基于覆盖技术的异步时序电路设计

该文根据动态卡诺图的原理,提出了异步时序电路设计的新方法-基于覆盖技术的异步时序电路设计法。该方法采用α,β覆盖,不仅可通过卡诺图直接得出整个电路的次态方程,而且与传统的异步时序电路设计方法相比,成本更低、功耗更低、延时更少。     

KKM映射和KKM型定理及其相关结果

简要介绍古典的KKM映射的演变过程和KKM理论的发展历史,并给出利用KKM型定理得到的最近的一些重要研究成果,以进一步了解和掌握并研究KKM理论．     

基于GPS数据及车辆运行特性分析的单车路段行程时间估计

针对现有的基于浮动车单车路段行程时间估计方法的不足,提出了一种基于GPS数据及车辆运行特性分析的单车路段行程时间估计方法。该方法主要进行了3个方面的改进:①对地图匹配模块中节点附近GPS点采用了相邻点联合匹配的方法,提高了匹配的效率;②针对不同情况下车辆在边界点前后运行特性的不同,对车辆通过边界点时间进行相应处理,提高了车辆通过路段边界点时间的估计精度;③对车辆个体在运行中因受到干扰而停车现象进行了分析,并对干扰停车予以有效剔除,降低了估计中车辆个体行为对估计结果准确性的影响。最后用出租车GPS实验数据进行了验证,结果证明了本文方法的有效性。     

保域上矩阵可交换｛1｝-逆的线性映射

设F是一个特征不为2且至少含有5个元素的域.令Mn(F)为F上的n×n全矩阵代数.刻画了Mn(F)上保持矩阵可交换{1}-逆的线性映射的形式.利用保幂等结论证明了f为Mn(F)上的保持矩阵可交换{1}-逆的非零线性映射,当且仅当存在P∈GLn(F),使得f(A)=εPAP-1,A∈Mn(F),ε=±1∈F;或者存在P∈GLn(F),使得f(A)=εPAtP-1,A∈Mn(F),ε=±1∈F.     

切比雪夫序列初值精度有限时退化为周期序列

深入研究并分析切比雪夫序列的短周期现象,并通过数学证明,对于任意整数阶切比雪夫序列,在初值角度取有限小数时必会退化为短周期序列. 首先,通过证明得到切比雪夫序列退化为短周期序列的等价条件;然后,利用分类讨论的思想证明任意整数阶切比雪夫序列在初值角度取整数时,必会退化为短周期序列;最后,通过数学归纳法将这一结论扩展到任意有限精度初值上,得出切比雪夫序列在初值精度有限时退化为周期序列.     

无定位图的预测误差差值扩展可逆数据隐藏*

将Tian差值扩展技术应用于彩色图像中,提出一种利用预测误差差值进行扩展嵌入的彩色图像可逆数据隐藏算法。针对传统差值扩展技术存在过分修改像素灰度值、须嵌入定位图等缺点,首先利用色彩分量间的相关性减小差值,并将差值扩展量分散到两个色彩分量中;其次,对直方图平移技术进行改进,使得同等嵌入率下图像质量达到最佳;最后由两个色彩分量中像素的预测值之和决定可用于扩展嵌入的像素,无须保存溢出定位图,提取端在提取信息时可无损地恢复原始图像。实验结果表明,与其他算法相比,该算法在同等嵌入率下可取得更好的图像质量,算法复杂度     

结合显著度图和自适应能量线的快速图像缩放*

针对Seam Carving图像缩放方法中能量函数的局限性和动态规划算法的复杂性,提出了一种基于图像内容的快速图像缩放方法。结合基于视觉注意力模型的显著度图,完善图像内容的能量描述;同时,提出一种基于图像内容的粗、细能量线自适应机制,与层次加速动态规划一起,加速缩放效率。仿真实验结果表明,该算法在有效保护图像内容的同时,降低了算法的计算复杂度,减少了图像缩放时间。     

显著性检测指导的高光区域修复

目的为解决传统的基于光照模型的高光修复算法无法很好地对高光区域存在饱和现象的单幅图像进行处理这一问题,提出一种显著性检测指导的高光区域修复算法。方法首先在亮度空间应用显著性模型,实现高光区域的自动检测和标记,之后运用改进的Exemplar-Based算法,综合利用图像的邻域和边缘信息,对标记的高光区域进行自适应修复,去除图像中的高光。结果分别对仿真及自然场景下的高光图像进行测试,实验结果表明,与原修复算法和传统高光去除算法相比,所提算法的修复效果更符合人眼视觉、修复后的图像质量更好。结论本文算法与Exemplar-Based算法及Tan方法相比,对高光区域存在饱和现象的单幅图像有较好的修复效果,并且有效地克服了传统高光去除算法受光照模型限制的缺点。     

基于自适应权值滤波的深度图像超分辨率重建

目的 越来越多的应用都依赖于对真实场景深度图像的准确且快速的观测和分析。飞行时间相机可以实时获取场景的深度图像,但是由于硬件条件的限制,采集的深度图像分辨率较低,无法满足实际应用的需要。为此提出一种结合同场景彩色图像通过构造自适应权值滤波器对深度图像进行超分辨率重建的方法。方法 充分发掘深度图像的非局部以及局部自相似性先验约束,结合同场景的高分辨率彩色图像构造非局部及局部的自适应权值滤波算法对深度图像进行超分辨率重建。具体来说,首先利用非局部滤波算法来有效避免重建结果的振铃效应,然后利用局部滤波算法进一步提升重建的深度图像质量。结果 实验结果表明,无论在客观指标还是视觉效果上,基于自适应权值滤波的超分辨率重建算法较其他算法都可以得到更好的结果,尤其当初始的低分辨率深度图像质量较差的情况下,本文方法的优势更加明显,峰值信噪比可以得到1dB的提升。结论 结合非局部和局部自相似性先验约束,结合同场景的高分辨率彩色图像构造的自适应权值滤波算法,较其他算法可以得到更理想的结果。     

基于自适应聚合与深度优化的三维重建算法

针对现有基于多视图的三维重建方法未充分考虑像素点在其余视图的可见性,从而导致重建完整度不足,且在弱纹理和遮挡区域重建困难等问题,提出了一种应用于高分辨率的三维重建网络。首先提出了一种引入可见性感知的自适应成本聚合方法用于成本量的聚合,通过网络获取视图中像素点的可见性,可以提高遮挡区域重建完整性;采用基于方差预测每像素视差范围,构建空间变化的深度假设面用于分阶段重建,在最后一阶段提出了基于卷积空间传播网络的深度图优化模块,以获得优化的深度图;最后采用改进深度图融合算法,结合所有视图的像素点与3D点的重投影误差进行一致性检查,得到密集点云。在DTU 数据集上与其他方法的定量定性比较结果表明,提出的方法可以重建出细节上表现更好的场景。