溶解气驱动条件下产油层形变对开发指标的影响

分析了溶解气驱的低产油田,当压力低于渗透压时产层储油性质的变化对开发指标的影响,并根据岩石的不同压缩性计算了开发指标.     

泰莱盆地地下水蓄水构造特征及勘查定井研究

针对基岩山区勘查定井问题,以旱区找水定井为目标,在地形地貌、地质和水文地质等实测资料的基础上,对泰安市地下水蓄水构造进行了分类,并阐述其特征。针对不同蓄水构造类型,基于构成地下水蓄水构造"三个基本要素"原理,并结合水文地质钻孔、高密度电阻率法、可控源音频大地电磁测深法等方法,对典型蓄水构造区构造特征及勘查定井进行了研究。结果表明:山东泰安市蓄水构造可分为水平岩层蓄水构造、断裂蓄水构造和基岩风化壳蓄水构造3种类型;水平岩层蓄水构造的含水层为古河道沉积砂层,隔水层为下伏古近系的泥岩和页岩,该区定井井位应布设在砂层上,井深宜在200 m左右,且应揭露砂层;断裂蓄水构造的含水层为奥陶系和寒武系白云岩和灰岩,隔水层为下伏的基岩岩层,导水通道为张性断裂带,在该区定井主要寻找奥陶系和寒武系地层,并尽量在断裂处或断裂交汇处定井;基岩风化壳蓄水构造的含水层为基岩风化壳,隔水层为下伏的基岩岩层,导水通道主要为张性断裂带,在该区定井主要是寻找基岩风化壳地层。     

一种车辆云计算中共享失效检测器

为更好地解决车辆云计算中车辆的高度动态性对失效检测性能的影响,提出了一种适用于车辆云计算环境的基于检测结果共享机制的失效检测器.首先,对车辆云计算的系统架构进行了分析,发现车辆云计算系统具有明显的层次结构,而且可以利用路侧单元对车辆节点进行分组.在此基础之上,引进检测结果共享机制,提出针对车辆云计算环境的共享失效检测器VC-FD.然后,构建了可以对所提出的失效检测器进行定量分析的共享失效检测模型,该模型主要针对检测时间、平均错误发生概率以及检测负载三个失效检测服务质量指标进行评价.最后,在仿真环境下比较和分析了所提出的共享失效检测器与非共享失效检测器的性能.实验结果表明,该失效检测器在保证检测准确性的前提下,通过增加有限的检测负载能够明显地改善系统中节点失效检测时间.因此,提出的基于检测结果共享机制的失效检测器VC-FD能够准确、快速的发现车辆云计算中的节点失效,有效地降低车辆高度动态性对失效检测性能的影响.     

图像指代分割研究综述

图像指代分割作为计算机视觉与自然语言处理交叉领域的热点问题,其目的是根据自然语言描述在图像中分割出相应的目标区域。随着相关深度学习技术的成熟和大规模数据集的出现,这项任务引起了研究者的广泛关注。本文对图像指代分割算法的发展进行了梳理和分析。首先根据多模态信息的编码解码方式,将现有图像指代分割算法分成基于多模态信息融合和基于多尺度信息融合两类进行了系统阐述,重点介绍了基于CNN-LSTM框架的方法、结构复杂的模块化方法和基于图的方法;然后,对用于图像指代分割任务的典型数据集和主流评价指标进行了总结与统计;之后,通过实验综合比较了现有的图像指代分割模型之间的性能差异并进一步验证了各种模型的优缺点。最后,对这一领域现有方法中存在的问题进行讨论分析,并对未来的发展方向进行了展望,表明了针对复杂的指代描述,需要通过多步、显式的推理步骤来解决图像指代分割问题。      

面向压缩图像复原的网络增强训练方法

高质量的数据是深度卷积神经网络成功的关键因素之一。在计算机视觉领域,常用图像数据集通常以JPEG格式存储。这种有损压缩技术不可避免地会导致原始数据信息的丢失,进而造成利用压缩数据训练的卷积神经网络的性能降低。因此,为了增强卷积神经网络的性能,本文提出了一种面向压缩图像复原的增强训练方法,通过复原压缩图像实现卷积神经网络的性能增强。该方法具体为一个包含复原模块和任务模块的联合增强框架。复原模块致力于恢复有损压缩技术造成的信息丢失;任务模块专注于基于任务需求增强压缩图像。两个模块联合训练,使得压缩图像的复原增强更具有目的性。本文通过图像分类任务的实验表明,与压缩图像相比,该方法能有效地复原压缩图像,增强卷积神经网络的性能。此外,该方法中两个模块间的低耦合性和可替代性保证了该方法的适用性。      

