巫红
- 作品数：17 被引量：90H指数：5
- 供职机构：黑龙江大学电子工程学院更多>>
- 发文基金：黑龙江省博士后科研启动基金国家自然科学基金黑龙江省自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程自然科学总论经济管理更多>>
- 改进的PP-YOLO网络遥感图像目标检测被引量：5
- 2022年
- 为了提高遥感图像目标检测精度,提出一种改进的PP-YOLO网络遥感图像目标检测方法。改进的PP-YOLO网络继承了骨干网络结构,改进了PP-YOLO网络的检测颈部分,在保持原检测颈框架基础上,在第4层和第5层加入了由低层网络向高层网络传达的通路,使得网络低层部分可以学习到高层部分的特征信息,加强高层网络学习的特征信息,在保证网络泛化能力的同时比未改进优化同骨干网络的PP-YOLO网络其平均精度均值(mAP)提高了4.4%。同时,优化了PP-YOLO网络训练策略,即基于遥感数据集特点,以更优的CutMix数据增强算法替换掉原有的Mixup数据增强算法,加入GridMask算法增强网络特征的学习,实验取得了最高89.3%的mAP,有效地提高了每一类目标实例的精度。
- 朱福珍王帅巫红
- 关键词：遥感图像目标检测
- 无模型控制方法控制功能的分析研究被引量：10
- 2007年
- 无模型控制方法具有一系列良好的控制功能,从控制律的适应能力、收敛性能、抗干扰性能、解耦性能及克服大时滞的性能等5个方面分析了无模型控制方法的控制功能。把经典的PID调节器作为基本的比较对象,采用仿真比较和理论分析相结合的方法进行比较研究。分析与比较结果表明,无模型控制方法具有一系列良好的控制功能,即适应性功能、收敛性能、抗干扰、解耦功能及克服大时滞功能。
- 蒋爱平李秀英巫红
- 关键词：无模型控制方法适应性抗干扰解耦大时滞
- 无模型控制方法的应用研究被引量：6
- 2007年
- 以某玻璃厂熔窑控制系统为例,讨论无模型控制方法在工业现场应用的某些问题。无模型控制系统可以和DCS联合使用,来加强DCS的控制功能,也可以作为一个独立控制系统来使用。实践证明,利用建模与控制一体化和功能组合思想设计的无模型控制方法,对难控回路的控制效果,明显优于传统的PID控制器。
- 江欣欣巫红曾刚韩志刚
- 关键词：无模型控制方法玻璃生产参数整定
- 基于重影卷积的轻量化遥感图像超分辨重建
- 2024年
- 为了解决基于深度学习的遥感图像超分辨率重建算法模型复杂度高、纹理细节重建不准确的问题,本文提出了基于重影卷积的信息多蒸馏网络。采用重影卷积(Ghost convolution)代替传统卷积消除冗余,降低模型复杂度;通过引入改进的高频注意力块(Improved high-frequency attention block,IHFAB)提高网络对图像中高频成分的特征捕获能力,优化网络对纹理轮廓等细节的重建能力。实验结果表明,本文提出的方法相较于残差特征蒸馏网络(Residual feature distillation network,RFDN)等参数量明显降低,相较于蓝图可分离残差网络(Blueprint separable residual network,BSRN),在2倍、3倍和4倍放大下峰值信噪比分别提升0.33、0.30和0.11 dB,结构相似度分别提升0.017、0.005和0.007。
- 张琪朱福珍巫红
- 关键词：遥感图像超分辨
- 改进的稀疏表示遥感图像超分辨重建被引量：32
- 2019年
- 为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。
- 朱福珍刘越黄鑫白鸿一巫红
- 关键词：字典学习
- 改进YOLOv5的遥感图像目标检测
- 2024年
- 针对基于YOLOv5算法的小目标的检测精度低、密集目标识别效果差的问题,提出了一种改进YOLOv5目标检测框架。YOLOv5的主干网络加入卷积块注意力模块(Convolutional block attention module,CBAM)可提高特征提取能力,增强网络对图像纹理的感知能力,使小目标获取更多关注。为了解决密集目标检测的漏检问题,YOLOv5的颈部网络使用加权双向特征网络(Bidirectional feature pyramid network,BiFPN)替代原有的像素聚合网络(Path aggregation network,PAN),通过权值共享的方式实现多尺度特征融合。采用EIoU作为模型的边界框回归损失函数,提高了边界框回归性能,加快网络收敛速度。在DOTA数据集上,实验验证了YOLOv5的改进结果,此方法的mAP为80.0%,能够检测更多的目标,相较于YOLOv5,改进YOLOv5的mAP提升了5.2%。
- 刘国新朱福珍巫红
- 关键词：目标检测
- 大型发电机冷却器漏水智能检测系统
- 本发明是公开一种大型发电机冷却器漏水智能检测系统。是由地面式漏水传感器、墙壁式漏水传感器、智能数据采集器及上位计算机组成，所述的地面式漏水传感器和墙壁式漏水传感器是由镀水金印刷线路板制做成栅电极，栅电极之间接到水滴时形成...
