Super-Resolution Reconstruction of Images Based on Microarray Camera

In the field of images and imaging, super-resolution (SR) reconstruction of images is a technique that converts one or more low-resolution (LR) images into a highresolution (HR) image. The classical two types of SR methods are mainly based on applying a single image or multiple images captured by a single camera. Microarray camera has the characteristics of small size, multi views, and the possibility of applying to portable devices. It has become a research hotspot in image processing. In this paper, we propose a SR reconstruction of images based on a microarray camera for sharpening and registration processing of array images. The array images are interpolated to obtain a HR image initially followed by a convolution neural network (CNN) procedure for enhancement. The convolution layers of our convolution neural network are 3×3 or 1×1 layers, of which the 1×1 layers are used to improve the network performance particularly. A bottleneck structure is applied to reduce the parameter numbers of the nonlinear mapping and to improve the nonlinear capability of the whole network. Finally, we use a 3×3 deconvolution layer to significantly reduce the number of parameters compared to the deconvolution layer of FSRCNN-s. The experiments show that the proposed method can not only ameliorate effectively the texture quality of the target image based on the array images information, but also further enhance the quality of the initial high resolution image by the improved CNN.     

智能跟踪算法在采砂监管中的应用研究

受利益的驱动,长江流域非法采砂行为屡禁不止,给采砂有效监管造成很大的困扰。采砂监管水平的提高需要高效准确的跟踪识别技术作支撑。提出了一种基于相关滤波器的可变跟踪框智能算法。该算法可以准确快速地跟踪江河湖面上的非法采砂船,计算量少,鲁棒性高,对硬件的要求并不严苛,可以自由应用于从低性能到高性能的各种设备。基于该算法开发了非法采砂船追踪器,再配合百度深度学习平台Easy DL后,可构成一套采砂船监控系统,能够实现对长江水域非法采砂船24 h的有效监控,从而大大提高监控非法采砂行为的效率。     

面向多源数据融合的稀疏表示目标跟踪

传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感，这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性，但如何有效融合不同维度，不同类型的多源目标特征成为基于多源数据融合的目标跟踪所要解决的关键问题。提出了一个基于目标状态以及灰度特征的稀疏表示目标跟踪方法。所提出的方法可通过基于核函数表示的稀疏表示模型，在探究目标状态以及灰度特征相关性的基础上，将两种不同维度的特征进行有效融合，提升目标跟踪在复杂场景下的鲁棒性。     

车辆自组织网络中新型NP-CSMA随机多址协议研究分析

智能交通的出现使得车辆自组织网络受到越来越多的关注。车辆自组织网络的动态拓扑结构变化非常剧烈,这对网络的吞吐率、传输速率等性能提出了很高的要求。提出1种具有握手机制协议的自适应多通道双时钟NP-CSMA随机多址接入协议。该协议首先区分2种P-CSMA协议,握手机制成功解决了隐藏的终端问题,双时钟机制减少了平均空闲时间,多通道机制增加通道数量和划分用户优先级的同时提高了系统吞吐率,自适应机制能够使系统在高负载下保持稳定吞吐率。还对该协议的传输速率进行了分析,得出该协议的传输速率相对较高的结论。通过平均周期方法推导吞吐率和传输速率的计算公式,仿真结果与理论推导一致。     

一种新型低压灌注法在既有混凝土结构中的应用研究

为解决既有混凝土结构中钢筋锈蚀问题,研发了一种新型钢筋阻锈剂低压灌注法,并与传统涂抹法相比较,研究其渗透性能及阻锈效果.结果表明:低压灌注法比涂抹法具有更为良好的渗透性能,钢筋表面能快速达到临界阻锈摩尔浓度,且有效避免了采用涂抹法时暴露于空气中的亚硝酸盐对人、环境的影响,但灌注间距、灌注量、灌注压力等因素会影响阻锈剂阻锈效果.     

