基于蚁群算法的遥感影像传输资源调度方法

针对遥感影像数据量大,多用户并发请求造成服务器负载加重,使遥感影像传输效率逐渐降低的问题,提出一种在多线服务器环境下分块调度遥感影像资源的策略。该策略采用改进的蚁群优化(IACO)算法,通过引入一个线路等待因子γ动态选择当前最优的线路进行传输,从而提高传输效率。对IACO、ACO、Max-min、Min-min和Random算法进行了对比实验,IACO算法在客户端的任务完成时间和服务器端的执行时间与其他算法相比均是最少的,且随着任务数目的增加,效果更明显;同时IACO算法的线路资源的利用率也更高。仿真结果表明:多线服务器分块调度策略与改进蚁群算法相结合,使遥感影像传输速度和线路资源利用率均有一定提高。     

钢化玻璃碎片的改进

在部颁平钢化玻璃产品标准中,对钢化玻璃碎片有明确规定见表1.然而据几次全国钢化玻璃行检来看,大多数企业还达不到要求,例如5mm钢化碎片     

用灌浆法生产夹层玻璃的夹胶缺陷及防止措施

我厂于1979年对原有灌浆法的水浴聚合改为热风聚合后,工艺更加合理,质量大有提高,成本进一步降低,劳动条件有了很大改善.在无机玻璃间形成的有机粘结层叫夹胶层.我厂使用的材料为聚甲基丙烯酸酯类透明型料.由于工艺本身的限制,它不像缩丁醛胶片那样可以在生产胶片的工厂对胶层的缺陷予先进行控制,而该法在从配料、合片到聚合多工序中都可能发生夹胶缺陷,同时因手工操作之故,稍有不     

谈谈有槽引上法的“三高”生产工艺

作者结合生产实践和国内外平板玻璃的发展趋势,提出了有槽垂直引上法高温度、高粘度、高速度的"三高"生产工艺,可在不影响窑炉使用寿命的情况下,实现更大的技术经济效益.     

浅谈钢化玻璃的自爆

在软化温度范围下,将玻璃迅速冷却,从而使玻璃得到相当大的永久内应力的过程,谓之玻璃的钢化或淬火。钢化应力的大小,可由下列数学式求得: σ(x)=βE/1-μ·ω/bK(a~2-3x~2)式中:β——线膨胀系数1/℃ E——弹性模量kg/cm~2 μ——泊松比(对于玻璃(?)0.2) ω——冷却速度度/秒 K——温度传导系数卡/m.h.℃ a——薄板的一半厚度cm x——从薄片到中间平面的距离m m此公式计算的内应力在玻璃板厚度上的分布是对称的,如图一。     

嵌入式Linux实时技术改进与实现

对嵌入式Linux进行实时性改进是嵌入式操作系统领域的一个研究热点。本文从实现低延迟、中断线程化、用Mutex取代spinlock、优先级继承和死锁检测、等待队列优先级化、大内核锁可抢占等方面给出了改善系统实时性能的实现方法，拓展了嵌入式实时系统的应用范围。     

检测区域动态调整的TLD目标跟踪算法

针对经典跟踪-学习-检测(TLD)目标跟踪算法由于检测区域过大而导致的检测时间过长及对相似目标跟踪处理效果不理想的问题,提出一种检测区域可动态自适应调整的方法——TLD-DO。该方法利用两次Kalman滤波加速度矫正预测的检测区域优化算法DKF,通过缩小TLD检测器检测范围,以达到在跟踪精度略有提升的情况下提高跟踪速度的目的;同时此方法可排除画面内相似目标的干扰,提高在含有相似目标的复杂背景下目标跟踪的准确性。实验结果表明:TLD-DO算法在处理不同视频与跟踪目标时,检测速度有1.31~3.19倍提升;对含有相似目标干扰情况下,跟踪效果明显优于原TLD算法;对目标抖动及失真情况有较高的鲁棒性。     

基于多尺度的多线程遥感影像渐进传输模型

为满足异构网络环境下不同终端用户对遥感影像质量的各种需求,提出一种离线压缩-实时传输-实时解压缩的遥感影像渐进传输模型。采用多线程流水线同步处理的加速算法,解决遥感影像渐进传输过程中压缩、传输和解压缩的不同步而导致的相互等待问题,以提高渐进传输效率。引入JPEG2000多分辨率影像压缩算法,提高压缩比,减少传输流量,从而减轻网络传输负担。实验结果表明,与传统的影像渐进传输模型相比,该模型在不影响影像质量的前提下,处理速度提高近2倍,具有更好的压缩与加速效果。     

玻璃配料计算新法——非程序语言应用

现在,广泛用于玻璃配料计算的办法主要是手工,很麻烦。有些人从简便出发,靠经验凑数。也有的工厂试用微型计算机高级语言编制程序来计算。这样虽然快,但增减原料由业务人员改动程序却很困难。1985年,我们看到有关使用”非程序语言“的微型计算机介绍后,在中国社会科学院工业经济研究所的日本索德机器上,进行配料表计算,一天就成功了。我厂1986年购进“华立”B16微型计算机,并且在此机器上首先进行了配料表计算的应用工作。“华立”B16微型计算机设有非程序语言     

基于光谱信息散度与光谱角匹配的高光谱解混算法

针对采用线性逆卷积(LD)算法进行端元初选过程中,端元子集中存在相似端元光谱,影响解混精度的问题,提出了一种基于光谱信息散度(SID)与光谱角匹配(SAM)算法的端元子集优选光谱解混算法。通过在端元进行二次选择时,采用以光谱信息散度和光谱角(SID-SA)混合法准则作为最相似端元选择的判据,去除相似端元,降低相似端元对解混精度的影响。实验结果表明,基于SID与SAM的高光谱解混算法将重构影像的均方根误差(RMSE)降低到0.0104,该方法比传统方法提高了端元的选择精度,减少了丰度估计误差,误差分布更加均匀。