可自修复的高延性混凝土(ECC)在机场道面的适用性分析

在飞机荷载与环境荷载长期共同作用下,机场道面易出现裂缝、接缝和竖向位移类病害,使运营阶段维修成本高.提出将具有自修复功能的高延性水泥基材料(ECC)用于机场道面,以控制裂缝发展、实现无缝连接;并利用ECC因二次反应而使微裂缝愈合的特性,减少路面维护工作,延长使用寿命.通过试验手段研究了ECC材料应用于机场道面的力学行为、自修复行为和早期开裂潜能.试验结果表明:机场道面用ECC材料在拉伸荷载作用下,其拉伸应变可达3.67％(约为普遍混凝土的400倍);在弯曲荷载作用下,其竖向弯曲变形可达6.33 mm;抗压强度与弯曲强度分别为43.9 MPa和12.68 MPa,可满足机场道面的使用要求.在受约束条件下,ECC表现出较低的早期开裂潜能.由于自修复能力,裂损ECC的拉伸刚度、拉伸应变与拉伸强度几乎可恢复至未裂时的程度;其水渗透系数随自修复进程逐渐降低,最终达到未裂时的渗透水平.研究结果表明ECC材料用于无缝机场道面具有较高适用性.     

基于Petri网的物流派送模型修复分析

目前,模型修复技术应用领域非常广泛,模型修复不仅可以达到完全重放日志的目的 ,还可以最大程度地与原始模型保持相似,能够保留原始模型的价值.因此,越来越多的学者专注于研究模型修复.基于Petri网构建了一个物流派送流程模型,然后将事件日志与流程模型进行一致性检查,主要根据成本对齐测量其偏差,并针对检查到的偏差部分,根据提出的用于辅助模型修复的算法对原始模型进行修复,使得修复后的模型能够完全重放事件日志.最后通过实例分析验证了修复模型的合理性.     

一种从融合颜色信息和深度信息的PNG文件中提取点云数据的方法

使用微软Kinect体感设备对物体三维信息构建时会产生大量的场景彩色信息和深度信息,可在Open CV框架下将Kinect视场下的信息保存为两张PNG格式的RGB图和深度图,为后续的物体三维构建提供原始的数据信息,这种方法使用比较繁琐。针对此问题提出了一种将颜色信息和深度信息融和到一张PNG文件中,隐藏深度信息到Alpha通道并在OpenFrame Works平台下实现了提取三维点云数据的方法。     

数字图像的二重分块置乱算法

针对数字图像的加密置乱问题,利用将图像连续两次分块并分别执行块置乱和像素置乱的二重操作方法,给出数字图像的二重置乱算法。得到的置乱效果相对于传统的仿射变换,具有密钥数量大、置乱效果好、抗统计分析攻击能力强等特点。有效解决了传统二维仿射变换置乱效果较差、效率低等问题。     

双通道多感知卷积神经网络图像超分辨率重建

基于深度卷积神经网络的单幅图像超分辨率重建取得了显著研究成果.但随着深度卷积神经网络规模的不断扩大，如何降低网络构建难度和计算成本成为一个难点.为此，提出了一种双通道多感知卷积神经网络(DMCN)模型.该模型在两条具有不同卷积核的通道上建立了稠密连接，并构建了带有动态调节能力的层间融合结构.这种结构的设计使得小规模卷积神经网络便能获得图片特征信息的全面感知能力.实验结果表明，DMCN重建效果优于目前多数具有代表性的重建算法.     

新型修复用改性土修补性能试验研究

川渝地区有大量生土墙历史文化建筑,其中很多是全国重点保护文物,由于酸雨的侵蚀,这些文物破坏严重,为保护性修复生土墙历史文化建筑,研究在素土里加入水泥、料姜石、环氧树脂等掺和料,制出一种新型的修复用改性土,利用不同配比的掺和料改性土制成土坯试件,并对土坯进行收缩率、色差及耐水性试验研究,发现按照5%(质量分数,下同)水泥、10%料姜石、3%环氧树脂、82%土进行配比的修复用土,具有收缩率小、色差满足要求及耐水性能好的特点.     

一种利用Spark-GPU加速 CT图像重建的设计

目的:进一步解决CT图像重建耗时长的问题,实现大批量重建CT图像.方法:利用大数据框架Spark构建GPU集群.首先对加速滤波反投影(FBP)和同时代数迭代重建技术(SART)算法的复杂度进行分析及并行化设计,并比较在GPU和CPU上的运行速度.通过对比耗时选择最佳的计算组合,实现单机GPU加速.通过thunder工具读取批量的投影数据并创建分布式数据集,使用Numba开发CUDA程序并部署在Spark运行.结果:FBP算法运行速度有近40倍的提升,SART算法运行速度有近10倍的提升.结论:Spark和GPU结合能够扩展Spark的性能,突破单机加速瓶颈,大幅提升计算速度,对于不同的图像重建算法均有良好的加速效果,表明Spark-GPU在图像重建方向有良好的应用前景.     

基于深度图像预旋转的手势估计改进方法

基于深度图像的手势估计比人体姿势估计更加困难,部分原因在于算法不能很好地识别同一个手势经旋转后的不同外观样式.提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)推测预旋转角度的手势姿态估计改进方法:先利用自动算法标注的最佳旋转角度来训练CNN;在手势识别之前,用训练好的CNN模型回归计算出应预旋转的角度,然后再对手部深度图像进行旋转;最后采用随机决策森林(Random Decision Forest, RDF)方法对手部像素进行分类,聚类产生出手部关节位置.实验证明该方法可以减少预测的手部关节位置与准确位置之间的误差,手势姿态估计的正确率平均上升了约4.69%.     

基于FPGA实现的Ferguson双三次曲面插值图像缩放算法

图像缩放作为图像处理中重要的一部分,具有广泛的应用领域。随着科技的发展,实际应用中对图像缩放的质量和速度的要求也随之提高。本文首先在Matlab中实现糖尿病视网膜图像的缩放实验,对比验证了Ferguson双三次曲面插值算法在图像缩放细节处理上的优异表现,然后在擅长以纳秒级速度处理并行数据的FPGA硬件平台上实现该算法,达到了良好的图像缩放效果,这有利于医疗图像处理等工程应用与实践。