接入网FTTH规划设计要点分析与探讨

本文主要对接入网FTTH整体规划设计要点进行了分析与探讨,以供同仁参考.     

基于图像风格迁移技术生成图像验证码研究

验证码能有效区分人类与机器,可以提高网站的安全性,抵御脚本的恶意攻击,保护用户信息安全。因此,验证码正被广泛地运用到互联网中。具有良好的安全性和易用性是一个良好的验证码的基本条件。风格迁移能在改变图像的风格特征的基础上保留图像的内容特征,使其达到一定的艺术效果。为设计出有效安全的验证码,研究采用深度学习技术,改进VGG网络模型,应用风格迁移技术来进行生成图像验证码。在对生成的验证码的有效性的研究中,设置了对比实验,用常见的识别工具对该技术获得的图像验证码与部分实际生活中应用的验证码进行了识别率和识别效率两项重要参数的对比分析,效果显著。     

去相关卡尔曼滤波算法在视频跟踪中的应用

针对测量噪声去相关下的卡尔曼滤波算法在视频目标跟踪中的应用问题展开了研究,首先分析了图像目标质心测量噪声的统计特性,指出测量误差是具有较强相关性的有色噪声;通过提出一种噪声白化方法,将测醋噪声视为在高斯自噪声激励下所产生的一阶马尔科夫序列,并对系统测量模型进行了改进;最后借助噪声去相关虑义下的卡尔曼滤波算法对所拍摄的航模飞机视频图像进行了跟踪仿真测试.仿真实验结果证明所给出的滤波算法可以明显提高目标位置的估计精度,并有效抑制了背景的干扰.     

视频闪烁干扰无参考辨识方法

视频中时间域上的闪烁干扰是影响视频质量的因素之一,对闪烁干扰的准确辨识不但有利于视频质量的自动分析与诊断,而且能够与干扰去除和质量增强算法形成反馈机制,促进此类算法的自适应性。以监控视频中的闪烁干扰为研究对象,研究发现闪烁干扰信号的差分信号服从拉普拉斯分布。基于拉普拉斯分布的特性和小概率事件的思想,在视频时间域差分信号中采用迭代拟合方法,有效地分离出差分信号中影响闪烁干扰辨识的客观运动差分信号;同时,运用人眼视觉系统的最小可感知差异(JND)理论,通过量化闪烁干扰的频率和闪烁幅度得到闪烁干扰辨识指标,对闪烁干扰进行了有效的无参考辨识,并通过受试者工作特征(ROC)曲线验证了提出的无参考闪烁干扰辨识指标在正负样本的分类上具有比较理想的效果,提出的无参考算法在闪烁干扰辨识方面具有较好的性能。     

运动序列的时空结构特征表示模型

运动序列是一种与运动信号相关的多维时间序列,各个维度序列之间具有高耦合性的特点。现有的多维序列表征方法大多基于维度间相互独立的假设或缺乏可解释性,为此,提出一种适用于运动序列的时空结构特征表示模型及其两阶段构造方法。首先,基于空间变化事件的转换方法,将多维时间序列变换成一维事件序列,以保存序列中的空间结构特性。接着,定义了一种时空结构特征的无监督挖掘算法。基于新定义的表示度度量,该算法从事件序列中提取一组具有代表性的低冗余变长事件元组为时空结构特征。在多个人类行为识别数据集上的实验结果表明,与现有多维时间序列表示方法相比,新模型的特征集更具代表性,在运动序列模式识别领域可以有效提升分类精度。     

面向混叠文字检测的单向投影Transformer方法

针对基于分割的文字检测方法在混叠文字场景下性能下降的问题,提出了单向投影Transformer (SDPT)用于混叠文本检测。首先,使用深度残差网络（ResNet）和特征金字塔网络（FPN）提取并融合多尺度特征;然后,利用水平投影将特征图投影成向量序列,并送入Transformer模块进行建模,以挖掘文本行与行之间的关系;最后,使用多目标来进行联合优化。在合成数据集BDD-SynText和真实数据集RealText上进行了大量实验,结果表明,所提SDPT在高混叠度的文字检测下取得了最优的效果,而与PSENet等文本检测算法在相同骨干网络（ResNet50）条件下相比,在BDD-SynText上F1-Score(IoU75)至少提高了21.36个百分点,在RealText上的F1-Score (IoU75)至少提高了18.11个百分点,验证了所提方法对于混叠文字检测性能改善的重要作用。     

多个质量控制图在大米总砷含量测定中的联合应用

目的研究多个质量控制图在大米中总砷含量测定的联合应用。方法收集大米中总砷含量测定数据,分析和计算质量控制图参数,绘制出多个质量控制图并分析联合应用效果。结果多个质量控制图法实现对大米中总砷含量测试结果控制,建立一种预警响应机制,实现问题快速查找之法。结论多个质量控制图联合应用为实验室技术要素管理和考核评价提供依据。     

用于综合PWM芯片的并行遗传算法

提出了基于遗传算法的脉冲宽度调制(PWM)芯片的自动综合方法.为保证综合结果准确实用,对电路性能的评价基于HSPICE的仿真结果,提出的并行遗传算法采用了电路划分和参数关联技术,并运用互联网实现并行计算.综合实例表明了该方法的有效性     

基于卷积神经网络的视频图像失真检测及分类*

为了检测不同失真类型的视频图像,实现对失真视频图像的分类处理,本文提出一种基于卷积神经网络的视频图像失真检测及分类方法。首先,将视频图像分割成较小的图像块作为输入,然后利用卷积神经网络主动学习特征,引入正负例均衡化和自适应学习速率减缓过拟合和局部最小值问题,由softmax分类器预测图像块的失真类型,最后采用多数表决规则,得到视频图像的预测类别。采用仿真标准图像库(LIVE)和实际监控视频库对本文方法进行性能测试,前者的总体分类准确率达到92.22%,后者的总体分类准确率达到92.86%。整体的分类准确率均高于已有的其他三种算法。引入正负例均衡化和自适应学习速率后,CNN的分类准确率得到明显提升。实验结果表明本文方法能主动学习图像质量特征,提高失真视频图像分类检测的准确率,通用于任意失真类型的视频图像分类检测,具有较强的鲁棒性和实用性。     

机房IC卡管理系统剖析

在剖析了目前机房IC卡管理系统的特征,存在的问题及新的需求的基础上,结合我们开发的机房IC卡管理系统详细介绍了机房管理系统的结构和实现方案,并对电子课表进行了初步的分析和讨论。最后分析了机房IC卡管理系统的特点。