基于频域、时域相结合的自适应图像超分辨率重建

基于最大后验概率(MAP)的超分辨率(SR)重建的研究重点是规则化项的选择,且其大都在频域中实现,为此提出一种基于频域、时域相结合的图像SR重建方法.首先,根据不同图像的特点,定义了频域规则化项(FR)和时域规则化项(TR);然后,给出了图像重建模型,引入频域、时域自适应权值来加强算法的自适应性;最后,运用共轭梯度法推导出重建迭代计算公式.实验表明,所提出的算法具有良好的收敛性和精确性.     

斯堪尼亚将向中联重科交付新一批重卡底盘

近日,中联重科向斯堪尼亚订购了375台重型卡车底盘用于混凝土泵车上装。该订单将在2012年4月交付。斯堪尼亚凭借独有的模块化生产系统,为中联重科量身定制一款坚固的卡车底盘,以最大程度的满足其对车身和操控方面的需求。该卡车底盘可以以最大扭矩每天连续工作14 h。     

基于深度SSD改进模型的传动设备状态在线监测研究

针对现有传动设备在线监测算法存在的检测精度地、效率差等问题,提出一种基于改进SSD网络模型的在线检测算法。先对故障集进行预处理,通过滤波调制、共振解调等环节滤除原始故障集的噪声干扰;以VGG-16为基础设计了SSD网络结构,同时增加了辅助卷积层和预测层;对SSD网络模型进行改进,引入了注意力机制模块和特征增强模块,改善模型各层的数据共享性能同时提高了模型的数据训练效率;基于通道拼合方式对故障数据进行多尺度特征融合,并优化SSD模型的各层金字塔结构,以更好的匹配先验框及选择最佳的损失函数。实验结果显示,提出算法的传动设备故障检测率达到98.8%,同时算法的检测效率也优于现有算法。     

基于滚动时域控制的无人机机动博弈决策

针对无人机机动决策计算复杂等问题,研究基于滚动时域控制的无人机机动博弈决策算法。分割无人机空战时间域,将机动决策问题转化成滚动时域控制下的最优控制序列求解问题;确定无人机系统的状态方程,选取机动过程中的控制变量;建立空战机动决策指标函数,计算敌我双方无人机的态势优势值,获得敌我双方无人机机动态势博弈矩阵,求解双方机动博弈决策的纳什均衡解,实现无人机机动博弈决策,并通过仿真实例验证所建模型的可行性和有效性。     

基于CATIA的RTM复合材料墙式结构装配分层控制研究

RTM墙式结构复材零件通过热工艺一体成型,墙与蒙皮结合界面为胶层,在装配过程中一旦存在干涉,墙与蒙皮结合界面在应力作用下极易产生分层缺陷,而结构内部装配应力难以探测和预防.针对该技术难题,基于CATIA建立分析模型,采用有限元分析方法对模型进行装配仿真,找到分层控制的最佳方案.通过采用单一变量控制法,模拟在不同加载条件...     

结合双重注意力机制的遮挡感知行人检测

针对行人检测算法在交通场景下应用时的遮挡问题,提出一种结合双重注意力机制的遮挡感知行人检测算法。以RetinaNet作为基础框架,在回归和分类支路分别添加空间注意力和通道注意力子网络,增强网络对于行人可见区域的关注;同时引入行人可见边界框信息对传统的回归损失函数进行优化,使其能够随着遮挡程度自适应地调节预测框贡献的权重。在Caltech和CityPerson数据集上的实验结果表明:相较于RetinaNet等8种先进算法,该方法具有较好的鲁棒性和检测精度,尤其是严重遮挡情况下,该算法的对数平均漏检率仅为45.69%,小于其他算法12%以上;此外,该算法能够实现准实时检测,在Caltech和CityPerson上的检测速度分别为11.8 帧/s和10.0 帧/s。所提出的双重注意力机制和遮挡感知回归损失函数的检测方法具有可行性和有效性,对于遮挡行人的处理有显著优势。     

基于显著特征区域和条件随机场的目标跟踪

针对目标跟踪中的遮挡问题,提出一种基于局部显著特征区域和条件随机场模型(CRF)的跟踪算法。利用目标区域中的显著特征区域相互之间的空间位置关系以及时间域上相邻区域的影响,并结合各个显著特征区域自身的局部信息建立目标的CRF模型;利用CRF模型对 Mean Shift算法的跟踪结果进行概率推断,融合各个显著特征区域的权重,精确定位运动目标的最终位置。在多个视频序列上的实验结果表明,与改进的 MS算法、粒子滤波算法以及分块跟踪方法相比,文中算法具有较高的跟踪精度;尤其是当目标被遮挡时,该算法具有较好的跟踪鲁棒性。该算法充分利用了显著特征区域自身的局部特征和区域之间的空间结构信息以及各个显著特征区域在时间域上的约束条件,能够实现复杂情况下的运动目标的鲁棒跟踪。     

六自由度交流式电磁跟踪系统在医学图像中的应用

在医学图像中广泛采用虚拟现实技术对图像的配准和融合来进行三维重构,虚拟现实系统中的六自由度电磁跟踪系统能够提供空间的六个自由度的信息,用来提供图像之间的三维信息,从而实现图像的三维重构.本文研究现有的各种电磁跟踪系统,分析了其不足,提出了一种采用交流信号作激励源的交流式电磁跟踪系统,设计了系统的结构,推导了六自由度算法和提出了滤波相关算法,在此基础上制作了实验系统.实验的结果表明该系统能够提供稳定准确的空间三维信息,达到了理论计算上的要求.该系统提供的信息给医学图像的三维重构提供了指导性的信息,尤其是对脑部的血管三维重构,从而为手术导航带来实际的应用.     

基于自适应双边全变差的图像超分辨率重建

超分辨率图像重建技术就是通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像(或视频序列)来重建一幅高质量高分辨率图像.MAP估计算法是一种广泛使用的统计重建方法.针对标准的MAP算法引入了自适应概念,引入了图像自适应加权系数矩阵;据此给出一种基于自适应双边全变差的图像超分辨率重建算法,该方法不仅能在图像超分辨率重建过程中抑制噪声,而且能锐化图像中的边缘信息;建立了自适应重建模型并用梯度下降法推导出迭代计算公式.实验表明,该算法在收敛性和精确性上都达到了较好的效果.     

结合状态预测的深度强化学习交通信号控制

深度强化学习（deep reinforcement learning,DRL）可广泛应用于城市交通信号控制领域,但在现有研究中,绝大多数的DRL智能体仅使用当前的交通状态进行决策,在交通流变化较大的情况下控制效果有限。提出一种结合状态预测的DRL信号控制算法。首先,利用独热编码设计简洁且高效的交通状态;然后,使用长短期记忆网络（long short-term memory,LSTM）预测未来的交通状态;最后,智能体根据当前状态和预测状态进行最优决策。在SUMO（simulation of urban mobility）仿真平台上的实验结果表明,在单交叉口、多交叉口的多种交通流量条件下,与三种典型的信号控制算法相比,所提算法在平均等待时间、行驶时间、燃油消耗、CO2排放等指标上都具有最好的性能。