失败的“美人计”——电影《色·戒》女主人公形象分析

刚刚上映的电影《色·戒》给我们带来了很多思考，女主人公王佳芝的形象是对传统的女革命家形象的一种颠覆，在某种层面上讲是对我们传统观念的一次冲击．这也正是我们要直视的问题：随着时代、社会的发展，多元的价值观与个人追求正在彰显．     

稀土氯化物喷雾热解装置雾化效果的物理模拟

稀土氯化物雾化热解是稀土氧化物制备新工艺,但目前喷雾热解装备雾化效果差,雾化后液滴粒径分布不均匀.本文自行设计了文丘里管喷雾热解反应器,将粒子图像测速技术与MATLAB图像处理技术相结合,研究了气体流量、文丘里管和引流管几何尺寸等因素对雾化效果的影响.结果表明:文丘里管扩散段中较强的回流作用会加剧气液相间的混合碰撞,进一步破碎液滴;而过多的液相携带量容易导致雾滴密度变大,增大了液滴在运动过程中的碰撞几率,致使雾滴尺寸变大.文丘里管反应器适宜的几何尺寸和操作条件为:内径100mm,喉口内径10mm,引流管内径5mm,气相流量20.5m³/h.     

一种基于像素标记的二值图像区域围线追踪方法

在研究了多种二值图像连通区域围线追踪算法的基础上,提出了一种改进型的二值图像连通区域围线追踪算法。该算法在已有围线追踪算法的基础上,通过定义特定追踪方向,使得追踪过程始终按照逆时针或顺时针方向沿着连通区域边缘进行。在追踪过程中对像素点进行多次标记,通过在按照追踪方向确定的像素点基础上判断像素标记值来确定下一次待追踪像素点的选取。由于对像素点进行多次标记,有效区分了一次追踪像素点和二次追踪像素点,解决了追踪过程中出现的追踪间断现象,使得追踪结果呈现一条完整围线。实验结果表明,此方法可以快速有效地完成二值图像连通区域的围线追踪和提取。     

基于自适应池化的行人检测方法

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%～3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。     

面向无人平台的室内精密定位与构图技术

针对无人作战平台在室内等复杂环境下的高精度定位与地图构建问题,提出了一种利用信标锚节点辅助的单目视觉同步定位与地图构建方法,该方法通过WLAN锚节点估计出单目视觉尺度因子并结合视觉传感参数,获取真实尺度空间下的定位位置,并利用因子图模型对WLAN定位和单目视觉定位结果进行最大后验概率准则下数据融合,从而获得精确的位置和构图信息。实验表明：文中所提出的方法较好地解决了传统单目视觉定位中的尺度不确定问题,定位精度达到分米级,扩展了单目视觉SLAM在真实尺度空间中的应用,在复杂环境下的无人侦察、搜救和打击等应用领域具有重要的工程和实践意义。     

基于并行残差卷积网络的图像超分辨重建

针对VDSR模型卷积核单一和DRRN模型不能全局利用的问题,提出了基于并行残差卷积神经网络的联合卷积图像超分辨重建模型。模型首先利用原始卷积层和扩张卷积层融合,建立联合卷积层,然后利用跳跃链接,将多种抽象层次的特征进行融合,最后完成整个超分辨网络的模型构建。提出的模型具有以下优点：①扩张卷积神经网络与原始卷积神经网络融合,在计算机复杂度不变的情况下,可以获取更多尺度的信息,因此具有更强的表达能力;②跳跃链接方式,将抽象层度较低与较高抽象层次的信息融合,获取更多的信息,使得模型具有更强的学习能力。通过在多个数据集上进行实验,模型在大多数任务中与VDSR、DRRN和SRCNN等先进模型相比,IFC值取得了大于0.1的提升。     

基于高频分量修正的图像水印混合方法

针对图像版权保护中图像水印受攻击的鲁棒性问题,提出一种基于高频分量修正(high frequency component modification,HFCM)的图像水印混合方法.在嵌入部分,首先利用高斯低通滤波器对原始图像进行预处理,使用秘钥随机选择多个灰度级,并且构造滤波图像关于这些选择的灰度级直方图;然后引入直方图形状相关指标来选择像素数最高的像素组,并在所选择的像素组和未选择的像素组之间建立安全带.该文提出了一种HFCM机制的水印嵌入方案,将水印嵌入到所选像素组中,以进一步提高鲁棒性.在解码端,基于可用的秘钥识别水印像素组,并从中提取水印.实验结果表明,该文算法对不同的攻击具有较强的鲁棒性,且性能优于其他算法.     

基于CNN的计算机生成图像识别方法

针对计算机生成图像(Computer Generated images, CG)与真实照片(Photograpgh, PG)识别率不高的问题,该文提出了一种改进的卷积神经网络方法来实现CG与PG的识别.该方法首先对识别问题进行卷积神经网络二分类建模,并选择VGG-19网络结构作为基础,建立不同的模型.该方法创新性地引入迁移学习,节省训练时间和大量计算资源,最后使用softmax分类器进行分类.实验结果表明,该文方法对PG图像的识别准确率达到92%.与其他方法比较,该文方法识别准确率最高,说明该文方法具有可行性与有效性.     

基于CFD仿真模拟及PIV粒子示踪相结合法超滤膜组件优化

采用在线监测与水力流体模拟相结合方式,利用数值模拟仿真技术、示踪技术及高速图像采集分析等手段,考察现有超滤膜组件内部的流场分布,并设计出新型超滤膜组件。结果表明,由于超滤膜组件内部流场主要受到布水管布水的影响,布水管上开孔均匀与否将直接影响整个超滤膜组件内部布水的均匀性。与组件UFA-860C相比,设计出的条形孔超滤膜组件因其布水管上有规则地均匀开孔且采用多根布水管组合,在运行时组件内部布水更加均匀,且能够充分利用膜丝的有效面积,从而有效减缓膜污染。     

基于透射率优化和颜色修正的水下图像增强方法

针对光在水中传输时受到水的吸收作用、悬浮颗粒散射作用而产生严重的衰减,导致水下光学图像对比度低、颜色失真的问题,提出一种基于透射率优化和颜色修正的水下图像增强方法。根据水下光学成像模型,采用最小信息量损失原理估计透射率,结合导向滤波提高透射率的估计精度,通过逆求解水下成像模型得到清晰化的水下图像。利用直方图均衡化进一步提高图像对比度,使用白平衡方法修正颜色。实验结果表明,该方法能够有效去除由后向散射引起的模糊,提高图像对比度和清晰度,同时修正色彩不平衡。