任意曲线透视投影的逆变换

透视曲线的逆变换是透视图象三维逆变换的重要基础。本文在给出透视投影逆变换基本方程的基础上，分别提出了圆、椭圆、二次曲线、任意平面曲线的透视投影逆变换的解析方法或计算机反求方法。同时给出灭点信息不足明图象的透视参数的准确反求方法。     

光学分数傅里叶逆变换的无透镜模式

用波前相因子判断法，将球面波照明物体的自由空间菲涅耳衍射光场分布与分数傅里叶逆变换的标准频谱分布进行位相比较，提供了广义条件下光学分数傅里叶逆变换的无透镜模式，给出其光学实现基本单元参量选择的判定法则，计算机模拟实验证明了结论的可靠与可行。     

一个用于VHSIC连接线瞬态分析的电路模拟器

本文介绍了一个可对含连接线的电路进行瞬态分析的电路模拟器,该模拟器是在SPICE基础上经修改扩充而成的,连接线的处理采用了文献[1]的方法.文中介绍了方法的基本原理,讨论了数值Laplace反变换时参数的选择与误差的控制.实际VHSIC电路的试算结果表明,该模拟器是相当有效的.     

图像Laplace变换在异构多核工程科学计算加速协处理器上的实现

基于自主研发的新颖异构多核工程科学计算加速协处理器(ESCA)体系结构,实现了图像Laplace变换算法。针对ESCA架构特点,采用子字并行计算和访存延迟隐藏等机制,进行了一系列并行算法优化,并在四核ESCA处理器原型上对图像Laplace变换算法的进行了性能评测。实验结果表明,对于计算密集型计算任务,ESCA处理器具有良好的计算加速效果。     

基于多尺度相关向量机的城市日用水量预测

为提高日用水量预测精度,提出一种基于多尺度相关向量机的预测模型。通过静态小波分解将用水量非平稳时间序列分解为不同尺度的平稳时间序列,然后在分解后的各子序列分别建立相关向量机回归模型进行预测,最后通过小波逆变换将各子序列预测结果整合得出原始用水量时间序列的预测值。在实例分析中分别利用多尺度关联向量机模型和单尺度相关向量机预测模型对实际用水量进行预测分析。结果表明,前者具有更高的预测精度,可应用于城市日用水量的预测。     

基于计算机图形学的化工污水流量检测方法

化工企业的污水治理存在的主要问题是由于化工污水的含油特性导致传统方法不能有效检测流量等信息。提出了一种非接触、低成本、高稳定性的污水流量检测方法,研究内容包括污水流量在计算机图形学中的表达、污水流量检测模型和水体目标识别算法3个部分：构造双坐标系建立污水流量与摄像机图像在计算机图形学中的数学表达并证明污水流量检测可行性;构建污水流量与水域面积之间的数学模型,利用自然光下水体目标和墙壁等其他目标纹理特征差异性,实现自然图像污水水体目标识别;利用构建的数学模型和水体的识别结果计算出实际的污水流量。基于该方法开发了鲁棒的污水流量检测系统,并在真实场景中进行了实验,结果表明：在不同的天气状况下拍摄的图像,系统依然可以保证95%以上的流量检测精确度;非接触式的检测模式,减少了设备与化工污水之间的接触,增加了设备的使用寿命;文中实验硬件配置下,系统单幅图像的识别平均时间低于100 ms。     

一种精确的袋装粮图像边缘检测算法

基于图像识别的国家储备粮仓袋装粮食数量自动监管与稽核系统的技术核心是智能识别各种粮仓场景图像中粮袋的数量,杜绝人为的弄虚作假。边缘检测是袋装粮图像识别的首要问题,在分析了经典的以及在其基础上进行各种改进的Laplace算子缺陷的基础上,提出了1种改进的Laplace算子,该算子通过设置合理的模板参数克服了原有算子的不足,提高了图像边缘检测的精度。实验结果证明,该算子检测效果优于其他模板,并且能够精确地检测出各种类型的边缘信息。     

基于Laplace谱的图像分类

利用谱能够反映图像的结构特性,提出了一种运用Laplace谱进行图像分类的算法。首先对图像中的特征点构造Laplace矩阵,通过SVD分解得到该矩阵的特征值,再由协方差矩阵,将高维的Laplace特征值投影到低维的特征空间中,最后分别采用BP算法和SVM算法对图像进行分类。通过模拟实验和真实实验,表明不同类序列图像的结构不同,其Laplace谱也不同,而同类序列图像的结构相似,其Laplace谱也相近,因此,Laplace谱与图像的结构之间存在着直接联系,能够作为图像分类的特征样本。实验结果说明,利用Laplace谱表示的图像特征对图像进行分类,具有较高的识别率。     

特征挖掘与区域增强的弱监督时序动作定位

弱监督时序动作定位旨在定位视频中行为实例的起止边界及识别相应的行为。现有方法尽管取得很大进展,但依然存在动作定位不完整及短动作的漏检问题。为此,提出了特征挖掘与区域增强（FMRE）的定位方法。首先,通过基础分支计算视频片段之间的相似分数,并以此分数聚合上下文信息,得到更具有区别性的段分类分数,实现动作的完整定位;然后,添加增强分支,对基础分支定位中持续时间较短的动作提案沿时间维度进行动态上采样,进而采用多头自注意机制对动作提案间的时间结构显式建模,促进具有时间依赖关系的动作定位且防止短动作的漏检;最后,在两个分支之间构建伪标签互监督,逐步改进在训练过程中生成动作提案的质量。该算法在THUMOS14和ActivityNet1.3数据集上分别取得了70.3%和40.7%的检测性能,证明了所提算法的有效性。     

LU分解和Laplace算法在GPU上的实现

随着图形处理器(GPU)性能的大幅度提升以及可编程性的发展,已经有许多算法成功地移植到GPU上.LU分解和Laplace算法是科学计算的核心,但计算量往往很大,由此提出了一种在GPU上加速计算的方法.使用Nvidia公司的统一计算设备架构(CUDA)编程模型实现这两个算法,通过对CPU与GPU进行任务划分,同时利用GP...