首页期刊导航|武汉大学学报（信息科学版）
期刊信息/Journal information
武汉大学学报（信息科学版）
武汉大学学报（信息科学版）

刘经南

月刊

1671-8860

journalw@whu.edu.cn

027-68778465

430072

武汉市珞喻路129号武汉大学测绘校区

武汉大学学报（信息科学版）/Journal Geomatics and Information Science of Wuhan UniversityCSCD北大核心CSTPCDEI
查看更多>>本刊为测绘专业学术期刊，主要刊登测绘、遥感、图形图像处理等专业及相关学术论文。发表论文强调先进性、创造性。该刊发表的论文部分收录于EI、SCI、AJ等。
正式出版
收录年代

    GNSS外辐射源动目标遥感检测技术现状与发展趋势

    龚健雅张策石书祝
    1053-1069页
    查看更多>>摘要：全球导航卫星系统(global navigation satellite system,GNSS)除了用于导航定位服务之外,因其信号覆盖率高及卫星可见性强等优势,亦可作为被动雷达的机会辐射源完成地表环境和运动目标的遥感探测.但是,其较低的到达地面功率和较窄的信号带宽也给该类系统的应用带来诸多挑战.回顾了 GNSS被动雷达遥感系统近30年的发展历程,聚焦运动目标遥感检测技术.通过分析后向散射和前向散射两种GNSS外辐射源探测体制下的动目标检测流程,梳理了相关技术的重点和难点,介绍了国内外在相关问题上取得的研究进展和潜在发展趋势,以期为相关研究提供参考.

    全球卫星导航系统被动雷达遥感系统动目标检测动目标参数估计

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    用于组织病理图像分类的端到端注意力池化方法

    刘娟左志群陈玉琦肖笛...
    1070-1078页
    查看更多>>摘要：近年来,有很多基于深度学习的分类模型被提出.由于组织病理图像的尺寸极大,现有方法一般先将其切割为很多等尺寸的小图像块(切块),再构建分类模型.分类模型首先提取各切块的特征,然后采用池化等方法将各切块特征融合为整个病理组织图像的特征表示,并对图像进行分类.其中切块特征的提取与后续的特征融合与分类过程互相独立,导致模型无法根据后续的分类结果反馈自适应学习切块特征,因此无法确保得到最有利于图像分类的特征.为解决上述问题,提出了一种基于切块打分模型的端到端注意力池化的病理图像分类方法.首先,基于多示例学习方法构造一个切块打分模型对每个切块进行打分,根据得分选择部分切块;然后,再采用注意力池化机制融合被选的部分切块的特征构建分类模型.同时,根据病理图像特点,提出在注意力池化机制中采用自定义的平方平均函数进行权重归一化,使阳性病理图像中得分高的切块获得更多关注,让分类结果具有更好的可解释性.在公开的CAMELYON16和BACH数据集上分类的F1分数分别达到了 0.644和0.593,结果表明,深度学习模型中采用所提出的端到端注意力池化方法比采用其他池化方法可达到更优的分类性能,这证明了所提方法在病理图像分类应用中的有效性.

    组织病理图像分类注意力池化端到端模型切块打分归一化函数

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    利用惯性传感器与多模态网络解析跑步参数

    向勉易本顺周丙涛谭建军...
    1079-1087页
    查看更多>>摘要：实时检测跑步时的速度与步幅在避免运动者受伤、提升运动效率上有着重要意义.提出了 一种利用惯性测量单元(inertial measurement unit,IMU)来检测这两个指标的方法.首先,招募了 10名志愿者,并将3个IMU模块安置在足部、小腿、大腿处,采集了 5 137个步态周期的数据;然后,利用主成分分析法分析数据,结合皮尔逊相关系数探讨了速度步幅与传感器位置、物理参数之间的关系;提出了一种多模态架构的长短期记忆特征提取网络(multi-modal-attention-long short-term memory,M-Att-LSTM),利用两个引入注意力机制的长短期记忆网络(att-long short-term memory,Att-LSTM)对加速度和角度变化分别做特征提取,最后进行回归拟合.实验结果表明,M-Att-LSTM在速度上误差为0.058 m/s,标准偏差为0.013 m/s,而在步幅上误差为0.023 m,标准偏差为0.022 m,两项指标都优于单纯的Att-LSTM.

