钎焊磨粒测量系统中的显微图像快速融合

为了直观地表征钎焊砂轮表面磨粒的形貌,针对钎焊磨粒测量系统中显微镜头景深小,难于一次性清晰成像的问题,提出基于聚焦评价函数的磨粒显微图像快速融合方法.以聚焦评价函数的最大值为依据判别聚焦像素点,提取聚焦像素点颜色信息进行图像融合.针对特殊照明条件造成的融合误差进行误差补偿,对融合结果呈现的雾化现象,采用暗通道先验法进行去雾处理.实验结果表明:单颗磨粒137幅1 600 px×1 200 px显微图像融合过程用时5.10 s;文中方法可快速、直观地表征钎焊砂轮表面磨粒形貌.     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

非线性波动方程的强迫振动

本文讨论了ｕｔｔ的系数为Ｒ（ｘ,ｔ）的带非线性阻尼项的高维非线性双曲方程的强迫振动周期解的存在问题。另外还讨论了这类方程解的渐近性质     

从现象学看现当代西方文论科学神话的破灭

现当代西方文论对于科学性的普遍意义格外迷恋。现象学运动的兴起便反映了这种对科学性的推崇。胡塞尔以现象学还原得出先验主体为这种科学神话确立基础,现象学文论则以再现作者意识深层结构达到批评的完全中立来响应这一科学神话。海德格尔、萨特、庞蒂、利科却分别从时间性、存在主义、主体间性、诠释学等方面消除了先验主体的地位。德里达则解构了现象学的客观科学性根基。现象学文论所迷恋的普遍意义这一科学神话也就破灭了。     

基于视频图像理解的中国象棋棋子识别

提出了一种基于视频图像理解的中国象棋棋子识别算法.在检测视频图像无变化基础上,检测棋子变化,利用棋子的先验信息及象棋规则排除无法行棋点,再通过当前帧图像与前两步棋子图像特征识别出实际行棋的棋子.该算法避免使用二值化门限,对光照、阴影等外界环境的变化具有良好的适应性.     

基于逐级信息恢复网络的实时目标检测算法

随着卷积神经网络的发展,目标检测算法成为计算机视觉领域的研究热点,基于深度学习的实时目标检测算法需要同时兼顾检测精度和检测速度两项指标.不基于先验框的实时目标检测算法CenterNet大幅提高了检测速度,但是由于其直接对低分辨率高层特征进行连续上采样,没有充分补充特征在下采样过程中丢失的空间细节信息,导致算法对目标定位...     

贝叶斯框架下的模糊图像盲去卷积算法

为了去除图像模糊的同时,保持图像边缘等细节信息,需要对原始图像和点扩散函数进行准确的估计.在贝叶斯框架下,基于总变分模型,建立原始图像和点扩散函数的先验模型,同步估计原始图像和点扩散函数.对于总变分模型不可微分的问题,在不影响速度的前提下,用迭代重加权范数算法处理该问题.基于共轭分布理论,提出以伽马分布作为未知参数的先验模型,准确估计参数.实验表明该算法在对原始图像、点扩散函数和参数准确估计的基础上,成功地解决了模糊图像的盲去卷积问题,算法的速度和效果都得到了改进.与同类算法相比,本文提出的算法具有一定优势.     

多先验决策者打赌模型的类BAS性质

讨论了具有双边私人信息的多先验决策者的打赌模型的类ＢＡＳ性质,与Ｓ．Ｍｏｒｒｉｓ的假定和结论进行了比较,并给出了数学描述．     

有一定物理基础的核素浓度预测神经网络模型

为解决突发核电事故后使用机理模型预测放射性液态流出物迁移扩散,需长时间迭代计算的不足,提出了一种新型混合神经网络模型,该模型耦合了描述液态流出物在受纳水体中迁移扩散的组分输运方程和神经网络模型,采用并行多种群混合进化粒子群算法计算神经网络权值与阈值.论文以湖北咸宁大畈核电站受纳水体富水水库为研究对象,对事故工况下长半衰期核素迁移扩散进行模拟预测,研究结果表明有一定物理基础的神经网络模型是一种有效、可行的预测模型,预测结果与机理模型的模拟输出拟合度较好,新模型较传统的黑箱神经网络模型以及基于单调型先验知识的神经网络模型具有更强的泛化性能改善能力.     

基于统计的图像压缩感知低复杂度还原方法

提出了一种基于图像统计信息的低复杂度高性能压缩感知还原方法.通过分析自然图像在小波表示下能量的分布特点,建立指数衰减模型,并将其作为统计先验应用于还原算法中.还原算法分为列(行)方向还原,行(列)方向还原两步骤进行,同时引入包含图像小波域能量统计先验的权重矩阵,并约束还原结果符合该权重矩阵的能量分步特点.根据实际应用的不同,该方法包含两种不同复杂度的还原策略,分别为一次直接(one-time direct,OTD)还原和两次迭代(two times iterative,TTI)还原.OTD策略在两步骤中均使用相同的权重矩阵,还原速度较快;TTI策略在第2步还原时通过二次迭代修正权重矩阵以获得更精确的还原结果.实验表明：OTD还原速度较传统方法有大幅度提高,同时还原质量也有所提升;TTI在OTD基础上以牺牲一部分还原速度为代价,获得了更好的还原质量,同时还原速度较传统方法亦有提高.