- 薛荆岩巫红盖永成
- 文献传递
- 改进的密集连接网络遥感图像超分辨重建被引量：4
- 2021年
- 遥感图像超分辨增加了遥感图像的细节信息,在遥感图像处理中有重要的地位。为了进一步提高遥感图像超分辨的重建效果,本文提出一种改进的密集连接网络遥感图像超分辨重建算法。首先对基于残差网络的深度超分辨算法(VDSR)进行改进,结合密集连接网络(DenseNet),将残差网络中的残差块替换成密集块,并且添加一组密集层与瓶颈层,实现DenseNet网络结构的改进,同时,修改网络激活函数为PReLU函数,网络训练采用L1损失函数。为了使网络在遥感图像上具有更好的效果,训练网络时,数据集全部采用遥感图像作为训练样本。当训练的epoch达到了大约35次时网络已经收敛。实验结果表明,与VDSR算法相比,本文改进的算法对遥感图像的效果更优,峰值信噪比(PSNR)平均增加了1.05 dB,结构相似度(SSIM)平均增加了0.042。
- 柏宇阳朱福珍巫红
- 关键词：遥感图像超分辨率
- 基于贝塔过程联合字典学习的图像超分辨重建被引量：1
- 2019年
- 为了提高图像超分辨效果,针对以往稀疏字典超分辨算法仅适用于单特征空间的问题,提出基于贝塔过程联合字典学习(BPJDL)的图像超分辨重建(SRR)方法。首先,根据图像退化模型生成训练样本图像,分别对高、低分辨率图像进行7×7分块,并利用吉布斯采样对图像块进行采样,生成字典训练样本。然后,依据贝塔过程先验模型,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典稀疏系数分解为系数权值和字典原子的乘积,通过训练和更新字典,得到同时适用于两个特征空间的字典映射矩阵。最后,进行图像超分辨稀疏重构。实验结果表明:本文方法能以更小尺寸的稀疏字典重建超分辨图像,与当前最先进的稀疏表示超分辨算法相比,结果图像主观视觉上纹理细节信息更丰富,客观评价参数峰值信噪比(PSNR)提高约1.5 dB,结构相似性(SSIM)提高约0.02,超分辨重建时间降低约50 s。
- 朱福珍邹丹妮巫红白鸿一
- 关键词：字典学习
- 基于稀疏表示的遥感图像超分辨重建被引量：1
- 2019年
- 为了获取高质量的超分辨遥感图像,提出了一种改进特征提取算子的稀疏表示遥感图像超分辨率重建方法。该算法通过设置模板,对一阶和二阶梯度滤波算子进行改进,在有效提取低分辨率图像边缘特征的同时,减少噪声干扰。利用遥感图像库训练得到高、低分辨率图像块字典,再应用低分辨率图像块及其字典求出稀疏表示系数。高、低分辨率图像块具有相同的稀疏表示系数,可根据已求的稀疏表示系数得出超分辨重建图像。实验结果表明,改进算法的超分辨重建效果的客观评价指标,比以往稀疏表示超分辨方法有很大提高,峰值信噪比提高近0.24dB,均方根误差降低近0.15。
- 黄鑫朱福珍王成全巫红
- 关键词：图像超分辨率特征提取