    惯性传感器主成分分析皮尔逊系数长短期记忆网络多模态

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    室内圆柱引导的激光雷达全局定位与回环检测

    史鹏程李加元刘欣怡张永军...
    1088-1099页
    查看更多>>摘要：针对移动机器人在大范围室内环境的定位难题,提出了一种基于圆柱特征的全局定位方法.首先,设计一种参数化地图,采用随机采样一致性算法和几何模型分割出地图中的圆柱点云,利用栅格地图描述环境中稳定人工构筑物的分布.其次,采用轻量级二进制文件记录圆柱和地物分布.然后,基于圆柱独特的几何特性(离群性、对称性和显著性),提出一种实时LiDAR点云圆柱分割方法.最后,设计两种位姿求解策略:第一种是启发式搜索,在地图与实时数据中搜索出最佳匹配圆柱,进而分别解算平移量和旋转量;第二种是优化求解,利用圆柱之间的拓扑关系构建约束条件并计算最优位姿.为验证所提方法的可行性,采用16线激光雷达在大厅、走廊及混合场景3种典型室内环境进行全局定位和回环检测实验.实验结果表明,该方法可有效实现典型空旷室内环境中机器人的全局定位,可达到90％的定位成功率以及0.073 m定位误差,部分数据可达到毫米级定位精度,最快速度在100 ms内,位置识别性能达到主流方法水平.该方法基本满足实际应用中自动驾驶对全局定位的精度和效率要求.

    自动驾驶全局定位回环检测圆柱分割参数化地图激光雷达

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    采用注意力机制和奖励塑造的深度强化学习视觉目标导航方法

    孟怡悦郭迟刘经南
    1100-1108,1119页
    查看更多>>摘要：视觉目标导航作为视觉导航的重要任务之一,要求智能体在给定导航目标的前提下,仅仅依靠视觉图像信息探索环境并导航到目标跟前,并提出任务结束动作.现有视觉目标导航方法基于端到端的深度强化学习框架来解决视觉目标导航问题,仍存在导航成功率和效率不高的不足.为了进一步提升视觉目标导航方法下智能体的导航性能,提出了一种基于注意力机制和奖励塑造的深度强化学习视觉目标导航方法.针对强化学习中状态构建不佳和奖励稀疏问题,利用缩放点积注意力机制引入当前时间步和上一时间步的状态之间的关系,用于构建更佳的当前时间步的状态,利用奖励塑造自动化设置奖励空间,解决奖励稀疏问题.在AI2-THOR数据集上进行实验,并使用成功率和路径长度加权成功率评估方法性能.实验结果显示,相较于以往的方法,所提出的方法在成功率上提高了 7％,在路径长度加权成功率上提高了 20％.该方法使用注意力机制和奖励塑造构建了更好的状态和奖励空间,能够进一步提升智能体的导航成功率和效率.

    视觉导航视觉目标导航深度强化学习注意力机制奖励塑造

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    利用深度时空自编码网络与多示例学习进行船只异常事件检测

    潘文康邵振峰廖明李先怡...
    1109-1119页
    查看更多>>摘要：异常事件检测是交通安全防控的重要支撑技术,也一直是信息科学领域的研究热点.提出了利用深度时空自编码网络与多示例学习进行船只异常事件检测的方法,针对目前无法为模型训练提供精确帧级别标注的问题,引入多示例学习模型,将视频作为包,并将视频片段作为包中的示例,通过网络自动学习一个深度异常排序模型,该模型能预测异常视频片段的分数.同时,在特征提取方面,提出了深度时空自编码网络,在空间自编码器中,为了获取更精确的红绿蓝特征,将解码器中的上采样层替换为像素重组层.在时间自编码器中,为了突出运动变化较大的区域,引入基于方差的注意力机制,使快速移动的物体有更大的运动损失,有利于检测出异常事件.还构建了一个新的大规模的船只视频数据集,包括100个真实场景的监控视频以及5类真实的异常事件,分别为海面逗留、非港口靠岸、非港口离岸、超速和越界.该数据集可用于模型的训练与测试.实验结果表明,相比传统的双流网络以及基于图像重构的检测方法,所提出的基于深度时空自编码网络与多示例学习的方法的异常事件检测精度由71.7％提升为82.4％,表明了其在船只异常事件检测上的有效性.

