45钢激光相变强化梯度组织研究--激光扫描速度的影响

本文分析研究了 4 5钢激光相变硬化典型梯度分布显微组织的特征 ,以及激光工艺参数 (主要是扫描速度 )对 4 5钢激光相变硬化区梯度组织及其显微硬度的影响     

基于随机森林和XGBoost的网络入侵检测模型

为提高复杂网络环境中入侵检测模型的准确性和实时性,提出一种基于随机森林和极端梯度提升树（XGBoost）的网络入侵检测模型RF-XGB。首先针对随机森林算法计算特征重要性的特点,设计混合特征选择方法高效筛选出最有价值的特征子集;在XGBoost算法中引入代价敏感函数来提高对少样本类别的检测率,使用网格法调参降低模型复杂度。实验仿真结果表明,与其它机器学习算法相比,所提出的模型在具备更高检测精度的情况下减少了50%以上的处理时间,并在噪声影响下具有较好的鲁棒性和自适应性。      

基于随机平均梯度下降和对比源反演的非线性逆散射算法研究

采用非线性对比源反演(CSI)算法求解电磁逆散射问题时,在每次迭代过程中都涉及到求解散射场数据关于对比源和总场的微分,即Jacobi矩阵,该矩阵求解导致算法存在计算代价大和收敛速度慢等问题。该文在CSI框架下,采用一种基于随机平均梯度下降的对比源反演算法(SAG-CSI)代替原来的全梯度交替共轭梯度算法来重构介质目标介电常数的空间分布信息。该方法在每次迭代中只需计算随机抽取的部分测量数据在目标函数中的梯度信息,同时目标函数对未抽中的测量数据的梯度信息保持不变,用以上两部分梯度信息共同求解出目标函数的最优值。由模拟数据结果表明,该方法与传统CSI方法在成像精度相比拟的情况下,降低了计算代价并提高算法收敛速度。

     

基于跨层设计的无线传感器网络节能双向梯度路由算法

针对现有无线传感器网络梯度路由算法在下行路由创建过程和能量更新机制中存在冗余控制开销的问题,该文提出一种采用跨层和功率控制机制,具有节能功能的双向梯度路由算法(Cross-layer Energy-efficient Bidirectional Routing, CEBR)：无需使用专门的控制分组,采用源路由方式以较小开销建立从Sink节点通往传感器节点的下行路由;通过跨层信息共享,定期采集节点剩余能量信息并按需发布;设计使用含跳数和节点剩余能量的合成路由度量标准,减少节点能量和网络带宽消耗的同时均衡节点能耗;结合RSSI(Received Signal Strength Indication)测距实现节点发射功率控制从而在数据及查询分组发送过程中节约节点能量。理论分析表明了CEBR的有效性;仿真结果显示：与现有的典型相关算法相比,CEBR能够在建立双向梯度路由的前提下,至少降低34.5%的归一化控制开销和27.12%的数据分组平均能耗,并使网络生存期延长18.98%以上。     

光学元件损伤暗场图像中的目标自动提取研究

基于光学元件损伤暗场成像图像的特点以及每个像素与周边的梯度关系,选择灰度——梯度对共生矩阵为研究模型,该模型集中反映了损伤图像中两种最基本的要素——灰度信息和梯度信息(边缘)。利用该模型产生准则函数,在信息论中最大熵原理基础上,应用文中改进的二维最大熵算法能自动确定最佳分割阈值,实现了对暗场图像的分割。该算法能够准确的从光学元件损伤暗场图像中提取损伤目标,为目标识别、精确定位和损伤大小的精确计算等后续处理提供依据。为了验证该算法,试验中对多个光学元件损伤暗场图像进行了处理分析,试验表明,该算法分割得到的损伤目标与实际相符,误差在检测的范围之内,为大型光学系统中光学元件损伤的在线、自动化检测提供了一种有效的技术途径。     

基于不完全分解预优共轭梯度法的电源和地线网络求解器

在超大规模集成电路的电源和地线网络的设计中,求解由该网络上每个节点的电压和每条边上的电流是最基本的运算,它对电源和地线网络拓扑结构设计和线宽优化算法的质量具有直接的影响.针对电源和地线网络的特殊性,提出了一个高效的电源和地线网络求解器,包括电路网络中树结构的合并与恢复和用不完全分解的预优共轭梯度法来求解节点电压方程.该求解器的运算速度很快,所耗费的内存很小,同时具有很强的鲁棒性.     

