基于P2P网络的动态QoS多源多播模型

针对服务质量(QoS)约束的覆盖网络多播问题,提出了一个适合有多个数据源的多播模型。该模型中每个数据源不必维护一个以它为根的多播树,每个节点只需维护局部状态信息,多播信息以类似洪泛的方式传输。通过控制,信息的传输路径形成树型结构,多播树可动态调整来适应以不同源节点发起的满足QoS要求的多播应用。实验结果表明,该模型的节点多播覆盖率高,通过控制节点的子节点数,可使多播树的调整代价达到最低。     

RBF网络和RBF核支持向量机比较研究

RBF网络是模式识别中应用最为广泛的一和神经网络.RBF核函数型支持向量机是一种性能卓越的新型学习机.将这两种学习机进行对比分析,以期在实际应用中做出更好的选择.首先,在理论上分析了这两种学习机在分类原理上的异同.接着,将它们应用于人脸识别,利用ORL人脸图像数据库进行了仿真实验,对比分析它们各自的识别率和泛化能力等性能指标.最后,提出了在应用这两种学习机进行模式识别时应注意的方面.实验结果表明,按照本文提出的两种训练模式,RBF型支持向量机在识别准确率上比RBF网络高出2%到4%.这说明RBF型支持向量机的性能要优于RBF网络.但是RBF网络易于实现,在样本数日足够多的情况下也不不失为一种好的算法.     

一种基于Canny的改进车灯光轴检测算法

在车灯配光性能检测中,近光光照方向和光形是重要的检测项目。本文研究边缘检测技术在提取前照灯近光光轴中的应用,主要对Canny边缘检测算法的性能进行了分析和评价,针对传统Canny算法在梯度幅值计算上的缺陷,提出了一种通过计算像素八邻域内图像一阶偏导数有限差分来确定梯度幅值的方法．在此基础上,在基于非极值抑制原理检测边缘点时,将像素的八邻域分为4个像限结合双线性插值的方法进一步提高了边缘检测的精度和准确度．根据前照灯配光在线检测的特点及要求,最终选用改进后的Canny边缘检测算法,有效地检测出近光灯的光轴。     

高效帧内预测模式选择算法

帧内预测技术是H.264不同于以往标准的特点之一.在深入分析帧内预测原理以及预测模式选择过程的基础上,提出了一种新的帧内预测模式选择算法.算法通过相邻宏块预测模式相关性原则、预测模式尺寸预先选择原则、提前中止原则来加快编码速度.实验结果表明,与全搜索算法相比,在编码质量相近的情况下,能够节省51.01%～72.91%的编码时间,与FIMDA算法相比,能够节省15.63%～27.31%的编码时间.     

基于软模法制备1-3型压电复合材料及高频医用超声换能器

高频医用超声成像技术因其高空间分辨率而被广泛应用于人体组织的精细结构观察,其中高频超声换能器的核心材料是1-3型压电复合材料。采用软模板法直接烧结了锆钛酸铅(PZT)压电微柱阵列,进而制备PZT/环氧1-3型压电复合材料,并对其进行了微观结构观察和电学性能表征。材料微观结构完整,机电耦合系数达到0.64。采用此复合材料制备了中心频率为20 MHz的高频超声换能器。采用脉冲回波法对换能器进行了性能和声场测试,并利用其对人体皮肤进行了超声成像,换能器的插入损耗、带宽分别为13.1 dB和84.2%。结果表明,软模法制备的1-3型压电复合材料能使高频超声换能器兼具低插入损耗和大带宽,这为高性能高频医用超声换能器提供了一种低成本、高效率的商业化制备方法。     

Mo-Modified ZnIn2S4@NiTiO3 S-Scheme Heterojunction with Enhanced Interfacial Electric Field for Efficient Visible-Light-Driven Hydrogen Evolution

Designing and developing visible-light-responsive materials for solar to chemical energy is an efficient and promising approach to green and sustainable carbon-neutral energy systems. Herein, a facile in situ growth hydrothermal strategy using Mo-modified ZnIn₂S₄ (Mo-ZIS) nanosheets coupled with NiTiO₃ (NTO) microrods to synthesize multifunctional Mo-modified ZIS wrapped NTO microrods (Mo-ZIS@NTO) photocatalyst with enhanced interfacial electric field (IEF) effect and typical S-scheme heterojunction is reported. Mo-ZIS@NTO catalyst possesses wide-spectrum light absorption properties, excellent visible light-to-thermal energy effect, electron mobility, charges transfer, and strong IEF and exhibits excellent solar-to-chemical energy conversion for efficient visible-light-driven photocatalytic hydrogen evolution. Notably, the engineered Mo_1.4-ZIS@NTO catalyst exhibits superior performance with H₂ evolution rate of up to 14.06 mmol g⁻¹ h^{− 1} and the apparent quantum efficiency of 44.1% at 420 nm. The scientific explorations provide an in-depth understanding of microstructure, S-scheme heterojunction, enhanced IEF, Mo-dopant facilitation effect. Moreover, the theoretical simulations verify the critical role of Mo element in promoting the adsorption and activation of H₂O molecules, modulating the H adsorption behavior on active S sites, and thus accelerating the overall catalytic efficiency. The photocatalytic hydrogen evolution mechanism via S-scheme heterojunction with adjustable IEF regulation over Mo_1.4-ZIS@NTO is also demonstrated.     

