改进的基于CNN的高光谱遥感图像分类办法

由于高光谱遥感图像光谱维度大,标注样本相对较少,提出了一种结合主成分分析和改进的二维卷积神经网络的高光谱遥感图像的分类方法。首先,通过主成分分析,降低光谱维度,消除光谱亢余信息。然后,将数据进行分块处理,获得分块数据的样本标签,并将数据分为训练集和验证集,用训练集和验证集训练改进的针对高光谱遥感图像分类的卷积神经网络的参数。最后,将测试集投入训练好的2D-CNN上进行分类,得到分类结果。实验结果表明,提出的模型的分类精度明显提高,从而验证了该方法的有效性和实用性。     

核心素养视域下物理微课的特点及分类研究

现有的中学物理微课共性有余而特性不足,其分类方式也并非十分科学合理。文章基于物理学科核心素养,分析了物理微课的特点,并将物理微课分为“物理观念类微课”“科学思维类微课”“科学探究类微课”和“科学态度与责任类微课”四类,以期为物理微课的分类与开发提供参考和启示。     

一种SAR与可见光图像压缩感知融合增强方法

针对机载多传感器成像战场态势感知的问题，提出了一种合成孔径雷达(Synthetic Aperture Radar，SAR)与可见光图像压缩感知融合增强方法。该方法首先对SAR与可见光图像分别进行压缩感知测量，得到压缩测量值，然后通过基于局部权值的融合方法实现对压缩测量值的融合，再利用有序度最优分割法提取SAR图像的强散射目标，最后对融合测量值重建得到初步融合图像，初步融合图像通过目标对比度增强得到最终融合图像。对多组图像进行了仿真分析，视觉及数值结果表明该方法能显著增强融合图像的目标对比度，提升了图像纹理清晰度，较大程度降低了图像融合过程中的数据计算量。     

一种经验模式分解下的海杂波小目标检测方法

利用海杂波有效探测海上小目标是目前雷达探测领域的热点问题，具有重要的应用价值。鉴于海杂波是一种非线性非平稳性的雷达回波信号，充分发挥整体平均经验模式分解的优势，将海杂波分解为若干个不同尺度的独立分量。通过研究发现有目标时，分解出的前5个分量与未分解前信号的相关系数明显减小，因此提出了一种新的海杂波背景下的目标检测方法。通过实测和模拟的海杂波数据进行训练和测试，研究结果表明，该方法能有效地实现海杂波下目标的探测，性能优于经典时域下、分数阶傅里叶变换域下以及平均经验模式分解后的广义Hurst指数的目标检测方法。     

基于数字图像处理的皮肤病识别APP

随着科技的进步,生活节奏的加快,环境污染的加重,皮肤病成为一种高发性疾病,针对此现状,设计一款关于现代常见皮肤病防治的手机应用软件,通过空间域滤波器、灰度拉伸以及直方图均匀化进行图像预处理,将图像相似的灰度值调整一致,便于图像分割与特征提取。将处理完的图像与数据库中的病样进行对比得出结果,最后系统给出患者相对应的治疗方案。     

初中物理教学中微课的应用探讨

近年来,微课教学作为一种重要教学方式逐渐为一线教师所接受。经实践,微课教学运用在初中物理课堂教学中,可以很好地激发学生的学习兴趣,培养学生思维能力,所以得到了广泛的认可。对此,本文就如何在初中物理教学中应用微课优化课堂,提升学生学习能力进行探讨,希望给一线教师们在从事微课教研时带来一些启发,让微课教学在初中物理教学中起到更大的作用。     

玩具机械物理能力验证技术分析及建议

文章介绍了广州海关技术中心玩具婴童用品实验室历年来组织的玩具机械物理领域的能力验证计划项目的基本情况,详细分析了各项目的技术要点和常见不满意问题,总结了现阶段该领域能力验证计划的开展情况。     

基于WSR的区域排水权分配影响因素研究

为了进一步减少防洪损失、解决区域排水纠纷问题,在界定排水权内涵的基础上,研究得出排水权具有强制性、排他性、可交易性、可变性和紧迫性。利用WSR系统方法论构建了排水权分配的WSR分析框架,认为排水权的分配受物理因素、事理因素和人理因素的影响,并分析了多种因素在分配过程中的角色,进一步构建了排水权分配影响因素的指标体系。研究有利于实现排水权有效配置驱动因素的系统化、层次化梳理,为实现排水权的合理分配与防洪决策的进一步优化提供有效依据,对于保障防洪安全、实现社会公平与区域均衡发展具有重要的支撑作用。     

基于深度学习的跳频信号识别

针对跳频信号分选存在人工提取参数特征具有复杂性的问题，提出了一种基于深度学习的识别方法。首先对跳频信号进行短时傅里叶变换，得到二维的时频矩阵；接着提取信号的轮廓特征，构造三维矩阵作等高线图，并对等高线图进行预处理；最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试，进而实现分类识别。仿真结果表明，在不需要复杂的人工提取参数特征的基础上，在分选率为100〖WT《Times New Roman》〗%〖WTBZ〗时，所提方法经裁剪处理下的信噪比为-15 dB，比支持向量机和传统K-Means聚类算法都低10 dB。实测数据的算法验证表明，所提方法能够将大疆精灵4Pro、hm无人机、司马航模X8HW以及大疆悟2这四类无人机正确分类。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换（Discrete Wavelet Transform，DWT）通常用于图像的表示。然而，对于具有不规则形状边缘的图像，尤其是对于纹理和细节信息较多的遥感图像，DWT却很难有效表示，进而影响后续去噪效果。针对该问题，提出了一种基于图形小波变换（Graphic Wavelet Transform，GWT）的图像去噪方法。首先，将图像表示为图形信号，并通过该图形信号的谱表示构造相应的变换矩阵；然后，设计了一种改进自适应阈值的图像去噪方法，在GWT变换域内对图像去噪。实验结果表明，与常用的图像去噪方法相比，所提算法能够提供更好的图像主观质量。采用均方根误差（Root Mean Square Error，RMSE）和峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）作为客观指标，结果表明，采用所提方法得到的重建图像客观质量更优。