基于多结构多尺度形态学梯度的医学图像边缘检测

边缘检测在医学图像处理中占着至关重要的位置,检测的准确性将直接影响诊断和治疗。本文针对传统边缘检测算子对噪声敏感的不足,结合医学图像的特点,提出了一种形态学梯度运算的修正算法。首先由闭一开运算完成图像预处理以滤除噪声,再作闭运算平滑图像,最后对平滑的图像作多尺度的形态学梯度运算,得到噪声存在下的理想边缘,并将其用于医学图象的边缘检测。实验结果表明,该算法具有良好的边缘提取能力,抗噪性能良好,具有一定的实用性。     

基于局部Fisher判别法的电镜下致密沉积物自动识别

本文提出一种在电子显微镜图像中有效检测致密沉积物的方法.致密沉积物在电子显微镜图像中较难分辨,使用传统的SIFT,ORB或者SURF特征检测及描述算法往往难以达到理想的效果.运用传统计算机视觉处理流程,如,SIFT特征提取器以及描述器来进行特征提取,再建立bag-of-words全局特征向量,最后使用支持向量机来进行分类,在进行致密沉积物的分类操作中难度比较大.本文选择了实用LBP特征提取器来提取高反差度的纹理特征,使用梯度直方图特征提取器来提取轮廓特征,同时使用Schimid滤波器组和Gabor滤波器组来提取图像中的常规纹理特征,形成超高维度的特征向量使其包含显微镜图像中的全面特征.由于电子显微镜图像不具备色彩信息,纹理信息变得最为重要,又由于在显微镜图像中,尺度基本可知,LBP以及HOG能非常有效地提取高反差轮廓特征以及质地特征.配合两大纹理滤波器组合将可以确保特征向量在强调高反差特征的同时,不会忽略常规纹理信息.在特征提取出来后使用局部Fisher判别分析来降低特征向量的维度,并选择最具有可区分性和有效的特征.LFDA能够进行无指导的降维,并保留最具可分辨性的特征,对于本文提出的算法至关重要.由于在之前产生的特征向量对所有的特征并不进行强弱区分,经过LFDA后,不重要或者具有广泛普遍性的特征将会被舍弃,而最能够代表致密沉积物的特征将得以保留.这保证了之后的分类器训练能够在不牺牲训练速度的前提下,有效地形成分类区间.最后,算法使用了probabilistic boosting tree来对训练样本进行训练,PBT是按照等级划分的决策树,每一个节点是一个强决策器,它具有不易过度训练、高效准确的特征,通过输入LFDA处理后的训练样本特征向量,来学习得到致密沉积物的分类器.为验证本文提出的方法的可行性,一个包含50张电子显微镜图像的数据库被用于实验中.在这50张电子显微镜图像中,每一张都包含不同数量的沉积物区域.沉积物区域的总数约为500处.这些区域被精确标记.如果算法输出的沉积物标记与人工标记区域的重合率达到50%以上,认为该区域被准确识别,否则认为未能识别.在实验中,10张电子显微镜图像被用于神经网络的训练,而其余40张被用于测试.训练样本为100×100分辨率的图像块,只要图像块中包含沉积物区域,则视为正样本,否则视为负样本.为了增加样本个数,所有正样本被进行了旋转、平移、以及放大和缩小等变换.在训练中,一共500个正样本及约15000个负样本被输入到PBT.实验结果显示,本文提出的方法能够有效地在真实电子显微镜图像中识别致密沉积物,识别效率接近50%.该结果证明利用LBP特征以及Schimid滤波器组和Gabor滤波器组来提取显微镜图像特征能够全面概括图像中个体的显著性特征,比起单纯使用SIFT以及SURF具有更高的通用性、鲁棒性以及有效性.对于从显微镜图像中提取出来的高维度特征向量,使用局部Fisher判别分析法能够非常有效地实施降维操作,从而保留了显著性的具有区分功能的特征以便更有效的训练分类器.而probabilistic boosting tree对于只具有少量训练样本的训练任务能够相当有效地收敛且避免过度拟合的情况发生.本文提出的处理流程适用于大多数基于显微镜图像下的目标识别、分类以及再识别任务,且具有速度快、高鲁棒性以及易于扩展等特点,具有较高的实用性.     

基于积分投影的图像快速配准算法研究

提出了一种基于积分投影技术的抗噪声实时图像配准算法.该算法通过将图像序列中的每一帧图像分别沿水平和垂直方向进行积分投影形成两个积分投影向量,并应用基于梯度的一维平移估计技术处理,从而精确地获取二维空间上的平移量.实验证明,该算法具有较好的抗噪声性能和较小的计算量,尤其适合硬件实时实现.     

基于直方图信息和灰度偏移网格的数字减影图像灰度矫正算法

本文首次提出一种利用数字减影图像直方图信息和灰度偏移网格进行灰度矫正的新的矫正算法.该算法能够有效去除灰度失真带来的蒙盈片灰度级差异,使减影图像丢失的细节信息得以重现.通过分析减影图像直方图,提取其中的灰度偏移量信息,有效消除了减影图像中的灰度级噪声.首次提出灰度偏移网格,较好地解决了数字减影图像灰度矫正过程中减影质量与矫正速度的矛盾.