亮度优化立体视频视觉舒适度评价

结合立体视频帧左右视图的灰度图,采用鲁棒性算法与软剪刀算法相结合的"画笔"方案来提取立体视频帧的前景区域,合成视差图并提取水平视差,计算深度视差;根据主观评价结果建立视差深度-视觉舒适度模型,再结合亮度对视觉舒适度的评价模型进行优化,使模型的评分更接近人类视觉系统的评分;结合人类主观评价实验的结果,用逆向代入法求出模型的系数确定模型,最终实现基于人类视觉系统特性的对立体视频视觉舒适度的评价。实验结果表明:通过视觉舒适度模型计算得到的结果与人类主观评价结果之间的误差率不超过5%,其中大部分视频误差率不超过1%。说明评价模型更符合人类主观感知结果的立体视频视觉舒适度,模型评分更接近人类视觉系统特性的主观实验评分,这为立体视频舒适度的评价提供了参考。     

平面波超声成像中的波束合成方法研究进展*

平面波成像通过单次全孔径发射-接收即可获取整幅图像,将成像帧频显著地提升至1000帧/秒以上。然而,平面波成像过程中发射的非聚焦波束将导致回波信号信噪比降低,进而使图像的分辨率和对比度变差。通过多角度相干复合成像技术可以改善平面波成像的图像质量,但是会以牺牲帧频为代价。因此研究人员们开始将新型波束合成技术引入平面波成像中,例如自适应波束合成、基于逆问题求解的波束合成及基于深度学习的波束合成方法等,以期实现图像质量和成像帧频间更好的权衡。该文综述了平面波成像中的新型波束合成方法领域的研究进展,并对该应用进行了总结和展望。     

基于多域特征提取和深度学习的声源被动测距*

由于实际海洋环境中存在大量的非高斯噪声,一些基于高斯假设的传统去噪方法在实际海洋环境中性能下降甚至失效。针对非高斯噪声,如α稳定分布噪声、非平稳行船噪声下的脉冲信号的去噪与重构,该文提出一种基于深度学习的方法。去噪模型首先通过学习带噪信号短时傅里叶变换谱与残差谱之间的映射关系以去除环境噪声,之后对去噪信号的时频谱进行逆变换重构脉冲信号。仿真实验结果表明,深度学习模型在非高斯噪声环境下脉冲信号的去噪与重构任务中有着良好的表现,在实测样本上也表现出良好的泛化性,体现了一定的工程应用价值。     

统计深度的几何推广

改进统计深度的定义,并将点的深度概念推广到直线与平面的深度,由此得到深度计算的基本定理和深度的一系列性质.最后讨论应用展望.     

创设高三数学课堂对话情境的策略

对话虽然是一种日常的行为方式,但对其实质却有着不同角度、不同深度的理解.后现代课程理论家多尔提出:在这新的后现代,我坚信,我们需要探索并尊重彼此的思想与存在感……为此我提倡一个以会     

基于事件树的方法在长周期原油混输调度中的应用

原油调度是炼化企业生产过程中一个重要环节.在石油炼制过程中,为节约成本,降低原油性质的波动,并保证常减压装置的平稳运行,通常选择多种原油混炼.原油混输调度就是根据生产计划的需求,在满足各种操作约束和保证常减压装置正常运行的前提下,通过调节各种原油的混合比例及油罐的切换次序等,尽可能的降低调度过程的费用.本文首先论述了长周期原油混输调度问题,其中包括原油从油轮卸载到码头原油罐、由码头原油罐通过管道向厂区原油罐输送原油,以及厂区原油罐向常减压装置提供进料等过程.提出了一种与数学规划方法完全不同的基于事件树的方法来解决长周期原油混输调度的建模和优化问题.避免了数学规划方法建模复杂、求解困难等缺点.在本文中,事件树是表示系统在整个调度周期内系统可能状态的图形,其中每一个节点是系统在某一时刻的状态,包含有油轮的工作状态(在海上等待,卸油)、原油罐的工作状态(加油,输油,闲置)、各原油罐所存储原油的类型和储量、输油罐的输油速率等.该方法采用自然语言建模,利用连续时间的表达方法,根据事件发生的时刻来划分时间段,提高了求解的精度.在事件树结构单元的求解上,利用了事件驱动规则,推动事件树的生长.即当有事件发生时,根据事件发生的时刻及相应的事件处理方法,计算出事件发生后系统所有可能的状态,即当前节点的子节点.同时为了降低系统的规模,引入了分解集成策略,把整个调度系统分解为码头调度子系统和厂区调度子系统,对两个子系统进行优化,最终将两部分的最优结果集成起来便可得到整个系统的最优解.在整个事件树的搜索方法上,采用了深度优先搜索算法和剪枝策略来提高算法的搜索效率.通过深度优先搜索方法可快速得到可行解,以得到的可行解中的最优的解作为依据,与后续的解进行比较,可以省略大量节点的计算,极大地提高算法的计算效率.最后通过4个工业规模的例子证明了本方法的有效性.在调度周期为4周,7艘油轮,6个码头原油罐,6个厂区原油罐,2套常减压装置,6种原油类型的情况下,CPU(AMD3000+,2.0GHz)的计算时间不超过70s.     

