针孔阵列厚度对集成成像3D显示观看视角的影响

基于针孔阵列的集成成像3D显示具有成本低,重量小,器件厚度薄,易于实现3D/2D转换等优点。针孔阵列的参数设计是集成成像3D显示器结构设计的关键之一。3D观看视角是集成成像3D显示的关键性能参数之一。本文研究针孔阵列的厚度对3D观看视角的影响。根据针孔阵列厚度与孔径宽度的3种取值关系,分别建立3种集成成像3D成像模型,然后根据几何光学分别计算不同成像模型的3D观看视角,并研制了集成成像3D显示测试装置。实验结果表明针孔阵列厚度存在最优值,且只取决于图像元节距、针孔孔径宽度以及针孔阵列与显示面板的间距。针孔阵列厚度取最优值时,显示面板上每个图像元中所有像素发出的光线都可以通过其对应的针孔,且每个图像元中像素发出的光线都不能通过其他针孔,因此3D观看视角最大,且没有串扰图像。针孔阵列厚度小于最优值时,显示面板上每个图像元中所有像素发出的光线都可以通过其对应的针孔,但是每个图像元中部分像素发出的光线可以通过其他针孔,因此3D观看视角不变,但是会产生串扰图像,且串扰与针孔阵列的厚度成反比。针孔阵列厚度大于最优值时,每个图像元中只有部分像素发出的光线可以通过其对应的针孔,虽然没有串扰图像,但是3D观看视角变小,且与针孔阵列厚度的厚度成反比。     

一种新的线结构光光带中心提取算法

在采用线结构光投影的三维测量中,快速准确地提取图像中光带中心的位置坐标是线结构光测量系统的关键问题之一。基于此,提出了一种把可变方向模板和灰度重心法相结合,并充分发挥两者优点的方法。首先计算出图像的域值,然后对图像进行二值化,细化,剪枝,得到线结构光图像的骨架,然后再利用可变方向模板判断骨架上每一点的法线方向,最后根据灰度重心法求出线结构光条纹的中心。实验结果表明该方法可以快速有效地获取光条纹中心,有利于提高三维重建的速度。     

一种引入冗余控制的特征排序模型

针对特征排序方法较少考虑特征之间的相关关系,导致选择的特征子集存在冗余的问题,提出一种引入冗余控制的特征排序模型。将特征子集判别能力最大且冗余程度最小作为模型的目标函数,以降低特征之间的冗余;使用贪心方法和非线性规划方法对模型进行求解。在9个开源数据上的实验及与特征排序方法比较表明,本模型在大部分数据上,所选择的特征子集能够获得更好的分类准确性且个数更少;使用非线性规划方法求解时,能够直接得到特征子集,有利于确定特征个数。本模型可用于特征之间存在冗余时的特征选择。     

一种需求驱动的服务行为适配方法

现有服务行为适配方法通常侧重于如何消除服务之间行为上的不相容而往往没有考虑用户的需求,因而需要对基于适配器的服务组合进行需求的可满足性验证,这使得基于适配器的服务组合过程复杂且低效.针对此问题,本文在适配器生成过程中考虑用户的需求,提出一种需求驱动的服务行为适配方法,并给出用于描述用户需求的形式模型的语法及语义.证明了利用本文方法所生成的适配器不仅可以消除服务之间行为上的不相容,并且保证基于适配器的服务组合的行为满足需求给出的时序约束,避免了对基于适配器的服务组合进行验证.通过一个贯穿全文的实例分析表明了方法的可行性和有效性     

新的可证明安全的无证书代理盲签名

为满足实际应用中对于安全高效代理盲签名的需要,基于双线性对映射提出了一个新的无证书代理盲签名方案。方案中对相关参数进行预先计算,并作为系统公开参数发布,签名生成过程无须进行双线性对的运算,与现有同类算法比较,具有更高的计算效率,在实际应用中更具优势。在随机预言机模型和双线性Diffie-Hellman困难性假设下,证明了本文方案在两类攻击者适应性选择消息攻击和身份选择攻击下是存在不可伪造的。     

潜水稳定蒸发条件下土体响应模拟

基于Gardner提出的模型,对潜水稳定蒸发条件下,欧洲地区5种土体响应进行了模拟研究。数值实验结果表明：土壤含水率和对数坐标系下的土壤水吸力分布曲线分别呈现单拐点和双拐点的特点;相同地下水埋深条件下,土体的最大蒸发强度与黏粒含量呈负相关关系,二阶多项式可以很好的拟合地下水埋深与最大蒸发强度之间的关系;蒸发强度介于0.01cm/d～0.1cm/d,潜水稳定蒸发时,土体对应的最大地下水埋深值可以作为临界水深的参考范围;相对蒸发系数的模拟结果与相关文献记录的实验规律相似。使用Gardner模型可以对土体潜水稳定蒸发响应进行很好的模拟,模型求解方法相对简单,模拟结果可靠性高。     

