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。     

4∶5,7∶8-二异亚丙基-3-去氧-D-甘露-2-辛酮酸(Kdo)甲酯及其对甲基硫苷合成

以D-甘露糖和L-酒石酸二甲酯为原料合成4∶5,7∶8-O-二异亚丙基-3-去氧-D-甘露-2-辛酮酸甲酯及其对甲基苯硫苷衍生物。首先,D-甘露糖通过缩酮反应制得2∶3,5∶6-O-二异亚丙基-D-甘露糖1;然后,L-酒石酸二甲酯2经过氧化水解,磷酰化和硅烷基化制得磷酸酯4。化合物1和磷酸酯4经Wittig-Horner反应缩合得到化合物5,脱除硅基制得4∶5,7∶8-二异亚丙基-3-去氧-β-D-甘露-2-辛酮酸甲酯6,总收率为34%。化合物6通过端基乙酰化和硫取代反应得到硫苷衍生物8,六步总收率为26%。产物结构经NMR和HRMS确证。     

汽油机进气道参数化优化设计

针对汽油机进气道性能对缸内空气流动影响较大、传统经验优化主观性强且效率较低的问题,提出了一种基于气道局部变形及旋转的参数化优化方法。采用控制点对进气道局部变形及整体旋转进行控制从而实现进气道变形的参数化,并采用粒子图像测速对该模型进行了验证。对各控制变量及优化目标进行实验设计及贡献度分析,识别出对流量系数及滚流比贡献度较大的控制变量。以提高流量系数及滚流比为目标,采用第二代非劣排序遗传算法对识别的控制变量进行多目标优化,根据寻优结果得到性能最优的进气道几何模型。结果表明:优化后的进气道在滚流比基本不变的情况下,流量系数由0.490变为0.526,提升了7.35%,优化效果较好。所提方法能够一次性得到接近理论帕累托前沿的最优解集,并根据需求选择最优的进气道几何模型,实用性较强且效率较高。     

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WT-MB方法的OLI图像融合——以宁夏回族自治区吴忠市的OLI图像和P5图像为例

为解决Landsat 8 OLI多光谱图像和CBERS-04 P5全色图像的融合问题,设计了一种基于WT-MB变换的融合方法;以宁夏回族自治区吴忠市的图像融合为案例,从定量评价、目视判读评价和SVM分类精度评价3个方面比较WT-MB变换方法与GS、PCA、MLT、Brovey变换方法的融合效果,然后以总体精度和Kappa系数评判融合图像的分类精度.实验结果表明:WT-MB变换方法在增强融合OLI图像的空间结构信息的同时,更有效地保持原OLI图像的光谱信息,提高了图像分类精度,能够更准确地服务于环境遥感监测.     

基于CS-BP神经网络的舌诊图像颜色校正算法

针对开放环境下舌诊图像采集过程中存在颜色偏差问题,文章提出基于CS(布谷鸟搜索)-BP的舌象颜色校正算法,利用布谷鸟的巢寄生性以及levy飞行机制优化BP神经网络。为了与其他颜色校正算法作对比,文章选择了多项式回归。为了研究不同拍摄环境对颜色校正结果的影响,分别在不同时刻下的室内、室外、白炽灯拍摄环境下,采集带有24色色卡的舌象并应用三种算法对其颜色校正得出结果进行对比分析,采用CIElab色差值指标对这三种算法进行评价,实验结果表明,与多项式回归和BP神经网络算法相比,CS-BP算法的校正效果得到明显提高。     

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.     

基于旋量与包络理论的蛇形机器人安全攀爬

针对正交关节连接的蛇形机器人,文中提出了一种新的基于旋量与包络理论的螺旋攀爬运动研究方法.首先应用旋量理论对蛇形机器人进行运动学建模与求解,以降低传统D-H参数法建模的复杂性;然后基于包络思想分析蛇形机器人在攀爬运动过程中与圆柱杆的接触关系,提出了二值图像表示法来揭示机器人与圆柱杆的包络状态;最后基于弹性包络的分析结果,求得蛇形机器人的螺旋攀爬力,进而提出以安全攀爬力和攀爬系数为优化目标的控制参数优化模型.仿真结果表明,攀爬力与弹性包络状态间具有一致性,从而验证了文中提出的优化模型的正确性.     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。