平面图形的静矩与惯性矩关系系数研究

为研究液体危险品道路运输的液罐半挂车上下坡时,因系统的质心位置变化,导致整车性能和侧向稳定性降低引发的翻车事故问题,以斜立式圆柱罐体系统为研究对象,结果表明罐体系统的稳度仅取决于罐内液体在坡面上投影的力学性质。引入平面图形的静矩与惯性矩关系系数,可将系统稳度的立体问题简化为平面问题。当不考虑平面质量时,系数具有标度变换不变性、定轴平移不变性以及垂直轴等值性;当质量均匀分布时,系数仍具有标度变换不变性,即无论是否进行标度变换,它的静矩与惯性矩关系系数总保持不变,且与不考虑质量时相同。     

基于平行注意力机制的对抗样本防御方法

为降低对抗样本的影响,提高分类模型在遭受攻击威胁下的精度,利用哺乳动物视觉系统工作原理,结合注意力机制,提出一种新型防御对抗样本模型PSCAM-GAN(Parallel Spatial and Channel Attention Mechanism Adversarial Generative Network)。该防御模型在通过编码器获得对抗样本的特征图后,使用平行注意力机制提取特征图中的个体和位置信息,然后在保证这些特征不变的情况下,重新调整特征图的权重,通过解码器产生净化结果。该方法能在清除恶意扰动的同时保持净化结果与输入的一致性,有效降低对抗样本对模型精度的影响。在CIFAR-10和MNIST数据集上,PSCAM-GAN面对多种对抗样本攻击时的防御效果超越了其他基于预处理的防御方法,能有效提高模型的健壮性。     

测量型工业CT系统关键技术研究与应用

工业计算机断层成像(Computed Tomography,CT)以其在非接触、无破坏的条件下对于待测物体内部结构进行高分辨率三维成像的优势成为实现全尺寸测量的有力工具.然而在实际应用中,工业CT在测量精度、可重复性、误差控制、数据采集效率等方面还有待进一步的突破与提高.为此,该项目通过深入探究X射线成像的物理机制,挖...     

臆想世界:明代犀牛的形象失真

商周时期,犀牛曾生活在华夏平原地区,但随着气候、人口等原因逐渐在北方绝迹,其形象也开始失真.然而,明代初期朝贡活动频繁,宫廷曾多次获得域外贡犀,但朝廷官员在极有可能见到真实犀牛的情况下,所绘犀牛仍然出现失真现象.此外,同时期不同类别文本中的犀牛图像完全不同,存在颇多疑惑.本文从博物学角度剖析犀牛图像如何失真、为何失真以...     

源重构近远场变换的探头补偿算法

源重构近远场变换方法在天线测量、天线诊断以及成像等方面的应用越来越多.该方法将待测天线的近场分布等效为包围待测天线的一个平面上的磁流作用,从而进行近远场变换,但现有源重构方法由于没有合适的探头补偿算法而精度较低.对此,首先根据互易定理给出等效磁流和探头接收信号之间的积分方程;然后用矩量法将其转化为矩阵方程,并求解出磁流分布;最后得到待测天线的方向图.波导探头测量喇叭天线的例子表明：所提方法得到的方向图的均方根误差仅为现有无补偿方法方向图均方根误差的1/3,该探头补偿算法准确有效.     

基于图论的视觉显著模型的图像哈希算法

近年来,图像哈希算法在多媒体安全领域引起了广泛的关注,已成功应用于社会事件检测、复制检测、数字水印等领域,但许多算法在鲁棒性和唯一性之间没有达到很好的平衡,针对这个问题,本文提出了一种基于图论的视觉显著模型的图像哈希算法。该算法首先通过GBVS模型构造预处理后图像的视觉显著图,然后通过Logistic混沌映射生成位置映射数组,最后对数组数据进行哈希加密并得到最终的哈希值。利用公开的数据集去验证该算法的性能,结果表明该算法可以抵抗常见的数据操作,其分类性能也优于某些文献算法。     

基于特征值反问题下的图像修复

图像的分割与修复是图像识别技术的关键所在。图像数据在计算机中以矩阵的形式存在,结合特征值反问题对缺损图像所生成的缺损矩阵进行修复。首先提出两类新的特征值反问题,提供唯一解证明的方法;其次将问题的解法应用于缺失图像的修复并分析图像修复的效果。     

改进的量子彩色图像中值滤波算法

图像处理任务中广泛应用中值滤波器来平滑图像和消除幅度极大或极小的噪声,并且可以保持图像的边缘特性,不会使图像产生明显模糊。提出一种改进的空间域量子彩色图像中值滤波算法,并且在IBM Q(international business machines quantum)平台上进行仿真。该算法将量子彩色图像进行存储,利用量子比较器模块、量子控制交换器模块、中值计算模块和阈值模块设计量子彩色图像中值滤波的量子线路。相较于已有的量子彩色图像中值滤波算法,在进行中值滤波之前加入了阈值进行噪声判断,该算法滤波效果更好,同时时间复杂度也更低。     

基于LVQ神经网络的水果图像分割研究

由于传统边沿检测算子在水果颜色多样、亮度不均匀时,难以分割得到完整、无噪声的二值图像且依赖优化的阈值,本研究提出了一种基于LVQ神经网络的水果图像分割方案。首先将彩色图像转变为灰度图像;然后对Canny算子获得的边沿图像随机选取一些像素作为网络的学习监督信号,仅以灰度图像中相同位置像素3×3邻域的Kirsch算子梯度值作为输入,训练权值;最后重新将原灰度图像的Kirsch算子梯度值输入到训练好的网络中,获得封闭的边沿并填充得到二值图像。考察了14幅像素为640×480的水果图像,结果表明：网络在很宽广的阈值范围内（0.001 ~ 0.99）分割得到完整、一致的二值图像;面积误差最小为0.9%,最大为8.83%,不依赖于优化的阈值,不需要对原始图像滤波预处理。与没有阈值及滤波的算法相比,本方案的误差和时间复杂度均更低;与设置了阈值和/或滤波的算法相比,本方案与之相当,甚至效果更优。