基于均值平移的自动人脸检测与跟踪算法

针对彩色图像序列的人脸跟踪问题,提出了一种基于均值平移的自动人脸检测与跟踪算法.对每帧图像采用基于肤色和支持向量机的算法检测人脸,可以减少计算量.对于检测到的人脸,判断是否含有新增人脸,有则将新的人脸加入跟踪序列,否则继续跟踪原有人脸序列.然后采用均值平移算法对人脸序列进行跟踪,其计算量小,跟踪稳定可靠,从而实现自动的人脸检测与跟踪.实验结果表明,该算法可以很好地进行人脸的自动检测跟踪.     

6省市28株钩体菌株血清学检定及2个新型菌株的发现

目的　为了解洪涝灾害对钩端螺旋体 (钩体 )病流行菌型的影响 ,在我国钩体病流行比较严重的省市地区进行菌株分离观察。方法　采用经典的显微镜凝集试验和交叉凝集素吸收试验进行血清学分类比较。结果　 6省市的 2 8株钩体菌株分属 7个血清群 9个血清型 ,其中发现 2个新的血清型 ,暂定为贺岩型和沅江型 ,代表菌分别为L2 31株和沅江 2 7株。结论　对流行区的 2 8株钩体菌株进行了血清学分类 ,为钩体病的诊断提供了新的依据。     

加强农村社区建设

农村社区是以村落为居住和社会活动的地域范围、以从事农业生产为主要谋生手段的人口组成的区域社会共同体。农村社区最典型的是村落社区。农村社区建设是现阶段“三农”工作的重大拓展和社会主义新农村建设的重要内容,推进农村社区建设,不仅能改善农民的生产生活条件,而且能促进农村经济发展、农民增收,本文就农村社区建设谈点粗浅看法。     

基于P2P技术的流媒体直播系统的研究与实现

本文介绍了P2P技术和流媒体的技术框架,并对它们进行研究和分析,并在此基础上设计和实现了一个高质量的流媒体直播系统。     

一种改进的Harris角点检测算法

为了降低传统Harris角点检测算法的操作复杂度,提高算法稳定性,本文提出了一种改进Harris角点检测方法。由于传统的Harris角点检测算法需要通过调节系数k的选取来达到最佳的检测效果,这使得其检测精度和检测效率受到限制,也增加了用户的操作复杂度。本文通过研究并改进角点响应函数,避免了系数k的选取,同时,与其他相关改进算法相比,进一步避免了极小值ε的选取,从而实现了算法的自适应性。实验结果表明,本文方法具有较强的自适应性和鲁棒性。     

双路电动轮协调控制的策略设计与仿真

为了实现双路电动轮的协调控制,分析了驱动系统的运动方程,建立了电动轮的数学模型,提出了转速和、转速差并联PI的控制策略.最后,利用Matlab进行了系统仿真,仿真结果表明:在恒速控制中,能够加快电动轮转速的上升速度,减小超调量,缩短调节时间;在差速控制中,单路电动轮能够按照预定方案实现平稳的加减速.控制系统具有较强的抗干扰能力.转速和、转速差并联PI控制策略算法简单,运算量小,控制效果好,具有一定的理论和工程应用价值.     

采用双尺度图像分解的水下彩色图像增强

目的 为解决水下图像的色偏和低对比度等问题,提出一种基于双尺度图像分解的水下彩色图像增强算法。方法 通过基于均值和方差的对比度拉伸方法改善图像的色偏问题,并利用中值滤波降低红通道对比度拉伸后引入的噪声;采用双尺度图像分解绿通道图像补偿红通道图像细节;在处理后的红通道图像中引入原始图像红通道的真实细节与颜色。结果 选取不同水下图像作为实验数据集,将本文方法与暗通道先验的方法、基于融合的方法、自动红通道恢复方法以及一种基于卷积神经网络深度学习的方法相比较,首先从主观视觉效果进行定性分析,然后通过不同评测指标进行定量分析。主观定性分析结果表明,提出的方法相比较其他方法能够更好地解决图像色偏和红色阴影问题;定量分析中,自然图像质量评价（natural image quality evaluation,NIQE）指标和信息熵（information entropy,IE）值较基于融合的方法和深度学习的方法分别提高了1.8%和13.6%,且水下图像质量评价指标（underwater image quality measurement method,UIQM）较其他方法更优。结论 提出的双尺度图像分解方法利用水下图像成像特点解决图像色偏以及低对比度问题,具有良好的适应能力,同时算法复杂度低且鲁棒性较高,普遍适用于复杂的水下彩色图像增强。     

基于兴趣点的北京市住宅生活便利度指数研究

住宅的生活便利度指数指住宅居民在一定范围内可利用的设施种类与数量,是城市宜居度的重要指标.兴趣点(point of interest, POI)数据是一组包含物理实体属性的地理坐标点,具有数据种类详尽、粒度精细、范围广和时效性强的优点.基于高德POI数据,对北京市城区住宅的生活便利度指数进行研究,提出面向地铁出行的各向异性距离度量方法,根据构建的生活便利度指数指标体系将住宅分为优质、良好、中等和待改进4个等级.各等级住宅在城区中的空间分布结果表明,考虑地铁出行后,对住宅的生活便利度指数度量更为合理.     

基于U-Net的高分辨率遥感图像土地利用信息提取

随着现代遥感技术的迅速发展,遥感图像的质量和数量得到了显著的提升,新技术带来的高分辨率遥感图像所蕴含的信息也更加丰富,如何利用人工智能手段辅助挖掘这些丰富的信息也成为了遥感图像分析与理解的重要内容。与此同时,以深度卷积神经网络为代表的人工智能技术在图像处理领域大放异彩。得益于类人眼的分层卷积池化模型,深度卷积神经网络可以在图像分割和分类等任务上取得优异的结果。因此采用U-Net为代表的深度卷积神经网络对2 m的高分辨率遥感影像进行了特征提取、分割和分类,不同于传统基于手工设定图像特征的方法,U-Net可以自动对海量高分辨率的遥感图像进行特征提取,从而充分挖掘高分辨率遥感影像中复杂的非线性特征、光谱特征和纹理特征。实验结果表明：利用训练好的U-Net模型对新昌县土地利用分类计算时间为55.7 s,分类准确率可达90.95%,Kappa系数为0.86。U-Net模型可以快速、精确地提取高分辨率遥感影像中的地表覆盖特征,得到高精度的土地利用分类结果,说明将该模型应用于遥感影像土地利用分类提取有着广阔前景。     

并行化洪水演进模拟研究综述

近年来,并行化洪水演进模拟技术发展迅速,在防汛减灾领域发挥重要作用。在考虑洪水演进模型的数值方法、并行模式和编程技术等因素后,选取一些有代表性的洪水演进模型,分析了同构并行和异构并行洪水演进模型涉及的技术细节,提出并行化模型开发的技术难点和解决方法。最后,提出将来并行化洪水演进模型研发的着力点：非结构网格模型的异构并行化;混合并行的洪水演进模型;适于GPU异构并行的网格形式;并行环境下的实时可视化和交互式计算;基于动态编程语言的模型开发;界面式开发及模型应用推广。