改进的卷积神经网络单幅图像超分辨率重建

针对经典的基于卷积神经网络的单幅图像超分辨率重建方法网络较浅、提取的特征少、重建图像模糊等问题，提出了一种改进的卷积神经网络的单幅图像超分辨率重建方法，设计了由密集残差网络和反卷积网络组成的新型深度卷积神经网络结构。原始低分辨率图像输入网络，利用密集残差学习网络获取更丰富的有效特征并加快特征梯度流动，其次通过反卷积层将图像特征上采样到目标图像大小，再利用密集残差学习高维特征，最后融合不同卷积核提取的特征得到最终的重建图像。在Set5和Set14数据集上进行了实验，并和Bicubic、K-SVD、SelfEx、SRCNN等经典重建方法进行了对比，重建出的图像在整体清晰度和边缘锐度方面更好，另外峰值信噪比（PSNR）平均分别提高了2.69?dB、1.68?dB、0.74?dB和0.61?dB。实验结果表明，该方法能够获取更丰富的细节信息，得到更好的视觉效果，达到了图像超分辨率的增强任务。     

医学图像可视化的视觉优化方法

由于受主观意识和经验等因素的影响,医学图像可视化中传递函数的选择和设置会直接影响医学图像可视化效果.为此,提出一种基于视觉优化的医学图像可视化方法.针对三维医学图像绘制,采用基于GPU加速的光线投射体绘制半自动化传递函数,解决了三维图像全局和焦点上下文的优化显示问题;针对二维图像呈现,借助直方图均衡化、图像融合和全变分模型3种图像增强算法,解决了二维医学图像噪声干扰、对比度模糊和边缘丢失等问题.通过与传统方法的实验对比,三维医学图像在绘制时间和绘制效果方面均有改善;引入图像质量评估指标峰值信噪比和平均结构相似性,验证了全变分模型在二维医学图像增强中的有效性.结合视觉优化方法设计开发了医学图像可视化交互系统,包含对医学数据的三维可视化和交互分析功能,有效地拓展算法的应用性.     

软土地层小净距重叠隧道施工技术研究

依托工程实例,对重叠隧道施工技术进行了分析,通过分析模型和实际施工中面临的风险,推荐了"先下后上"的施工顺序,并给出了施工中需采取的措施与建议。通过采取一系列措施,该区间顺利完工,其经验可供类似工程借鉴。     

不同发射率下红外热图像的非稳态温度场测量研究

通过分析红外测温公式,研究物体发射率对红外热图像测温精度的影响,并找出影响物体发射率的因素。根据经典计算方法,发现了物体发射率在红外热图像测温应用中的局限。从红外热图像的角度对发射率的计算进行了建模,基于修正物体发射率得到提高红外热图像对非稳态温度场测量精度的模型。对铸铁、不锈钢进行了3组测温实验,红外热图像直接测量的最大误差分别为2.1℃、1.7℃、2.3℃,而所提出的方法测量的最大误差分别为1.0℃、0.7℃、1.6℃。通过对比分析3组测量结果数据验证了测量方法的可行性。     

新型稀磁半导体Mn掺杂LiMgAs的光电性质

基于密度泛函理论第一性质原理平面波超软赝势法,对理想新型稀磁半导体Li_(1±y)(Mg_(1-x)Mn_x)As (x=0,0.125;y=0,0.125)进行几何结构优化,计算并分析了体系的电子结构、磁性和光学性质。结果表明,掺杂体系的磁性和电性可以分别通过Mn的掺入和Li计量数的调控来改变,掺Mn后形成Mn—As极性共价键,且引入与Mn有关的自旋极化杂质带,体系为半导体磁性材料。Li不足时,p-d杂化使体系变为半金属性,表现为100%的自旋注入,Mn—As键的重叠电荷布局最大,键长最短。而Li过量时,sp-d杂化则使体系变为金属性,居里温度最高,形成能最低,导电能力最强。对比光学性质发现,Li不足和过量时,介电函数和光吸收谱在低能区出现新峰,增强了体系对低频电磁波的吸收。掺杂体系的能量损失峰均向高能方向偏移,呈现明显的蓝移特征,且峰值急剧减小,表明其等离子共振频率显著降低,而Li过量的等离子振荡范围最宽。     

基于BLMD和NSDFB算法的红外与可见光图像融合方法

针对传统图像融合方法容易导致融合图像出现细节不明显和目标信息不完整的问题,本文提出一种基于二维局部均值分解(Bidimensional Local Mean Decomposition,BLMD)和非下采样方向滤波器组(Nonsubsampled Directional Filter Banks,NSDFB)算法的红外与可见光图像融合方法(基于方向滤波的二维局部均值分解法,BidimensionalLocalMeanDecompositionbasedDirectionalFilteringAnalysis,BLMDDFA)。首先,计算两幅原始图片的熵值,同时提取熵值较大的图片的残余分量,该残余分量与另一张原始图片有着较强的相关性。然后,通过BLMD和NSDFB算法将残余分量和熵值较小的原始图片分解成低频子带和一系列不同尺度的高频方向子带,并使用不同的融合规则分别对低频子带和高频子带进行融合。最后,通过相应的逆变换运算获得融合图像。实验结果表明,本文方法的融合性能在对比度、细节信息展示和目标突出方面均高于经典的融合算法,在信息熵、标准差、空间频率和平均梯度方面较Laplacian方法中各指标分别提高了5.6%、28.9%、37.4%和47.6%,信噪比较Laplacian方法降低了8.5%。     

基于主成分分析法和极限学习机的尿沉渣图像识别算法研究

针对尿沉渣中的有形成分进行检测和分析,提出结合主成分分析(PCA)和极限学习机(ELM)的识别和统计方法。该方法通过PCA对样本进行特征提取和降维后输入到ELM进行训练,根据训练得出的模型与未经PCA处理的样本训练的模型进行检测效果对比。实验结果表明,使用PCA处理后的样本训练得出的模型具有更高的识别准确度和稳定性,同时训练时间大幅减少。     

LTE-A系统中主同步信号重叠分段检测算法

针对LTE-A系统中频域快速相关算法计算复杂度高、检测性能不稳定的问题,提出一种主同步信号重叠分段检测算法。通过序列循环操作延长半帧数据尾部,以保证序列的完整性。在此基础上,利用重叠分段操作降低相关复杂度,并根据门限值操作结果判断同步序列是否检测成功。仿真结果表明,该算法的计算复杂度相比频域快速相关算法减少53.85%,且对于不同的分段数,当信噪比为-7 dB时,正确检测率接近1.0,检测性能稳定。