面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求，提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method，ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型；然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm，NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化，从而为车载计算任务找到有效的计算迁移策略；最后根据多目标决策准则（multi-criteria decisionmaking，MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution，TOPSIS）选择出最优的计算迁移策略.实验结果表明，ICOM方法能够使车载计算任务在期望时间内完成，同时也保证边缘设备的负载均衡.     

阈值分割在糖尿病性视网膜病变早期诊断中的应用

微动脉瘤和硬性渗出物是糖尿病性视网膜病变重要的早期症状,为了能够准确定位糖尿病性视网膜病变眼底图像中的这两类病损信息,本文提出了一种基于阈值分割的全局和局部相结合的连通分量提取定位方法,利用全局阈值分割去除图像中的无关信息,先从全局角度获取图像中连通分量集合,再使用局部阈值提取和局部连通分量识别方法较精确的定位图像中的病损信息。实验结果表明,本文提出的算法可以较准确的定位糖尿病性视网膜病变眼底图像中的微动脉瘤和硬性渗出物,具有一定推广价值。     

农机报表管理系统的设计与实现

以新疆生产建设兵团农机报表管理系统为例，介绍了基于C／S和B／S模式的农机报表管理系统的设计与实现，并对其系统开发中的关键技术等内容进行了探讨。     

面向服务架构的演化和应用

信息系统的架构随着技术的发展和企业应用的需要在不断地发展变化,每个阶段的系统架构都是为了适应企业的当前应用而采用.面向服务的架构(SOA)同样也是信息技术为满足企业应用要求不断演化的结果.以实际项目为例,分析了随着需求的变化,系统逐步经历的三层架构、B/S和C/S混合架构、点到点web服务集成,到最终采用面向服务架构的...     

虚拟校园全景漫游系统的实现

基于图像绘制（IBR）技术来建立具有真实感的虚拟环境是近年虚拟现实技术研究的热点,其中基于子图像的全景图像拼接技术研究、全景图像的网上浏览和漫游是生成全景漫游系统的关键因素.本文以普通数码照相机拍摄的序列图像为基础,通过柱形全景拼合算法保证全景图的自然、逼真,并给出了全景图浏览器端的实现,该方法成功用于石河子大学虚拟校园的构建.     

基于无人机LiDAR数据的公路路面监测和平整度评价方法研究

低空无人机(Unmanned Aerial Vehicle,UAV)LiDAR(Light Detection and Ranging)是一项新的遥感技术,该技术获取的数据具有高精度、高密度、高效率、低成本的特点,被广泛应用于地形测绘、林业监测、三维建模、道路勘测设计等诸多领域.本文利用该技术对新疆石河子市郊的一处县级道路进行点云与影像数据的获取,经过格式转换、点云滤波、点云分类以及基于不规则三角网插值等处理,得到精细的三维地形表面模型.在此基础上选用国际平整度指数进行路面平整度的空间可视化表达,并依据平整度值进行分等定级从而实现对路面质量的评价;通过选取坑槽、沉陷、裂缝、麻面等不同类型、不同程度的病害、损坏路面样本以及质量较好的路面样本对平整度评价结果进行验证,表明本文评价方法的整体精度为75%,kappa系数为0.65.结果表明无人机LiDAR可作为低等级道路平整度监测的一种新技术途径,所建立的路面质量评价方法能为公路的养护与维修提供决策参考.     

一种基于DCT的地理数据版权保护方法

为了保护地理数据的版权,根据地理数据所具有的特性,提出了一种基于DCT(discrete cosine transform)的地理数据水印算法。该算法对地理数据进行网格化操作以构造空域,实施DCT变换,轻微修改DCT系数,然后实施逆DCT变换,得到修改后的空域,通过调整地理数据中点的分布情况嵌入水印信息。实验结果表明:本算法能抵抗平移、缩放、旋转和化简攻击。     

基于Matlab的图像处理的研究

图像处理是使用计算机对图像进行加工和处理的过程，数字图像处理技术在各个领域都得到了广泛的应用。本文介绍如果利用Matlab来实现图像的处理和识别。并以视网膜中央血管图像为例，说明如果利用Matlab实现图像灰度化和边缘检测。     

基于低空无人机影像和YOLOv3实现棉田杂草检测

目的变量作业是精细农业的核心目标,而杂草快速准确检测是精准除草的先决条件。基于此,本文提出了一种基于改进的YOLOv3模型的棉田杂草快速检测方法。方法首先,利用无人机平台获取0.10、0.29、0.52 cm分辨率的棉花苗期影像,进行正射校正、拼接、裁剪、标注等前期处理,构建3个数据集;其次,通过目标维度聚类、改进模型结构等方法优化YOLOv3网络模型;最后通过对比分析测试结果得到最优模型和最佳分辨率。结果改进的YOLOv3模型应用于0.29 cm分辨率的影像数据对棉田杂草检测效果最好。相较于原始模型,改进的YOLOv3模型杂草检测精度在3个数据集上分别提升了10.62%、12.89%、15.77%,尤其在0.29cm数据集上识别率和召回率分别达到了94.06%、90.26%,同时识别速度可达51帧/s。结论在检测精度和运行速率方面,本文提出的棉田杂草模型均可满足实际农业生产需要。研究成果为精准除草提供了理论基础,同时文中所用方法也可为其他类型的农田地物检测提供借鉴。