针对目前算法对遥感图像中背景复杂、目标小而密集的复杂场景下的目标检测精度低的问题,提出了一种基于YOLOv3的改进算法,在YOLOv3的基础上,结合了密集连接网络,利用密集连接块来提取深层特征,增强特征传播,同时引入Distance-IoU(DIoU) loss作为坐标预测的损失函数,使边界框的定位更加准确,此外针对目标间相互遮挡的情况,改进了传统的非极大值抑制算法,使用DIoU代替IoU来克服虚假抑制的问题。对所提算法在三个经典的遥感数据集上进行了测试,实验结果证明,所提方法具有更高的检测精度。

提出一种基于卷积神经网络中残差网络的遥感图像场景分类方法。本文方法在原网络模型中嵌入了跳跃连接和协方差池化两个模块,用于连接多分辨率特征映射和融合不同层次的多分辨率特征信息,并在3个公开的经典遥感数据集上进行了实验。结果证明,本文方法不仅可以将残差网络中不同层次的多分辨率特征信息融合在一起,还可以利用高阶信息来实现更具代表性的特征学习。与已有的分类方法相比,本文方法在场景分类问题上拥有更高的分类精度。

光学遥感图像目标检测一直都是遥感领域研究的热点之一,但现有的检测方法对背景复杂且尺寸较小的目标检测准确率不高。针对以上问题,提出了一种以Mask-RCNN为基础框架的目标检测方法。该算法以ResNet50为特征提取网络并在此基础之上利用特征重用技术来更好地提取目标的语义特征,且针对不同类型的飞机尺寸比例不固定等特点,设计了一组更加合适的候选框尺度集合。实验结果证明,该方法与以往常用的检测算法相比在小物体检测上拥有更高的检测精度。

针对多视角下老龄人异常行为检测问题, 利用3D人体数据和多线性子空间分析方法, 从时间、视角和空间动作特征对其进行了研究。首先通过三维结构光传感器获取人体扫描点云数据, 并进行点云精简和人体表面重建。然后提取人体点云数据的表面曲率特征, 并将其映射到二维彩色图像中, 构成彩色动作特征图。通过提取特定时长内所有动作的彩色特征图, 生成基于曲率的彩色动作能量图模型, 并使用2D-PCA对彩色动作能量特征图进行降维。最后运用基于张量分析的多线性子空间分析方法, 对多视角下降维后的数据进行视角无关的特征提取, 并完成异常行为的分类和识别。实验结果表明, 该方法切实可行, 可将其应用于助老机器人和老龄人监护等相关领域。

介绍了一种性能优异的新型固体激光电源。采用新型的变换器结构，使电源具有较强的通用性。给出了原理电路模型，分析了工作原理。实验证明，该电源结构简单、适应范围广、成本较为低廉、工作可靠。