运动模糊图像的判定与恢复

为消除图像由于摄取时的相对运动所造成的模糊和失真,将未被降质的原始图像视为各向同性的一阶马尔可夫过程,利用双线性插值和3×3方向微分算子,采用先粗后细的方法,从降质图像中粗略确定运动模糊方向范围后,再高精度鉴别其具体数值.然后将降质图像旋转至水平轴,将二维问题简化为一维问题.这种优化后的模糊运动方向鉴别方法具有鉴别范围大、稳定性好的优点,既克服了Yitzhaky方法的不足又减少了计算量,提高了精度.再利用模糊图像模糊带内像素点之间的相关性估计模糊尺度,由运动模糊方向和尺度这两个参数得到点扩散函数,然后用滤波的方法得到恢复效果良好的复原图像.     

曲柄摇杆机构慢行程最小传动角位置分析

针对曲柄摇杆机构的最小传动角γmin均出现在快行程的特点,只有找出慢行程中的最小传动角γ′min,对判断机构的传力性能才具有实际意义.经过分析得出了Ⅰ型曲柄摇杆机构慢行程的最小传动角γ′min出现在曲柄与连杆拉直共线,重叠共线及曲柄与机架拉直共线三个位置中的一处,Ⅱ型曲柄摇杆机构慢行程的最小传动角γ′min出现在曲柄与连杆或曲柄与机架重叠共线的位置.     

“性”与进化

世界上为什么会有“性”,也就是说为什么人分为男人和女人,动（植）物会有雄性和雌性？也许你觉得这个问题很荒唐,这本是天经地义的事。《圣经》上不是说过,上帝先造男人,怕他孤独,又从男子身上取了一根骨头造了女人,造物之神就是这样造就自然界生命的。当然,造物之神是不存在的,生命的出现是地球环境变化的产物,是“性”结合的产物。大家知道,“性”活动时,男（雄）性产生的精子与女（雌）性产生的卵子相互结合而受精,此时,精子所携带的ＤＮＡ（基因）注入到卵子中。然后,精子与卵子的ＤＮＡ配成对,双方的基因进行重新组合…     

地铁区间隧道在地面爆炸荷载作用下的数值模拟

为了考察炸弹在地面爆炸时对地铁区间隧道的影响,应用LS-DYNA软件分析了在地铁上方不同当量装药爆炸时地铁区间隧道的动力响应.模型中考虑了隧道衬砌周围介质中锚杆对介质的锚固作用,得到不同情况下地铁区间隧道的位移、速度及应变时程曲线,并据此进行地面爆炸时地铁区间隧道的安全评估.计算结果表明:地铁区间隧道的顶部和底部中央是比较容易出现破坏的位置,在距离地面1.5 m处100 kgTNT当量炸药爆炸时地铁区间隧道是安全的.     

水面图像目标检测的强语义特征提取结构

针对船舶航行场景多样、船载视觉传感器获取的实海域水面图像信息复杂、难以提取目标的有效特征等问题,提出了一种用于水面图像目标检测的强语义特征提取结构.首先,在骨干网络中使用可变卷积,使卷积采样点具有平移量,适应目标的几何变换,拥有自适应感受野;然后,在特征金字塔中使用基于语义信息的特征重组,通过全局语义信息自适应聚合特定...     

浅谈网络游戏盈利模式

1．概念及现状 网络游戏是利用TCP／IP协议,以Internet为依托,可以多人同时参与的游戏项目。网络游戏有两种存在形式：一是必须链接到互联网才能玩,而单机状态则不能玩,这种形式有的游戏需要下载相关内容或软件到客户端,有的则不需要;第二种则必须在客户端安装软件,此软件使游戏既可以通过互联网同其它人联机玩,也可脱网单机玩。     

变压器铁心常见故障及相应措施

列出变压器铁心制造中常见故障,分析产生的原因,给出相对应的解决措施。     

基于ADμC 812的生理参数测试仪设计与实践

介绍了一个集MCU系统、传感器应用及信号采集与处理于一身的电子综合设计课题。讨论了基于ADμC 812的生理参数测试仪设计方案,重点讨论了系统的设计、元器件的选择及其软件的设计。给出了系统的原理框图以及系统软件流程图。实践证明,该系统既可满足电子综合设计集中实践教学的需要,亦适用于工程实际应用,并具有较好的研究开发前景。     

安徽：从“粮煤钢”到“合芜蚌”——一个传统农业省的科技突围

正自主创新,能给一个传统农业省带来什么改变?据统计,2011年前10个月,安徽汽车出口19.5万辆,占全国总出口量的29%,数量与价值均位居全国各省(直辖市、自治区)第一。前10个月,安徽四大家电产量达6806万台,其中冰箱产量全国第一,空调、洗衣机全国第二。     

基于数据关系的SVM多分类学习算法

提出一种基于数据关系(Data Relationship,DR)的多分类支持向量机(Support Vector Machine,SVM)学习算法(Multi-Classification SVM Algorithm Based on Data Relationship,DR-SVM).DR-SVM算法根据每类数据的关系(如向量积等)获取子学习嚣的冗余信息,从而优化多分类器组,然后通过经典的SVM算法训练分类器组.算法在简化分类器组的同时可对多类数据分类问题获得满意的泛化能力,在标准数据集上的实验结果表明,与经典的SVM多分类方法相比,DR-SVM具有更好的泛化性能,尤其对单个类别精度要求较高的数据尤其有效.