    船只异常事件检测深度时空自编码网络多示例学习船只视频数据集

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合注意力与序列单元的文本超分辨率

    韦豪东易尧华余长慧林立宇...
    1120-1129页
    查看更多>>摘要：街景影像中的文本信息是感知与理解场景的关键线索,低分辨率街景影像文本区域细节缺乏导致文本识别准确率降低.文本超分辨率通过增强文本区域边缘及纹理细节提高文本识别准确率,提出了融合注意力与序列单元的街景影像文本超分辨率方法.首先,采用混合残差注意力结构提取影像文本区域空间信息、通道信息并融合特征,序列单元通过双向门控循环结构提取影像中文本间的序列先验信息;然后利用梯度先验知识作为约束条件,重构街景影像文本区域.采用TextZoom真实场景影像及合成文本影像进行对比分析,实验结果表明,超分辨率重构的街景影像文本区域边缘清晰、纹理细节丰富,可以提高街景影像文本识别准确率.

    街景影像超分辨率注意力机制序列信息梯度先验损失

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种移动机器人激光模型全局路径规划方法

    陈警罗斌张婧李佗...
    1130-1139页
    查看更多>>摘要：为了使移动机器人在全局路径规划中更好地适应地图环境,提出了一种改进A*算法和射线模型的激光模型全局路径规划方法.该方法借鉴了平面激光雷达实时扫描原理,由路径节点向目标点散发多条虚拟激光射线来感知障碍物边界,从而快速越过障碍物并到达目标点,同时结合Floyd优化算法,在较短时间内得出一条安全可靠稳定的全局路径.在实验凹形环境中,激光模型搜索时间快于A*算法和射线模型99％,搜索过程减少96％;在实验不可行区域中,激光模型快于前两种算法99％以上,搜索过程减少97％;同时与双蚁群交叉凹形环境算法对比,表现也相对较优.实验结果表明,所提方法对解决凹形陷阱及不可行区域耗时问题比较有效.

    激光模型射线模型全局路径规划凹形陷阱Floyd优化

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    利用GPS数据反演震源参数的单纯形组合加权距离灰狼优化算法

    王乐洋孙龙翔许光煜
    1140-1154页
    查看更多>>摘要：针对地震震源参数反演优化问题,提出了一种改进的灰狼优化(grey wolf optimizer,GWO)算法来反演震源参数.首先,采用基于余弦规律的非线性递减收敛因子策略的加权距离GWO(weighted distance GWO,wdGWO)算法来代替原来的线性递减算法.随后,配置了改进wdGWO算法和单纯形算法的组合方法,引入后者算法是为了稳定前者算法的性能.因此,组合算法(简称GWOS)在收敛性和稳定性方面都具有良好的优势.最后,通过实验测试来评估基本的wdGWO算法、遗传算法(genetic algorithm,GA)和GWOS的性能.仿真实验结果表明,GWOS对震源参数的估计优于wdGW O算法,具有良好的稳定性和准确性;GWOS既可以达到GA的反演精度,又表现出了更好的参数稳定性.将该算法应用于2014年纳帕地震和2017年博德鲁姆-科斯地震,不同类型地震的反演结果表明GWOS具有良好的实用性和可靠性.

    震源参数反演灰狼优化算法单纯形算法组合算法纳帕地震博德鲁姆-科斯地震

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    圆走航模式下海底控制点对称差分定位模型及分析

    马越原曾安敏许扬胤
    1155-1165页
    查看更多>>摘要：削弱声学定位过程中系统误差对海底控制点位坐标精度的影响是建设高精度海底控制网过程中亟待解决的关键问题.首先,分析了非差和历元间差分两种定位模型;其次,由于声速在海水中的变化受长周期误差和短周期误差的影响,声速变化引起的系统误差同样可认为具有周期性变化的特征,因此,构建了对称差分定位函数模型.模拟仿真和实测数据分析结果表明,当观测时长为系统误差变化周期的偶数倍时,对称差分定位模型可以有效削弱系统误差对定位结果的影响,但是当观测时长不足系统误差变化周期的偶数倍时,该模型将不再适用.

    声学定位海底控制点系统误差圆走航对称差分定位模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据