方法。针对不同的陆地类型选用不同的特征进行分离, 配合形态学处理, 基本实现海陆分离; 再采用像素标记与纹理聚类策略对结果进行优化, 去除孤立区域, 得到最终的海陆分离结果; 最后利用直方图统计法将陆地屏蔽。此方法的陆地检测率与正确检测率都在99%以上, 计算时间仅为其他方法的一半。实验结果表明, 该方法与常用的海陆分离方法相比能够快速准确地实现海陆分离并将陆地屏蔽, 有利于后续处理的进行。