1-甲基环丙烯结合不同保鲜袋对叶用甘薯茎尖冷藏保鲜效果的影响

目的探究1-甲基环丙烯(1-methylcyclopropylene,1-MCP)结合不同保鲜袋对叶用甘薯茎尖贮藏品质的影响,筛选最适的保鲜方式。方法以叶用甘薯茎尖为材料,经0.91μL/L1-MCP处理24h后结合聚乙烯(PE)或微孔膜(WK)保鲜袋包装,在5℃下进行贮藏,分别于0、3、6、9、12 d时对其失重率、色差、黄化率、呼吸强度、乙烯释放量、多酚氧化酶活性等指标进行测定。结果贮藏12 d后, 1-MCP+PE, 1-MCP+WK处理组的失重率分别为3.43%,2.72%,显著低于未经1-MCP处理组(P0.05),说明1-MCP处理能够有效抑制叶用甘薯茎尖失水; 1-MCP+WK处理下的L值为33.9,高于其余3种处理,表明该处理能够更好的保持叶用甘薯茎尖的亮度和新鲜感。此外,1-MCP结合保鲜袋处理能够减弱呼吸作用,降低乙烯释放量及多酚氧化酶活性。结论1-MCP处理并结合PE膜或者微孔膜包装对叶用甘薯茎尖具有良好的保鲜效果,可以有效延长其贮藏期。     

基于深度学习的彩色以及近红外图像去马赛克

单传感器捕获的彩色-近红外（RGB-NIR）图像存在光谱干扰，从而导致重建出的标准彩色图像（RGB）图像与近红外（NIR）图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法，通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题，使得网络更容易训练，并且提升了网络的拟合能力。首先，用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征；然后，将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征；其次，为充分利用低级特征与高级特征，将多个残差稠密块提取到的特征进行组合；最后，通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组（IVRG）数据集、有植被的户外多光谱图像（OMSIV）数据集和森林（Forest）三个公开数据集进行实验。实验结果表明，所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。     

基于k-shell的复杂网络最短路径近似算法

复杂网络最短路径经典算法的处理效率较低，不适用于大规模复杂网络，而现有近似算法通用性有限，且计算准确率不理想，不能满足规模日益扩大的复杂网络中的最短路径计算需求。针对于此，提出基于[k]-shell的复杂网络最短路径近似算法。算法利用节点的[k]-shell值进行网络划分并引导搜索路径，利用超点聚合处理[k]-shell子网来降低路径搜索中节点和连边的规模，通过在路径搜索过程使用双向搜索树方法提高算法的计算效率和准确率。实验结果表明，算法通用性较好，在现实与仿真大规模复杂网络中均具有较高的计算效率和准确率。     

氨基磺酸盐型水性醋酸纤维乳液的制备与性能

采用乙二胺基乙磺酸钠(AAS)作为亲水剂,在二月桂酸二丁基锡(DBTDL)的催化下,通过异佛尔酮二异氰酸酯(IPDI)将亲水基引入二醋酸纤维(CA)分子中,制得了一种氨基磺酸盐型水性醋酸纤维乳液(SWCA)。利用FTIR、DLS、黏度计、TEM、SEM、接触角测量仪、XRD、TGA,对SWCA结构及涂膜性能进行表征。考察了IPDI与AAS物质的量比对SWCA乳液粒径、黏度、涂膜表观形貌及耐水性的影响。结果表明:当n(IPDI)∶n(AAS)=1.1∶1时,乳液最稳定,微观形态呈水包油型(O/W)核壳结构,乳液粒径和分散系数(PDI)最小,分别为128nm和0.112,此时乳液表观黏度最大,为73.5m Pa·s,所成涂膜致密平整,接触角可达110.2°±2°,表现出明显的疏水性;此外,与二醋酸纤维相比,SWCA涂膜结晶性减弱,呈微晶态或次晶态结构,且具有较好的耐热性。