基于图像匹配与补偿技术的共享屏幕实现方法

在协同工作环境下,文章给出了基于匹配的屏幕共享机制的图像补偿方法。在对图像进行分块的前提下,通过对前后两帧屏幕图像的不同块之间的匹配,决定图像数据传输的内容,让没有变化的图像块保持原样,只对图像数据中变化的部分进行传输,在客户端按接收到的图像数据对屏幕图像进行补偿。文章算法减少了图像数据传输量,解决了屏幕图像数据过大不便传输的缺点,满足了协同工作环境对实时性及图像质量的要求。     

GPS姿态测量中的整周模糊度的实时解算方法

GPS 实时姿态测量的核心问题是整周模糊度解算。本文提出了一种适合实时姿态测量的模糊度解算方法,它利用单差平滑伪距进行解算,与传统的模糊度解算方法相比具有许多优点。该方法的有效性和实用性通过仿真实验进行了验证。     

Unity3d产品虚拟展示技术的研究与应用

本文是在介绍虚拟现实技术的基础上,阐述应用专业引擎Unity3D为工具,实现虚拟产品模型展示的设计流程以及各个环节,最终开发出基于网络的,数据精准．表现力强,交互性强的工业产品虚拟展示应用系统。通过搭建一个跨越时空局限性的交流互动平台,实现企业与消费者之间更加方便快捷的产品信息交流,满足信息化时代人们对高速高效电子商务的需求。     

基于超像素分割的深度图像修复算法

为了提高Kinect相机获取的深度图质量,提出了一种基于超像素分割的图像修复算法。 首先对深度图和彩色图分别 进行双边滤波和超像素分割;其次,结合深度图像和彩色图像相似性,记录彩色分割块的位 置,并对应于 深度图中;最后,在每个分割块对应深度区域中,根据丢失像素点在分割块中所占比例,划 分为无空洞区 域、小空洞区域、大空洞区域和全空洞区域4类。采用快速行进算法对小空洞区域进行 修复,利用中 值填补算法进行大空洞区域修复,对全空洞区域利用邻域区间对应彩色图像相似性进行填充 。4种类型中 的无空洞区域无需修复。实验结果表明,本文方法与FMM、Shen和Scheming的方法相比, 平均均方根误差(RMSE) 分别降低了2.958、0.822和0.078,修复 的主观质量也有所提高。     

均匀沉淀法制备纳米氧化锌及其性能研究

以醋酸锌和氨水为原料,采用均匀沉淀法成功制备出六方晶系结构的纳米氧化锌(ZnO),并借助于FT-IR、XRD、UV-Vis和SEM等表征手段对其结构进行了表征.研究了在500W汞灯照射下该纳米ZnO对甲基橙溶液的光催化降解效果.结果表明,通过该方法合成的纳米ZnO对甲基橙溶液具有良好的光催化性能,降解率达到80.1％.鉴于纳米氧化锌良好的光催化性能,对其今后在光催化领域的发展趋势进行了展望.     

锑化镓基半导体激光器高效率光束整形

锑化镓基半导体激光器发光波长为1.8～4微米,因为具有体积小、重量轻和电流驱动等优势,应用范围很广。但是单管激光器并不能提供满足实际应用的激光功率,因此需要将已经成功应用于近红外半导体激光器的光束合成方法移植到中红外波段。在各种光束合成方法中,高效率的光束整形都是重要基础。展示了一种采用多只单管半导体器件的高效率光束整形方法,并在实验中实现了1.94微米波长1.93瓦连续光功率输出,整形效率高于90%。这个光束整形方法可以用于构建更复杂的光谱或相干光束合成。     

基于对话内容的交互型文本会话主题挖掘

传统的主题挖掘模型一般仅从交互型文本中挖掘出文档主题,为了能够从中挖掘出会话主题并提高挖掘模型的普适性,提出了一种基于对话内容的交互型文本会话主题生成模型。首先通过分析交互型文本的特征,基于主题树的概念,定义了一个5层结构的对话生成树。以此为基础,再基于LDA构建会话主题生成模型(ST-LDA)。最后采用吉布斯抽样法对ST-LDA进行推导,得到会话主题及其分布概率。使用实际数据进行验证,结果表明,ST-LDA模型可以从交互型文本中有效地挖掘出会话主题。此外,成果可以降低分类算法的复杂度,回溯主题—参与者关联关系,具有较好的普适性。     

一种基于MEMS芯片的新型地面大气电场传感器

该文基于MEMS电场敏感芯片,研制出了一种新型的地面大气电场传感器,解决了现有场磨式电场仪易磨损、功耗大、故障率高等问题。敏感芯片采用SOIMUMPS加工工艺制备,其芯片面积仅为5.5 mm5.5 mm。该文提出了传感器敏感芯片的弱信号检测方法,设计出了满足环境适应性的传感器整体结构方案,并建立了传感器的灵敏度分析模型。对电场传感器进行测试,测量范围为-50 kV/m~50 kV/m,总不确定度为0.67%,分辨力达到10 V/m,功耗仅为0.62 W。外场试验结果表明,MEMS地面大气电场传感器在晴天和雷暴天的电场探测结果,与Campbell公司场磨式电场仪探测结果都有较好的一致性,说明该传感器能满足预测雷暴要求,实现雷电监测和预警功能。     

基于深度卷积神经网络和二进制哈希学习的图像检索方法

随着图像数据的迅猛增长,当前主流的图像检索方法采用的视觉特征编码步骤固定,缺少学习能力,导致其图像表达能力不强,而且视觉特征维数较高,严重制约了其图像检索性能。针对这些问题,该文提出一种基于深度卷积神径网络学习二进制哈希编码的方法,用于大规模的图像检索。该文的基本思想是在深度学习框架中增加一个哈希层,同时学习图像特征和哈希函数,且哈希函数满足独立性和量化误差最小的约束。首先,利用卷积神经网络强大的学习能力挖掘训练图像的内在隐含关系,提取图像深层特征,增强图像特征的区分性和表达能力。然后,将图像特征输入到哈希层,学习哈希函数使得哈希层输出的二进制哈希码分类误差和量化误差最小,且满足独立性约束。最后,给定输入图像通过该框架的哈希层得到相应的哈希码,从而可以在低维汉明空间中完成对大规模图像数据的有效检索。在3个常用数据集上的实验结果表明,利用所提方法得到哈希码,其图像检索性能优于当前主流方法。     

基于双L型阵的二维测向算法

提出了一种基于双L型阵的二维测向算法。通过定义新的三维波达方向角,同时利用旋转不变算法获得每一维入射角的独立估计,再由波达方向角之间的约束关系进行配对,提高了测向精度与二维角成功配对概率,改善了双L阵二维测向精度对来波方向敏感的问题。计算机仿真结果表明:所提算法在观测的区域内均具有较高测向精度,特别是在仰角较小时较传统算法其测向精度有较大提高,在低信噪比情况下与传统算法比较提高了二维测向中的角度配对成功概率。