基于距离约束稀疏/组稀疏编码的自动图像标注

为解决图像自动标注中的语义鸿沟问题,有效选择并利用图像特征,提出基于距离约束稀疏/组稀疏编码（distance constraint sparse/group sparse coding,DCSC/DCGSC）的2种特征选择算法,并分别应用到图像自动标注任务中。考虑到不同特征基相似性对图像语义相似性的贡献不同,定义了度量二者相关性的距离约束正则项。将该正则项分别集成到稀疏/组稀疏编码的特征选择模型中,使选择的特征在保证稀疏性/组稀疏性的同时,优先选择与语义相似性描述最接近的视觉特征基。利用在训练图像集中学习的特征权值,寻找测试图像的K最近邻（K nearest neighbor,KNN）图像,并通过标签转移实现图像标注。在Corel5K图像库上测试标注性能,集成多特征的DCGSC查准率、查全率和标注正确的关键词个数可达32%、34%和151,优于其他相关标注算法。而对于单特征图像,使用DCSC也能改善标注性能。可见,距离约束对特征选择和图像标注是有效的。     

受限浮动水下传感器网络定位

为了确保水下传感器网络节点不会随水流离开监测区域,通常用缆绳把节点与固定在水底的锚相连,使水下节点具有受限浮动性,然而考虑这一重要特性的研究成果非常有限。针对水下节点受限浮动考虑不足的问题,提出了受限浮动水下传感器网络定位算法（restrictedfloatinglocalization,RFL）。首先,根据水下节点在重力、浮力、水流冲力、缆绳拉力作用下的活动规律,建立受限浮动节点模型;然后,采用一个移动信标辅助定位,该移动信标在部署区域内沿直线移动,每过一段时间变换一次方向并广播位置信息,利用移动信标的位置信息结合水下节点的受限移动规律,通过理论分析推导锚的位置,并通过多次计算取中值以降低锚位置的求解误差;接下来,利用锚和移动信标的位置信息,计算出水下节点的位置。仿真分析了RFL算法中锚位置误差、锚对节点定位的影响以及节点位置误差,并将RFL算法与现有的TL算法、MFLA算法和LSLS算法进行比较。仿真结果表明,RFL算法的平均定位误差分别是TL算法的49.6%,MFLA算法的44.8%,LSLS算法的32.1%,其最大误差与最小误差都小于TL算法、MFLA算法和LSLS算法。RFL算法定位精度高于现有算法,而且具有较好的稳定性,简单可行,具备较高的实用价值。     

基于频谱能量分析的地质雷达探测图像判读

通过人工肉眼对地质雷达探测图像进行判读的方法易受判读人员主观性、经验性影响。为了规避这一不足,提出一种基于Counterlet等高变换和K-Means++均值聚类分析的频谱能量判读方法。以实际公路隧道为依托,经现场探测获取不良地质体的原始探测数据;采用IDSP探测数据分析软件生成原始图像及实施背景去除、滤波等时域、频域预处理以提高信噪比;基于子带分布系数采用Counterlet对预处理后的图像进行分解和重构,并采用K-Means++算法将重构后图像中的频率信息转化为颜色特征;利用MATLAB对颜色特征进行提取并据此建立不良地质体颜色特征样本库,将原始探测图像与样本库进行匹配对比以实现自动判读。结果表明：采用Counterlet等高变换对多方向、多分辨率、多尺度的地质雷达图像进行分解与重构是可行的,曲线边缘逼近效果良好,重构后的图像无信息丢失;K-Means++算法能实现地质雷达灰度图像中能量~频率~色彩的转化,转化后的图像色彩突出、直观;频谱能量的匹配对比能较准确、快速地实现自动判读及较好地规避个体主观性。     

基于特征选择和时间卷积网络的工业控制系统入侵检测

针对工业控制系统流量数据存在特征冗余及深度学习模型对较小规模数据集检测能力较差的问题,提出了一种基于特征选择和时间卷积网络的工业控制系统入侵检测模型。首先,对源域数据集的异常特征和样本不平衡数据进行处理,提高源域数据集质量。其次,针对流量数据的特征冗余,利用信息增益率和主成分分析法构建IGR-PCA特征选择算法,筛选出最优特征子集实现数据降维。然后,根据工业控制系统流量数据的时间序列特性,在较大规模的源域数据集上,利用时间卷积网络（temporal convolution network,TCN）对时间序列数据优异的处理能力,构建源域时间卷积网络预训练模型。最后,在较小规模的目标域数据集上,结合迁移学习（transfer learning,TL）微调策略,获取源域样本数据的流量特征,构建目标域TCN-TL模型。利用公开的工业控制系统数据集进行实验测试,实验结果表明：流量数据经本文特征算法处理后,相较于其他方法,在降低数据维度减少计算量的同时仍具有良好的检测效果;在较大规模的源域数据集和较小规模的目标域数据集上,本文模型均取得了良好的检测效果,在目标域中利用迁移学习微调策略能够学习到源域中的知识,模型检测准确率为99.06%,在训练时间对比中,本文模型训练时间消耗更少,具有更好的泛化能力,能够更好地保护工业控制系统安全。