改进联合双边上采样滤波的Kinect深度图像增强算法研究

Kinect深度摄像机可以实时获取到稠密深度图像,但该RGB-D相机获取的初始三维点云数据量庞大,其深度图像饱受无效像素、噪声和边缘不匹配等因素影响,直接对其进行操作会降低后续摄像机追踪以及配准的精度。因此,提出了一种有效提高Kinect深度图像质量的基于快速联合双边上采样滤波的深度图像增强算法。利用其对应的彩色图像,采用区域生长方法检测并去除深度值错误的像素;为了准确估计无效像素的值,采用联合双边滤波器对孔洞进行填充;利用传统高斯核函数的分离特性,并通过将其更换为快速高斯变换函数实现计算的复杂度的降低,并且有效地降低了深度图像的噪声。实验结果表明,提出的方法通过成功地填充孔洞,消除了不匹配的边缘,降低了噪声,显著提高了深度图像的质量,并且降低了运行时间。     

建筑钢结构行业的发展趋势及发展的战略目标

本文以我国建筑钢结构行业为研究对象，分析了建筑钢结构行业的市场特征及发展环境。在此基础上阐述建筑钢结构行业发展的战略目标，最后建设性提出发展战略和保证发展战略实施措施。     

基于GAN和CNN-ELM的监控图像智能修复及检测方法

针对目前石化危险品装车过程中海量监控视频图像人为处理效率低下、模糊图像识别率低等问题,提出一种基于生成式对抗网络(GAN)和卷积神经网络(CNN)与极限学习机(ELM)相结合的监控模糊图像智能修复及检测方法.首先,使用深度学习网络作为 目标检测框架,利用GAN网络中生成器与判别器间的零和博弈对模糊图像进行复原,得到清晰完整的作业图像;其次,利用CNN自适应学习图像特征的能力,对修复后的图像进行自主特征提取;最后,将提取的图像特征输入ELM分类器中进行目标识别与分类,判断作业过程是否存在违规行为.试验结果表明:所提方法图像修复速度快,视觉效果自然,且目标识别准确率高,具有很好的泛化能力.     

机会网络

大量具备短距离通信能力的智能设备的出现推动了无线自组网应用的迅速发展.但在许多实际应用环境中,节点移动、网络稀疏或信号衰减等各种原因通常导致形成的网络大部分时间不连通.传统的移动自组织网络传输模式要求通信源和目标节点之间存在至少一条完整的路径,因而无法在这类环境中运行.机会网络利用节点移动形成的通信机会逐跳传输消息,以"存储-携带-转发"的路由模式实现节点间通信,这种完全不同于传统网络通信模式的新兴组网方式引起了研究界极大的兴趣.首先介绍机会网络的概念和理论基础,并给出了当前机会网络的一些典型应用,然后详细阐述了机会网络研究的热点问题,包括机会转发机制、移动模型和基于机会通信的数据分发和检索等,并简要叙述了机会网络的通信中间件、协作和安全机制以及机会网络新的应用等其他研究问题,最后进行总结并展望了机会网络未来一段时间内的研究重点.     

PQBCF：一种基于中间中心度的机会网络P2P查询算法

社会机会网络由人携带的带有短距离通信接口的移动设备利用人的移动形成,其数据采用“存储-携带-转发”的模式进行传输,本文针对这类网络,提出了一种基于中间中心度的P2P查询算法（P2P Query based on Between-ness Centrality Forwarding ,PQBCF）。节点的中间中心度描述了节点在信息传输转发过程中的参与度和重要度,PQBCF算法通过选择具有较大中间中心度的节点来实现信息的高效转发。仿真实验表明,与目前该研究领域的SF （Spray and Fo-cus ）等主流算法相比,PQBCF算法能够有效提高查询成功率,并降低查询延时。     

转炉回收煤气分析系统的优化与改进

介绍了转炉回收煤气分析系统的工作原理,剖析了系统存在的问题,提出了优化改进措施,经过对转炉煤气分析系统进行优化改进后,减少了回收系统设备故障率,提高了煤气回收水平。     

基于信息融合的计算机网络信息发现

引入信息融合技术,利用多个探测工具收集网络信息,并将来自不同类型网络探测工具的信息在不同的层次上进行融合。在数据层融合中,使用模糊逻辑的统计方法识别系统类别、区分网络设备;在决策层融合中,通过系统知识库的支持,获得最可信的网络信息。     

转炉炉内“喷爆”原因分析及预防对策

结合事故统计分析将转炉炉内"喷爆"事故分为材料引起"喷爆"、操作引起"喷爆"、设备引起"喷爆"、工艺引起"喷爆"、综合因素引起"喷爆"等五类,剖析了"喷爆"产生机理,并就"喷爆"事故预防原则与控制重点进行了探讨。     

基于生成对抗门控卷积网络的文档图像印章消除

发票和文档上的印章严重影响文字识别的准确率，因此印章消除技术在文档识别和文档增强的预处理过程中发挥着重要作用。然而，现有的阈值分割方法和基于深度学习的方法存在印章消除不全以及会修改背景像素等问题。文中提出了一个两阶段式印章消除网络SealErase。第一阶段是一个用于生成包含印章位置信息的二值化掩膜的U型分割网络，第二阶段是一个用于进行精细化印章消除的修复网络。由于目前缺乏公开的用于印章消除的成对数据集，现有的方法无法设计像素级的评价指标来衡量生成图像的质量。并且，利用配对的训练集训练神经网络可以有效提高网络的性能。为此，文中兼顾真实场景的泛化性以及对噪声的鲁棒性构建了一个包含8 000个样本的高仿真的印章消除数据集。其中的印章分为两种：真实文档图像中的印章和合成的印章。为了客观地评价SealErase的性能，文中设计了基于图像生成质量和被印章遮盖的字符识别准确率的综合评价指标用于评估SealErase网络的消除性能。在构建的印章消除数据集上对比了现有的印章消除模型，实验结果表明，SealErase网络在图像生成质量的评价指标中的峰值信噪比相比最先进的方法提升了26.79%,平均结构相...