Diffusion tensor interpolation profile control using non-uniform motion on a Riemannian geodesic

Tensor interpolation is a key step in the processing algorithms of diffusion tensor imaging (DTI), such as registration and tractography. The diffusion tensor (DT) in biological tissues is assumed to be positive definite. However, the tensor interpolations in most clinical applications have used a Euclidian scheme that does not take this assumption into account. Several Rie-mannian schemes were developed to overcome this limitation. Although each of the Riemannian schemes uses different metrics, they all result in a ‘fixed’ interpolation profile that cannot adapt to a variety of diffusion patterns in biological tissues. In this paper, we propose a DT interpolation scheme to control the interpolation profile, and explore its feasibility in clinical applications. The profile controllability comes from the non-uniform motion of interpolation on the Riemannian geodesic. The interpolation experiment with medical DTI data shows that the profile control improves the interpolation quality by assessing the reconstruction errors with the determinant error, Euclidean norm, and Riemannian norm.     

复杂场景实时目标检测方法

针对含有非平稳背景的复杂场景,提出一种基于空间混合高斯模型的实时目标检测方法.该方法以混合高斯模型作为颜色分布的统计框架,并在空间邻域中利用背景与前景隶属度之间的竞争确定像素的归属,提高了检测准确率;同时通过基于偏差均值的匹配判断和低权重模型的移除提升了混合高斯统计框架的性能,以实时地对运动目标进行准确的检测.实验结果表明,文中方法对非平稳背景有很好的适应能力,在检测准确率和运行效率上均优于其他检测方法.     

LTE下行MIMO模式自适应切换算法

由于用户在各种不同场景下采用不同的MIMO模式可以达到不同的传输效果,为了使用户达到平均吞吐量和频谱效率的最佳要求,提高系统传输率,研究了TDD LTE系统下行MIMO模式切换技术。搭建TDD LTE下行业务控制信道PDSCH仿真平台,对MIMO传输模式进行仿真实验,通过比较不同模式下的误码率和吞吐量的仿真结果,确定切换门限,提出MIMO模式自适应切换算法。在实际应用中,根据这种算法自适应地配置适合的MIMO技术,可以最大限度的提高系统频谱利用率,此方法优于单独采用一种MIMO技术达到的传输效率。     

多分辨率点状地标实时渲染研究

大规模点状地标的高性能实时渲染是地理信息系统和计算机图形技术面临的一项具有挑战性的难题。采用多分辨率的技术是解决上述问题的有效方法,其本质是通过动态控制显示的规模获得最佳的显示效果和性能。根据不同层次分辨率的点状地标的空间分布特点,提出一种基于空间分割和视点高度的显示规模控制方法,推导了帧时间计算公式,由此确定最佳空间分割尺寸。通过两个不同层次点状地标的空间分割和性能测试,给出了最佳空间分割尺寸,验证了基于空间分割的多分辨率点状地标渲染方法的正确性和有效性。     

局部特征表征的6D位姿估计算法

为解决有纹理模型在遮挡条件下6D位姿估计精确度不高的问题,提出了一种局部特征表征的端到端6D位姿估计算法。首先为了得到准确的定位信息,提出了一个空间—坐标注意力机制（spatial and coordinate attention）,通过在YOLOv5网络中加入空间—坐标注意力机制和加权双向特征金字塔网络（bidirectional feature pyramid network）,YOLOv5-CBE算法的精确度（precision）、召回率（recall）、平均精度均值（mAP@0.5）分别提升了3.6%、2.8%、2.5%,局部特征中心点坐标误差最高提升了25%;然后用 YOLOv5-CBE算法检测局部特征关键点,结合3D Harris关键点通过奇异值分解法（singular value decomposition）计算模型的6D位姿,最高遮挡70%的情况下仍然可以保证二维重投影精度（2D reprojection accuracy）和ADD度量精度（ADD accuracy）在95%以上,具有较强的鲁棒性。     

基于线性回归的无线传感器网络链路质量估计方法研究

针对无线传感器网络链路质量估计模型中回归算法复杂度高、缺少统一分类标准和公开数据集等问题,提出了一种基于EWMA和线性回归的链路质量估计方法ELR-LQE。以物理层获取的RSSI、LQI和SNR,以及包接收率PRR作为度量参数,分别在多种实验环境中采用不同的发射功率、竞争条件和部署方式采集数据,建立了链路质量估计数据集。通过最小值填充和EWMA对数据进行预处理,明显提高了回归模型的输入特征与链路质量的相关性。与现有方法相比,提出方法易于和网络层协议适配,并且复杂度较低,适合在资源有限的无线传感器网络节点中实现。实验结果显示,ELR-LQE具有较高的精度,在多种实验条件下平均的ME为4.6×10-2,R2为0.99。     