一种加密域鲁棒图像哈希算法

随着云计算的发展,越来越多的多媒体数据存储在云端,出于安全需要,往往需要对其加密后再上传至云端进行存储或运算等操作.针对加密图像,在不具备图像明文内容的情况下,为了认证图像内容的完整性和真实性,提出了一种基于Paillier同态加密的鲁棒图像哈希算法.该算法主要由3个部分构成:图像所有者端图像加密,云服务器端密文图像哈希计算以及接收者端明文图像哈希生成.具体地,图像所有者对图像进行Paillier加密,并将加密图像上传至云服务器,由云服务器利用Paillier密码系统的运算法则执行加密域DCT与Watson人眼视觉特征等的计算,并利用密钥控制的伪随机矩阵增加哈希的随机性,接收者解密并分析接收到的密文哈希,生成明文图像哈希.实验结果表明,所提算法在鲁棒性、唯一性和安全性上具有较理想的性能.     

基于张量鲁棒主成分分析的视网膜眼底图像序列变化检测

在计算机辅助诊断系统中,视网膜眼底图像序列的变化检测是一项重要且具有挑战性的任务。针对视网膜眼底图像序列采样帧少、光照干扰大、难以获得稳健的背景模型,提出了一种基于张量鲁棒主成分分析(tensor robust principal component analysis, TRPCA)的变化检测方法。该方法以TRPCA为模型,通过对序列背景扩充,再利用张量分解而获得变化区域：首先,先选择出序列中最接近正常状态的一张图像作为背景模型;然后,通过预处理将单帧背景模型扩张成多帧背景使得背景模型包含更丰富的光照变化;接着,将整个序列建模为一个3维张量体;最后,利用总变分约束背景模型和变化区域的时空连续性,通过Tucker分解分离出背景模型,获得变化区域。实验结果表明,与基于矩阵的鲁棒主成分分析(matrix robust principal component analysis, Matrix RPCA)方法,Masked-RPCA方法以及不加总变分约束的TRPCA方法相比,基于总变分约束的TRPCA方法能够更准确地分离出变化区域,对血管和光照干扰更具有鲁棒性。     

面向屏幕拍摄的端到端鲁棒图像水印算法

目的 在抗屏摄鲁棒图像水印算法的研究中,如何在保证含水印图像视觉质量的同时提高算法的鲁棒性是存在的主要挑战。为此,提出一种基于深度学习的端到端网络框架以用于鲁棒水印的嵌入与提取。方法 在该网络框架中,本文设计了包含摩尔纹在内的噪声层用以模拟真实屏摄噪声造成的失真,并通过网络训练来学习到抵抗屏摄噪声的能力,增强网络生成的含水印图像的鲁棒性;同时引入了最小可察觉失真（just noticeable distortion,JND）损失函数,旨在通过监督图像的JND系数图与含有水印信息的残差图之间的感知差异来自适应控制鲁棒水印的嵌入强度,以提高生成的含水印图像的视觉质量。此外,还提出了两种图像区域自动定位方法,分别用于解决：拍摄图像中前景与背景分割即含水印图像区域的定位矫正问题,以及含水印图像经过数字裁剪攻击后的解码问题。结果 实验结果表明,引入JND损失函数后嵌入水印图像的视觉质量得到了提高,平均的峰值信噪比（peak signalto-noise ratio,PSNR）、结构相似性（structural similarity,SSIM）可分别达到30.937 1 dB和0.942 4。加入摩尔纹的噪声模拟层后,所提算法的误码率可下降1%～3%,具有抵抗屏摄噪声的能力。另外,将图像的R通道嵌入用于抗裁剪的模板,使得算法可有效抵抗较大程度的数字裁剪攻击。本文算法的计算复杂度较低,对单幅图像进行嵌入时,定位与提取操作的总耗时小于0.1 s,可满足实际应用场景的实时性需求。结论 本文算法的嵌入容量和生成的含水印图像视觉质量较为理想,且在不同拍摄距离、角度以及不同拍摄和显示设备条件下的鲁棒性优于已报道的主流算法。     

Feedback control for stochastic finite-time/fixed-time synchronization of stochastic coupled nonlinear systems

A novel feedback control is proposed to investigate the stochastic finite-time/fixed-time synchronization between two stochastic coupled nonlinear systems (SCNSs). Based on graph theory and Lyapunov function methods, some effective stochastic finite-time/fixed-time synchronization criteria for SCNSs are established. Finally, the examples are included to demonstrate our analytical results.