合肥市河湖长制工作成效与建议

对合肥市推行河湖长制的现状进行探究,通过总结合肥市河湖现状和合肥市开展河湖长制取得的工作成效,针对合肥市推行河湖长制过程中存在的河湖长职责不够明确、跨界河湖联防联控不到位、河湖长制考核制度不健全、公众参与度较低等问题,提出强化河湖长制履职尽责、推动河湖联防联控联治、健全考核问责机制、推进幸福河湖建设、畅通社会参与渠道等具体建议,为今后合肥市推动河湖长制工作提供参考。     

46家专业市场逆市上涨

2020年,新冠肺炎疫情对纺织服装行业产生深远影响,给专业市场业态带来巨大挑战,我国纺织服装专业市场在传统模式遇阻的行业背景下,克服困难、顺势而为、主动创新,展现了专业市场人的专业性和全局观,实现了逆势上涨. 2020年1-12月,中国纺织工业联合会流通分会(以下称“流通分会”)重点监测的46家纺织服装专业市场(含市场...     

结合显著特征与运动目标滤除的动态场景识别

针对存在运动目标的动态环境,提出一种基于动态目标滤除思想的显著特征提取方法,据此实现基于局部图像特征的场景识别。首先简要介绍基于局部显著图像特征的场景识别方法,然后提出了带动态目标滤除思想的显著特征提取框架,并详细讨论了运动目标检测及提取的实现。实验结果和分析表明,该方法能够有效地过滤环境中的运动目标,提高场景识别的精度。     

国石化IT治理的认识和实践

IT治理是公司治理中关键的一个方面,是信息化建设、管理的科学理论与方法.本文通过中国石化多年的信息化实践,阐明有效地IT治理,对促进企业发展战略目标的实现,提高企业核心竞争力具有重要的现实意义和指导作用.从中国石化IT治理的认识和实践中,总结了中国石化IT治理的指导思想、基本框架,及在IT治理中的主要做法,获得的经验和取得的成效.当前,企业更加注重向信息化管理要效益,通过强化IT治理,能够推动企业信息化高效可持续发展,为企业战略目标的实现提供强有力的支撑     

基于子块显著不相关检验的快速分形图象编码

图象分形编码中，子块搜索匹配的实质是子块间的相关匹配。基于这一认识，针对分形编码计算量过大、编码时间过长的缺点，本文提出先对子块进行显著不相关检验，再进行子块匹配的分形编码方法。其编码速度比基于子块分类的分形编码方法快５～２０倍（对测试图象Ｌｅｎｎａ２５６×２５６×８ｐｐｂ而言），而解码图象质量（ＰＳＮＲ）没有明显下降，压缩比还有一定的提高。     

遥感图像中复杂海面背景下的海上舰船检测

针对遥感图像中复杂海面背景下海上舰船的检测问题展开讨论,在Itti视觉显著度模型的基础之上进行改进,提出一种基于特征显著度图的复杂海面上舰船的自动检测方法,解决了传统的阈值分割方法在遥感图像复杂海面背景下较难将目标与背景分离的问题.在多种不同复杂海面背景下的舰船检测实验中,与传统阈值分割方法比较,本文方法有较高的检测率和较低的虚警率.     

Seam Carving和显著性分析的图像缩放方法研究

提出一种基于Seam Carving和显著性分析相结合的图像缩放方法。通过不断移除（插入）缝合线来实现对图像尺寸的缩小（放大）。通过研究Seam Carving在图像缩放及目标保留移除中存在的问题,已有的基于像素点计算图像能量函数的方法会对某些图像失效,提出一种基于显著性区域求解图像能量函数的SDRS方法。实验结果表明,Seam Carving方法对自然图像的处理能够达到令人满意的效果。Seam Carving方法和SDRS方法的结合,也是一个创新点。     

多尺度分割先验迭代重加权低秩恢复显著性检测

目的 现有显著性检测方法大多只关注显著目标的中心信息,使得算法只能得到中心清晰、边缘模糊的显著目标,丢失了一些重要的边界信息,而使用核范数约束进行低秩矩阵恢复,运算过程冗余。为解决以上问题,本文提出一种无监督迭代重加权最小二乘低秩恢复算法,用于图像视觉显著性检测。方法 将图像分为细中粗3种尺度的分割,从细粒度和粗粒度先验的融合中得到分割先验信息;将融合后的分割先验信息通过迭代重加权最小二乘法求解平滑低秩矩阵恢复,生成粗略显著图;使用中粒度分割先验对粗略显著图进行平滑,生成最终的视觉显著图。结果 实验在MSRA10K（Microsoft Research Asia 10K）、SOD（salient object detection dataset）和ECSSD（extended complex scene saliency dataset）数据集上进行测试,并与现有的11种算法进行对比。结果表明,本文算法可生成边界清晰的显著图。在MSRA10K数据集上,本文算法实现了最高的AUC（area under ROC（receiver operating characteristic）curve）和F-measure值,MAE（mean absolute error）值仅次于SMD（structured matrix decomposition）算法和RBD（robust back ground detection）算法,AUC和F-measure值比次优算法RPCA（robust principal component analysis）分别提高了3.9%和12.3%;在SOD数据集上,综合AUC、F-measure和MAE值来看,本文算法优于除SMD算法以外的其他算法,AUC值仅次于SMD算法、SC（smoothness constraint）算法和GBVS（graph-based visual salieney）算法,F-measure值低于最优算法SMD 2.6%;在ECSSD数据集上,本文算法实现了最高的F-measure值75.5%,AUC值略低于最优算法SC 1%,MAE值略低于最优算法HCNs（hierarchical co-salient object detection via color names）2%。结论 实验结果表明,本文算法能从前景复杂或背景复杂的显著图像中更准确地检测出边界清晰的显著目标。     

视觉注意力模型的改进算法

视觉注意力能够对有限的信息资源进行分配,使感知具备选择能力。引入到图像分析领域,其模型的研究对自动估计图像的感兴趣区具有重要的意义。本文根据人类视觉感知的相关理论,对Itti视觉注意力模型进行了改进。首先,采用局部显著性度量的方法计算显著点的位置,然后融合进化规划和图像采样确定显著区域的大小,并根据注意焦点的转移依次得到一系列的显著区域。实验结果表明,用改进的注意力模型处理自然图像,获得了较为满意的效果。