基于超像素分割和多方法融合的SAR图像变化检测方法

针对基于像素的合成孔径雷达(Synthetic Aperture Radar,SAR)图像变化检测会造成虚警较高、结果破碎的问题,提出一种基于超像素分割和多方法融合的SAR图像变化检测方法。首先引入基于简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)的超像素分割方法,通过对主辅图像进行联合分割,得到符合实际地物边界的超像素分割结果;同时,利用3种基于像素的变化检测方法获取初始变化检测结果;接着,利用超像素分割结果和初始变化检测结果进行两个层次的众数投票,去除检测结果中由于噪声引起的虚警和连通域中的孔洞。选取两个时相的苏州Radarsat-2单极化SAR图像开展变化检测实验,实验结果表明该算法在保持较高检测率和有效边界的基础上,能够显著降低虚警。     

超混沌系统的滑模同步控制

为了对超混沌系统进行更深入的研究,通过引入非线性状态反馈控制器在新的三维混沌系统,从而生成一个新的四维超混沌系统,并且分析了此四维超混沌系统的吸引子的相图、对称性、耗散性等特性。使用滑模变结构控制理论控制对该四维超混沌系统进行控制,为了使系统具有更好的趋近效果设计了含有指数趋近律的等效滑模控制器。运用Lyapunov稳定性理论证明了此四维超混沌误差系统的稳定性,给出了滑模控制器存在的充分条件,实现了同结构超混沌系统的同步。利用Matlab-Simulink进行数值模拟,验证了基于滑模控制器的同结构超混沌系统同步的有效性。     

K均值聚类和支持向量数据描述的图像超分辨率算法

目的 为了提高图像超分辨率算法对数据奇异点的鲁棒性,提出一种采用K均值聚类和支持向量数据描述的图像超分辨率重建算法(Kmeans-SVDD)。方法 训练过程:首先用K均值聚类算法将训练图像的近似子带划分为若干类,然后用支持向量数据描述去除每类数据的奇异点,最后在小波域内用主成分分析训练近似子带和细节子带字典。测试过程:根据同一场景高低分辨率图像近似子带相似这一现象,首先将待重建低分辨率测试图像的近似子带作为相应高分辨率测试图像的近似子带,然后由训练得到的字典恢复出高分辨率测试图像的细节子带,最后通过逆小波变换得到高分辨率测试图像。结果 相比于当前双三次插值、Zeyde、ANR与Kmeans-PCA算法,Kmeans-SVDD算法重建的高分辨率测试图像的平均峰值信噪比依次提高了1.82 dB、0.37 dB、0.30 dB、0.15 dB。结论 通过大量实验发现,在字典训练之前加入SVDD过程可以去除离群点,提高字典质量。在小波域中将各频带分开重建,可避免低频图像中包含的不可靠高频信息对超分辨率结果的影响,从而恢复出可靠的高频信息。     

基于静力测试的三维曲面结构测点优化配置

传感器测点优化配置在结构健康监测系统中具有重要作用。针对结构健康监测中静力作用下三维曲面结构变形状况进行了研究,提出了三维曲面结构的测点优化配置方法。首先,对三维曲面结构进行测点组合选取,根据已知测点的响应值采用三维超曲面样条函数插值估计未布置测点的响应值,然后建立适应度函数,对未布置测点的估计值与实际值的误差进行判定,最后通过二重结构编码遗传算法对测点组合进行优化,选取适应度函数值最小的测点配置方案,从而实现了传感器测点优化配置的目的。应用该方法对简支的圆柱壳弯曲变形进行了测点优化配置,得到的适应度函数值最小的测点配置方案中,未布置测点的估计值与实际值的误差为1.10％,从而验证了该方法的可行性和有效性。     

MOTO选择做非凡的自我

2013年因为种种原因MOTO选择退出中国市场,从此淡出了人们的眼球。曾经风生水起的手机巨头瞬间消失,殊不知MOTO的离开是迫不得已。当时有句话是:"离开是为了更好的回来!"。虽然离开了中国市场近两年,但是期间MOTO凭借着倾力打造的第一代Moto X、Moto G、Moto Droid系列及Moto E在北美,在巴西、在欧洲、在印度依然风光无限。     

移动嵌入式流体引擎呈现算法的研究

介绍了计算流水线与绘制流水线两部分.计算流水线主要为程序的基本架构,充分利用了手持设备的多核能力,大大提高流体的流畅度;绘制流水线采用的是OpenGL ES 2.0渲染,包括普通绘制、X模糊绘制、Y模糊绘制、去模糊绘制4个阶段.不同阶段实现了不同的效果,最终绘制出真实、流畅的流体.     