基于形式概念分析和语义关联规则的目标图像标注

基于目标的图像标注一直是图像处理和计算机视觉领域中一个重要的研究问题.图像目标的多尺度性、多形变性使得图像标注十分困难.目标分割和目标识别是目标图像标注任务中两大关键问题.本文提出一种基于形式概念分析(Formal concept analysis, FCA)和语义关联规则的目标图像标注方法, 针对目标建议算法生成图像块中存在的高度重叠问题, 借鉴形式概念分析中概念格的思想, 按照图像块的共性将其归成几个图像簇挖掘图像类别模式, 利用类别概率分布判决和平坦度判决分别去除目标噪声块和背景噪声块, 最终得到目标语义簇; 针对语义目标判别问题, 首先对有效图像簇进行特征融合形成共性特征描述, 通过分类器进行类别判决, 生成初始目标图像标注, 然后利用图像语义标注词挖掘语义关联规则, 进行图像标注的语义补充, 以避免挖掘类别模式时丢失较小的语义目标.实验表明, 本文提出的图像标注算法既能保证语义标注的准确性, 又能保证语义标注的完整性, 具有较好的图像标注性能.     

深度学习驱动的水下图像增强与复原研究进展

水下图像是水下信息的重要载体和呈现方式,对海洋资源的探索、开发、利用具有至关重要的作用。然而,由于客观成像环境和设备的限制,水下图像质量总是差强人意,具有对比度低、细节模糊、颜色偏差等退化现象,严重制约相关领域的发展。因此,如何通过后期算法对退化的水下图像进行增强和复原越来越受到学者们的关注。近些年,随着深度学习技术的快速发展,基于深度学习的水下图像增强与复原技术取得了巨大进展。为了更加全面、立体地对现有方法进行梳理与归纳,紧跟最新研究进展,本文着重对深度学习驱动的水下图像增强与复原的方法和模型进行介绍,详细整理现有的水下图像数据集,分析现有基于深度学习方法的关键问题,并对未来发展方向进行展望。      

基于双通道卷积神经网络的视频目标移除取证算法

针对现有数字视频目标移除取证算法的伪造帧识别准确率低的问题,本文提出了一种基于双通道卷积神经网络的视频目标移除取证算法。该算法利用双通道结构,分别提取视频绝对帧差图像的RGB特征和噪声特征,并利用双线性池化对二者进行特征融合,而后通过分类层输出视频帧的分类结果,从而有效地识别经过篡改的视频帧。其中,RGB通道能够发现绝对帧差图像中不自然的篡改边界和对比度,噪声通道能够发现原始区域和篡改区域之间噪声的不一致性。此外,算法在网络前端增加了预处理层来放大篡改视频帧的伪造痕迹。实验结果显示,所提算法有效地提高了伪造视频帧的识别准确率,且相对于传统的单通道网络结构,双通道特征融合的方式取得了更好的检测性能。      

基于语义标签生成和偏序结构的图像层级分类

智能电子设备和互联网的普及,使得图像数据爆炸性膨胀.为了有效管理复杂图像资源,本文提出了一种基于加权语义邻近集和形式概念偏序结构的图像层级分类方法.首先,根据图像语义相关分数,对不同程度语义设定自适应权系数,从训练图库中构建加权语义邻近集,通过对语义邻近集中图像的词频分布进行判决,自动生成图像的多个语义标签;然后,以每幅图像为对象,以每幅图像自动生成的语义标签为属性,构建形式背景,通过偏序结构算法对复杂图像集进行有效的层级分类.本文方法可以得到图像库中图像之间明确的结构关系和图像类别之间的从属关系,为复杂图像大数据进行层级分类管理提供了有效的思路.本文对Corel5k、EspGame和Iaprtc12三个数据库进行了图像标注实验,证明了标注的语义完整性和主要语义的准确性;并对Corel5k数据库进行了图像的层级分类实验,结果表明层级分类效果显著.     

计及辅助服务的微电网源荷协同调频优化控制策略

针对含高比例新能源微电网中调频资源缺乏且源荷参与调频意愿较低而导致的系统频率稳定性下降问题,通过辅助服务机制激励风电机组与可控负荷提供调频辅助服务,提出一种计及综合经济效益最优的源荷协同调频优化控制策略。该策略根据双馈异步风电机组调频、可控负荷一次调频、柴油机惯量调频以及一次调频计算提供辅助服务的效益和成本,综合考虑微电网的调频经济效益及调频效果,利用深度信念网络优化双馈异步风电机组的减载率、虚拟惯量、下垂控制及可控负荷的控制参数,实现双馈异步风电机组、可控负荷及柴油机多时间尺度的协同调频。通过搭建高比例新能源微电网模型仿真验证了源荷协同调频优化控制策略的有效性,使源荷提供辅助服务后能获得最优经济效益以及较好的调频效果,可有效挖掘源荷提供调频辅助服务的能力。