青藏高原东南部径流特征的空间规律及控制因子研究

采用青藏高原东南部的水文气象资料,对比分析了该地区23个(区间)流域的年径流深、集中度与集中期、基流系数、退水系数等径流特征及其空间分布规律,并进一步研究了这些径流特征的控制因子。结果表明:该地区径流特征的空间分布规律为年径流深从东南(700~1 300 mm)向西北(<400 mm)递减,而集中度则呈相反的空间格局(从<0.44增加到>0.59);退水系数及基流系数,在低海拔地区随高程增大而增大(分别为0.55~0.69、0.51~0.73),但在高海拔地区则随高程增大而减小(0.74~0.42、0.79~0.63)。本研究发现,青藏东南径流特征空间规律的控制因子,具有显著的区域分异:在低海拔流域(平均高程<3 000 m),降水是径流特征的主要影响因子;而在高海拔流域(平均高程>3 000 m),仅径流深和集中度受降水控制,其他特征则主要受温度、冻土、地形等条件的共同影响。可见,由于青藏高原东南部降水和冻土对气候变化敏感,该地区水资源时空分布格局将面临很大的不确定性,对此应予以充分重视。     

滦河上游植被指数NDVI及EVI对SPEI的响应差异

在全球气候变化和人类活动的双重影响下,干旱呈广发、频发态势,使植被生长受到限制,进而影响生态系统结构,威胁区域生态安全。以滦河上游为研究区,基于2000-2019年归一化植被指数NDVI和增强型植被指数EVI,并结合标准化降水蒸散指数SPEI,分析滦河上游气象干旱和植被生长状况的变化趋势及空间分布特征,探讨植被变化对多时间尺度SPEI指数的响应差异。结果表明：近20年滦河上游SPEI呈波动式增大趋势,年尺度SPEI增大速率为0.040 1/a;干旱面积总体减少,减少速率为-1.430 4％/a;NDVI和EVI空间分布特征和变化趋势大体一致,植被覆盖度呈东南高西北低的特征,NDVI和EVI增大速率分别达0.027/a和0.026/a;大部分区域SPEI与植被指数呈正相关,其中NDVI对SPEI-3的响应最强,EVI对SPEI-6的响应最强,总体上EVI与SPEI的相关性强于NDVI;草地对气象干旱最敏感,农田次之,林地最弱。     

一种雷达和摄像机的空间标定方法

多传感器融合技术已经广泛应用在智能汽车环境感知领域中;雷达和摄像机的空间标定是伴随信息实时融合的道路检测技术的基础;结合智能汽车的实际应用,提出了针对激光雷达和摄像机的空间标定方法;通过特制的标定板来获得雷达数据和图像数据,选取激光雷达坐标系作为世界坐标系,通过参数拟合的方法来求取图像坐标系与雷达坐标系的变换关系,进而实现两种传感器的空间配准;该方法只需要标定板就能够完成激光雷达和摄像机的空间标定,标定精度高,实现了多个传感器世界坐标系的统一,避免了后续处理中数据解释的二义性;实验结果表明这种方法简单准确,满足系统要求。     

A new hybrid approach for dynamic continuous optimization problems

A new hybrid approach for dynamic optimization problems with continuous search spaces is presented. The proposed approach hybridizes efficient features of the particle swarm optimization in tracking dynamic changes with a new evolutionary procedure. In the proposed dynamic hybrid PSO (DHPSO) algorithm, the swarm size is varied in a self-regulatory manner. Inspired from the microbial life, the particles can reproduce infants and the old ones die. The infants are especially reproduced by high potential particles and located near the local optimum points, using the quadratic interpolation method. The algorithm is adapted to perform in continuous search spaces, utilizing continuous movement of the particles and using Euclidian norm to define the neighborhood in the reproduction procedure. The performance of the new proposed approach is tested against various benchmark problems and compared with those of some other heuristic optimization algorithms. In this regard, different types of dynamic environments including periodic, linear and random changes are taken with different performance metrics such as real-time error, offline performance and offline error. The results indicate a desirable better efficiency of the new algorithm over the existing ones.