图像分割中的超像素方法研究综述

目的 超像素(superpixel)是近年来快速发展的一种图像预处理技术,它将图像快速分割为一定数量的具有语义意义的子区域,相比于传统处理方法中的基本单元——像素,超像素更有利于局部特征的提取与结构信息的表达,并且能够大幅度降低后续处理的计算复杂度,在计算机视觉领域尤其是图像分割中得到了广泛的应用,为使国内外研究者对超像素理论及其在图像分割中的应用有一个比较全面的认识,对其进行系统综述.方法 以图像分割为应用背景,在广泛调研文献特别是超像素最新发展成果的基础上,结合对比实验,对每种方法的基本思想、方法特点进行总结,并对超像素分割目前存在的局限性进行说明,对未来可能发展方向进行展望.结果 不同的超像素分割算法在分割思想、性能特点上各不相同.当前的超像素方法普遍在超像素数量、紧密度与分割质量、算法实用性之间存在相互制约,同时对于某些特殊目标的分割也难以取得较好的结果.结论 超像素作为一种有效的图像预处理手段具有较高的研究价值,但针对目前超像素存在的一些局限性还需要进行深入的研究.     

基于局部模型匹配的几何活动轮廓跟踪

目的 在复杂背景下,传统轮廓跟踪方法只考虑了目标的整体特征或显著性特征,没有充分利用目标的局部特征信息,尤其是目标发生遮挡时,容易发生跟踪漂移,甚至丢失目标.针对上述问题,提出一种基于局部模型匹配的几何活动轮廓(LM-GAC)跟踪算法.方法 首先,利用超像素技术将图像中的颜色特征相似的像素点归为一类,形成由一些像素点组成的超像素,从而把目标分割成若干个超像素块,再结合EMD(earth mover's distance)相似性度量构建局部特征模型.然后,进行局部模型匹配,引入噪声模型来估算局部模型参数θ,这样可以增强特征模型的自适应性,提高局部模型匹配的准确性.最后,结合粒子滤波的水平集分割方法提取目标轮廓,实现目标轮廓精确跟踪.结果 本文算法与多种目标轮廓跟踪算法进行对比,在部分遮挡、目标形变、光照变化、复杂背景等条件的基准图像序列均具有较高的跟踪成功率,平均成功率为79.6%.结论 实验结果表明,根据不同的图像序列,可以自适应地实时改变噪声模型参数和粒子的权重,使得本文算法具有较高的准确性和鲁棒性.特别是在复杂的背景下,算法能较准确地进行目标轮廓跟踪.     

基于SPSO的机械流水线负载任务分配方法

在弱通信条件下,传统的机械流水线任务分配方法采用任务的随机分配,无法根据流水线的实际负载能力,将应有的任务量分配到相应的流水线上。提出一种基于简化粒子群优化算法(Simplified particle swarm optimization algorithm,SPSO)的高效机械流水线任务分配方法,首先对每个流水线的实际负载能力进行动态评估。然后采用粒子群优化算法对所有流水线负载分配相应的计算任务。由于每个负载的任务量是根据实际的流水线性能来分配的,所以可以使得全局的效率最优化。最后通过实验对算法的性能进行验证。结果显示,改进方法在基于粒子群优化的机械流水线任务分配下,任务根据流水线性能,呈现很好的聚类,算法收敛性好,分配任务速度快,具有很好的应用价值。     

超超临界给水自启停控制系统方案设计与分析

为了使得火电机组启动停止过程中操作更精准、能源更节约,提出一种给水系统自启停功能的设计方案并对其进行全面分析,还进一步提出给水系统与模拟量控制系统全程控制的接口问题.对贯穿机组运行的整个过程的全程给水过程的功能组进行划分并对各个功能组的功能进行介绍.针对给水系统自启停控制过程的特点和难点,对全程给水在升负荷阶段中自动并/退泵与干湿态转换进行全面分析并提出了特殊的控制策略,最终实现从点火至满负荷过程中的全程自动控制.