基于一维卷积神经网络的雌激素粉末拉曼光谱定性分类

拉曼光谱物质定性鉴别已被广泛应用于诸多行业和研究领域,但传统拉曼光谱分析过程中的预处理主要依赖人为经验,光谱特征提取虽然能够降低信号维度,同时也会造成部分光谱信息损失。特性相近物质本身光谱相似度较高,受到测量过程中环境干扰和分析过程中多种误差影响,导致最终分类效果并不理想。针对此问题,提出基于一维卷积神经网络（one-dimensional convolution neural network,1D-CNN）的拉曼光谱定性分类方法。实验采集雌酮（Estrone）、雌二醇（Estradiol）,雌三醇（Estriol）三种不同雌性激素粉末的拉曼光谱,设计随机平移、添加噪声和随机加权三种光谱数据增强方法,构建数量充足的拉曼光谱数据库用于神经网络模型训练与测试;基于拉曼光谱数据特点提出一维卷积神经网络分类模型,将光谱预处理、特征提取和定性分类的全过程融为一体。通过大量仿真实验,优化所提出的神经网络模型超参数和训练过程并测试分类效果,从预处理对光谱分类结果的影响和模型抗干扰性能两个方面与多种传统拉曼光谱分类算法对比,评价模型性能。实验结果表明,本文提出的一维卷积神经网络模型可实现三类雌性激素粉末拉曼光谱快速准确分类,分类正确率最高可达98.26%,分析过程中无需光谱预处理和特征提取步骤,简化了光谱分析流程,并能保留更多有效信息。同时,当模拟测量噪声强度达到60 dBW时,传统方法分类正确率均明显出现不同程度明显降低,卷积神经网络模型依然能够取得96.81%的分类正确率,说明相比对传统拉曼光谱分类方法,所提出方法受光谱测量噪声影响更小,鲁棒性更强,适用于分析更复杂现场测量的强噪声拉曼光谱信号。该研究结果表明深度学习方法在拉曼光谱的分析与处理领域具有很大的应用潜力和研究价值。     

深度卷积网络的多品种多厂商药品近红外光谱分类

近红外光谱（NIR）分析具有分析高效、样品无损、环境无污染以及可现场检测等优点,特别适合药品的快速建模分析。但NIR存在吸收强度弱以及谱带重叠等缺点,需要建立稳健可靠的化学计量学模型对其进行分析。深度卷积神经网络是深度学习方法中一个重要分支,它通过逐层抽取数据特征并进行组合、转换,形成更高层的语义特征,具有极强的建模能力,广泛应用于计算机视觉、语音识别等领域,而在药品NIR分析方面尚未见报道。基于深度卷积网络模型,对药品NIR多分类建模进行研究。针对药品NIR数据的特点,设计若干个面向多品种、多厂商药品NIR分类的一维深度卷积网络模型。模型中卷积层和池化层交叠排列用于逐层抽取NIR数据特征,输出层连接softmax分类器,对药品NIR数据进行分类概率预测。在输出层之前采用全局最大池化层,将特征图进行整体池化,形成一个特征点,用于解决全连接层存在的限制输入维度大小,参数过多的问题。同时,在网络模型中引入批处理操作和dropout机制,以防止梯度消失和减小网络过拟合的风险。在网络模型的设计过程中,通过设计不同的卷积网络层数以及不同的卷积核尺寸大小,分析其对建模效果的影响,同时分析五种经典数据预处理方法对NIR分析的影响。以我国7个厂商生产的头孢克肟片和11个厂商生产的苯妥英钠片样本NIR为实验对象, 建立药品的多品种、多厂商分类模型,该模型在二分类、多分类实验中取得了良好的分类效果。在十八分类实验中,当训练集与测试集比例为7∶3时,分类准确率为99.37±0.45,比SVM, BP, AE和ELM算法取得更优的分类性能。同时,深度卷积神经网络模型推理速度较快,优于SVM和ELM算法,但训练速度慢于二者。大量实验结果表明,深度卷积神经网络可对多品种、多厂商药品NIR数据准确、可靠地判别分类,且模型具有良好的鲁棒性和可扩展性。该方法也可推广到烟草、石化等其他领域的NIR数据分类应用中。     

基于深度约束的声速估算方法*

高精度的声速剖面数据是提高水下定位精度的关键。在无法精确获得声速剖面数据的情况下,该文提出了一种基于深度约束,同时根据浮标与水下目标的空间几何距离进行有效声速估算的方法。通过仿真模拟,将该文提出的方法与加权平均声速法、泰勒级数展开法和等效声速剖面法的定位结果进行对比分析。结果表明,新方法不需要依靠声速剖面数据,通过深度约束可有效地估算出声速值,其定位精度与等效声速结果相当,极大地提高了无声速剖面数据下的水下定位精度。     

复合深度神经网络在直升机声目标识别中的研究

针对直升机探测中目标运动过程连续识别的鲁棒性问题,提出了一种基于复合深度神经网络的直升机声学特征提取和识别框架。复合深度神经网络由卷积神经网络和长短时记忆神经网络以并行结构组合,进行直升机声学特征的优化,完成直升机类型识别。针对直升机声信号特性,对卷积神经网络进行了改进,使得该复合深度神经网络在信号短时谱基础上优化声信号特征表征并提取前后帧之间的相关信息,弥补通常声目标识别方法不能充分利用目标信号时间历程信息的缺陷。真实外场实验数据测试结果显示:相较于传统识别方法,该算法显著提升了直升机进入有效探测范围后连续识别的鲁棒性和目标识别正确率。