原对偶积极集法求解改进的有界约束图像恢复问题

为了提高模糊加噪声图像的恢复质量,提出了一种用于图像恢复处理的改进的带约束的正则化模型。该模型首先利用Levine等人提出的变指数、线性增长函数作为正则项,并根据图像局部特征选择合适的正则参数,这样既保留了总变差正则化方法在恢复图像边缘方面的优势,又减少了梯子现象;其次,为进一步提高恢复图像的质量,在此基础上再添加有界约束条件,如将灰度值固定在某范围内,以形成约束优化问题。由于它的求解相对复杂,为此可应用原对偶积极集法求解,其实质就是用半光滑Newton法来求解由约束优化问题转化所得到的方程组。数值实验表明,此方法是可行的和有效的。     

Tokamak等离子体图像诊断系统的研制

针对Tokamak等离子体放电实验中需要对等离子体进行直观诊断的需求,根据实验的特点,研制了等离子体图像诊断系统,该系统以Matrox公司的Meteor Ⅱ/Digital采集卡和UNIQ VISION公司的UC610相机等为硬件核心,采用了Visual C++多线程技术进行实时图像采集,采用了Bayer变换和Gamma校正等数字图像处理技术将采集到的Bayer格式的灰度数字图像转换为彩色数字图像;该图像诊断系统实现了Tokamak放电实验中等离子体图像实时采集、处理和诊断等功能,充分满足了等离子体放电实验诊断的要求。     

CPK数字签名和密钥交换协议

CPK密码体制提供多种数字签名协议和密钥交换协议,可以根据不同情况选用。 1密钥描述 1.1密钥的定义 用于数字签名和密钥交换的密钥如表1所示。     

企业亟待解决的15个信息安全问题

互联网和IT技术的普及,使得应用信息突破了时间和空间上的障碍,信息的价值在不断提高。但与此同时,网页篡改、计算机病毒、系统非法入侵、数据泄密、网站欺骗、服务瘫痪、漏洞非法利用等信息安全事件时有发生。     

东北黑土活性有机碳、氮分布研究

通过对东北黑土区不同地点、不同层次的土壤样品的分析,探索活性有机碳(轻组有机C,N、颗粒有机C,N和易氧化有机C,N)在东北地区的分布情况.结果表明,随着纬度的增加,土壤活性有机C、N含量增加;随着深度的增加,土壤活性有机C、N含量减少.说明纬度低的地区,活性有机碳库转化较快,库容较小,而耕作措施相近的情况下,植物残体和根残体在有机C积累方面应予以重视.     

μc/OS-II在51单片机上的移植

研究嵌入式实时操作系统μC/OS-II在51微控制器上的移植,提出μc/OS-II任务的编写规范以及注意事项。对μc/OS-II的移植具有普遍的指导意义,并为51平台的更高层次的开发和拓展打下了基础。     

一种快速低开销的移动节点分布式寻路RPL路由协议

针对低功耗有损网络(Low Power and Lossy Network, LLN)中移动节点作为中继节点时,存在无线链路易断开、数据传输成功率较低和控制开销较高的问题,提出了一种快速低开销的移动节点分布式寻路RPL路由协议(Mobile Node Distributed Pathfinding RPL Routing Protocol, MNA-RPL)。首先,提出一种邻居表自适应更新机制,依据邻居表快速切换父节点;其次,提出一种父子节点双断开机制,能够有效减少数据包丢失;最后,提出一种基于速度动态管理的Trickle计时器,根据自身速度动态调整DIO广播周期。理论分析和仿真结果表明,与主流路由协议相比,该协议在数据传输和控制开销等方面的性能均有一定的提升。     

基于车载激光点云的铁路轨道检测

铁路轨道的局部变形直接影响火车的高速安全行驶。为实现铁路轨道的自动化巡查,提出一种从车载激光点云中提取轨面与枕木的方法。首先,利用基于高程约束的欧氏聚类对原始点云数据进行预处理,得到路基区域;然后,对路基区域进行网格划分,并对每个网格内的点云进行高程判断,从而提取出轨面点云;最后,利用枕木与砟石的几何形态差异,设计出一种面向轨道点云的动态阈值分割方法,以提取枕木点云。对多个路段的铁路轨道进行实验,结果表明,本文方法仅利用点云坐标信息就能实现不同区域的轨面与枕木的自动检测,平均提取质量分别达到97.8%和93.6%,验证了本文方法的可行性与有效性。     

基于自组织增量-图卷积神经网络的金相图半监督学习

采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集.针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法.首先,采用迁移学习获取图像数据样本的特征向量集合;其次,通过引入连接权重策略的自组织增量神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数进行少量人工节点标注;然后,搭建图卷积网络(GCN)挖掘图中节点的潜在联系,利用Dropout手段提高网络的泛化能力,对剩余节点进行自动标注进而获得所有金相图的分类结果.针对从某国家重点实验室收集到的金相图数据,比较了在不同人工标注比例下的自动分类精度,结果表明:在图片标注量仅为传统模型12％时,新模型的分类准确度可达到91％.     

基于Sinkhorn距离特征缩放的多约束非负矩阵分解算法

为了减少原始特征对非负矩阵分解(NMF)算法的共适应性干扰,并提高NMF的子空间学习能力与聚类性能,该文提出一种基于Sinkhorn距离特征缩放的多约束半监督非负矩阵分解算法。首先该算法通过Sinkhorn距离对原始输入矩阵进行特征缩放,提高空间内同类数据特征之间的关联性,然后结合样本标签信息的双图流形结构与范数稀疏约束作为双正则项,使分解后的基矩阵具有稀疏特性和较强的空间表达能力,最后,通过KKT条件对所提算法目标函数的进行优化推导,得到有效的乘法更新规则。通过在多个图像数据集以及平移噪声数据上的聚类实验结果对比分析,该文所提算法具有较强的子空间学习能力,且对平移噪声有更强的鲁棒性。