基于神经网络的电子地图最优路径研究

现阶段电子地图的应用已经深入到各行各业,最优路径的查找及规划作为GIS的一个关键问题,成为研究的一个难点,本文提出一种基于Hopfield神经网络的方法来解决地图最优路径问题。以物流配送中的车辆路径最优化为例,先根据Hopfield神经网络模型研究基于Hopfield的最优路径算法,然后探讨和验证该算法的可行性、实用性,最后通过算例分析对该方法进行验证。     

基于软件复用技术的电子地图应用系统研究

介绍了软件复用技术,提出了实施基于构件的软件复用技术的关键技术,进而结合信息系统的特点进一步研究了基于领域的软件构件技术。利用面向对象分析方法和面向对象建模语言（UML）,对电子地图应用软件系统进行了分析和建模,进而提取构件,并按照COM构件规范实现构件。     

基于循环神经网络的散焦图像去模糊算法

近年来,基于深度学习的运动模糊去除算法得到了广泛关注,然而单幅散焦图像去模糊算法鲜有研究。为针对性地解决单幅图像的散焦模糊问题,提出一种基于循环神经网络的散焦图像去模糊算法。首先级联两个残差网络,分别完成散焦图估计和图像去模糊;随后,为了保证散焦图和清晰图像的深度特征可以更好地跨阶段传播以及阶段内相互作用,在残差网络中引入LSTM（long short-term memory）循环层;最后,整个残差网络进行了多次迭代,迭代过程中网络参数共享。为了训练网络,制作了一个合成散焦图像数据集,每一张散焦图像都包含对应的清晰图像和散焦图。实验结果表明,该算法相较于对比算法在主客观图像质量评价上均有显著优势,在复原结果中具有更锐利的边缘和清晰的细节。对于真实双像素图像散焦模糊数据集DPD,该算法相比DPDNet-Single在峰值信噪比（PSNR）和结构相似性（SSIM）上分别提高了0.77 dB、5.6%,因此所提方法可以有效处理真实场景散焦模糊。     

基于群智感知的街景变化检测方法

移动群智感知数据包含的图像和时空情境信息可用于检测街景图像变化,但是群智感知数据通常是低质和不规范的。为了准确检测街景发生的变化,主要解决由拍摄视角差异引起的数据低质问题。首先,针对大视差问题采用图像配准方法初步对齐图像并提取出配准特征点;然后,基于配准特征点分布从图像中提取感兴趣区域;随后,针对差值图像的误检内容,提出基于面积和多特征点的筛选法去除误检区域;最后,结合边缘检测和超像素分割算法提取完整的变化对象。与MDFNet方法进行比较,实验结果显示：当街景发生变化时,该方法的F1-measure值为55.8%,增长6%,错误率为10.8%,降低24%;当街景无变化时,该方法的错误率为2.8%,下降28%。     

基于双缓冲机制的多尺度导航电子地图显示设计

为了提高电子地图数据的精度和画面显示的速率,对地图数据格式加以改进,新增isvl参数准确标识出被描绘数据情报的尺度,对检索的数据缓存做了优化性能管理,依据地图数据的格式提出了坐标变换、数据解析和描画范围定位的准确算法,采用双缓冲机制绘制地图;经实验证明,使用该套方案实验的结果,具有以下特性:1)高精度,多尺度;2)画面合理的表达了空间关系;3)支持实时动态快速显示;可应用到电子地图的研发中。     

Chaos-based joint compression and encryption algorithm for generating variable length ciphertext

Here we modify a chaos-based joint compression and encryption algorithm previously proposed by us. Two modifications are suggested for improving the compression performance and generating ciphertext with variable length, respectively. The first goal is achieved by counting the number of distinct symbols visited by the chaotic search orbit, rather than the total number of iterations of the chaotic map. The second objective is realized by introducing a user-chosen parameter to determine the ratio between the search and the mask modes. The performance of the modified algorithm is justified by simulation results using standard test files.     

基于神经网络的聚类方法研究

针对常用聚类方法不能有效处理噪声数据的问题,本文结合神经网络具有自适应性的特点,提出基于神经网络的聚类(NN_Cluster)模型,并设计了基于自适应共振理论的神经网络聚类模型(ARTNN_Cluster)和基于自组织特征映射的神经网络聚类模型(SOMNN_Cluster)。标准数据集上的实验结果表明,与传统的K_means聚类方法相比,本文提出的基于神经网络的聚类模型有效地克服了传统方法的噪声问题,得到了较好的聚类效果。     

基于相位谱和调谐幅度谱的显著性检测方法

针对目前视觉注意选择领域中的谱残余方法(SR)显著图对比度较差、细节显著性检测效果不理想的问题,通过分析图像频谱特性与显著性的关系,提出了一种基于频谱分析的显著性区域检测方法。该方法通过保留傅里叶相位谱并对幅度谱进行分段非线性调谐,达到抑制图像冗余信息、增强图像显著性信息的效果。实验结果表明,本文基于相位谱和幅度谱调谐(PTA)的显著性检测方法得到的显著图较SR方法对比度更高,对显著细节的检测效果也更明显。     

飞行仿真系统数据可视化设计与实现

研究飞行仿真系统结果数据可视化,为验证分析飞行仿真系统结果的正确性,需要对仿真系统输出的飞行性能数据进行实时在线观测并与标准数据进行对比分析。针对飞行仿真系统对飞机飞行数据实时观测的需求,设计了一种可实时观测的飞行仿真数据可视化方案。在建立仿真系统模型的基础上,为了提高系统的可靠性和优化数据结构,提出了新的数据结构和曲线生成算法绘制实时曲线,实现了数据的可视化观测,避免了实时绘制过程屏幕的闪烁和曲线出现的锯齿。并结合飞行仿真特点,利用MapX组件技术加载了具有导航台的全国地图,对传统的电子地图显示进行了改进,实现了飞机在地图上的实时航迹观测。仿真结果表明,系统能够实时观测仿真结果并分析系统误差,实现飞行仿真数据的可视化,并可验证飞行仿真系统的正确性。