基于低秩张量分解的高光谱RX异常目标检测算法

经典的RX异常检测算子假设背景数据信息符合高斯分布,但是由于高光谱图像混有大量的加性噪声,使得图像产生退化,背景信息并不完全符合这类分布。针对这一问题,提出了基于低秩张量分解的高光谱图像RX异常目标检测算法。该方法首先利用高光谱图像的张量数据结构和低秩数据特性,引入低秩张量分解方法对高光谱图像进行数据恢复,使得异常目标信息相比于复杂背景信息变得突出;再利用RX异常检测算子对恢复之后的高光谱图像进行异常目标检测;最后得到异常目标检测结果。通过仿真实验对比,提出的新的异常目标检测方法具有检测精度高、虚警率低和鲁棒性好的特点。     

云计算环境下动态数据聚集算法研究

云计算技术的普及带动了数据的增长,为了对云环境下动态数据进行管理,防止数据损坏甚至丢失,方便后续利用,需要对云计算环境下动态数据进行聚集。但目前大多数算法都是基于线性时间概率计数的数据聚集算法,通过数据聚集操作在中间节点预先对数据进行处理,去除数据冗余,减少数据传输,实现节能,对于云计算环境下数据聚集操作存在的重复计数问题,通过研究对副本不敏感的概要结构并优化某些特性,从而完成数据聚集,但这种方法存在占用的存储空间较大,且不能保证动态数据聚集的准确性的问题。为此,提出一种基于粒子群优化算法的云计算环境下动态数据聚集算法,该算法通过对云计算环境下动态数据聚集算法数学模型进行分析,在此基础上,提出基于粒子群优化算法的云计算环境下动态数据聚集算法。首先对云计算环境中的动态数据结构模型进行分析,完成对云计算环境下动态数据的离散样本频谱特征的计算,实现云计算环境下动态数据聚集样本的特征提取和信息模型构建。针对粒子群算法收敛速度慢的问题,本文通过混沌映射方法对其进行优化,通过生成混沌序列,解决粒子群算法存在的问题,利用粒子群优化算法进行特征聚集,从而完成云计算环境下动态数据聚集算法。实验结果表明,本文所提算法能够有效提高动态数据聚集的可靠性和稳定性,降低聚集时间,减少所占内存空间,具有较强的实践性,为该领域的发展创造了条件。     

复杂环境下运动目标偏振成像检测方法研究

针对低对比度、低信噪比等复杂环境下运动目标检测失检率较高的问题,提出了基于稳定性主成分寻踪的运动目标偏振成像检测方法。首先将预处理后的连续帧偏振图像组合成一个矩阵,依据帧间图像信息相关性,建立了稳定性主成分寻踪数学模型,将该矩阵分解成低秩、稀疏,噪声三部分,其中稀疏矩阵包含了帧间目标信息;再以低秩矩阵核范数与稀疏矩阵1范数的和为目标函数,利用增广拉格朗日乘子法求得目标函数值最小时的稀疏矩阵;最后采用马尔科夫随机场滤除稀疏矩阵中的噪声。实验结果表明,该方法对复杂环境有很好的适应能力,且检测准确率优于其他算法。     

基于快速层次交替最小二乘非负张量Tucker分解的干涉高光谱图像光谱信息压缩方法

提出一种基于快速层次交替最小二乘非负张量Tucker分解的高光谱图像光谱信息压缩算法。首先,将干涉高光谱图像光程差方向的三维信息采用三维光程差方向提升小波变换(3D OPT-LDWT)进行分解,将三维小波子带系数看作三阶非负张量,采用快速层次交替最小二乘非负张量Tucker分解(FHALS-NTD)算法对进行分解,得到核心张量和模式矩阵。对每个模式矩阵进行量化,对核心张量采用比特平面重要系数编码算法进行编码,得出最终的压缩码流。结果表明,此压缩算法可以稳定可靠地工作。与传统压缩算法比较,平均信噪比提高了1.23 dB。有效的提高了干涉高光谱图像压缩性能。     

冰下运动目标主动探测技术研究*

使用主动声呐探测冰下目标时，混响是无法回避的问题。在大面积冰层覆盖的水域中，混响具有强度大、作用范围广的特点，导致主动声呐对目标探测的性能大大下降。本文针对有着强混响的冰下水域这一应用背景，重点研究了基于低秩矩阵恢复理论的冰下运动目标主动探测方法。该方法运用常规波束形成获取多组方位时间历程图像，然后利用低秩矩阵恢复算法分离图像中的混响背景与运动目标。仿真表明不精确的增广拉格朗日乘子法(Inexact Augmented Lagrange Multiplier, IALM)在等间隔直线阵、非等距线阵和均匀间隔圆形阵三种阵型下均有较好的效果。同时与经典的背景差分法做了对比，表明了低秩矩阵恢复算法具有更好的适应性。松花江冰下实验验证了在线阵情况下低秩矩阵恢复算法的实际应用性。     

基于全变分最小化和交替方向法的康普顿散射成像重建算法

康普顿散射成像技术利用射线与物质作用后的散射光子信息对物质的电子密度进行成像.与传统的透射成像方式相比,康普顿散射成像具有系统结构灵活、成像对比度高、辐射剂量低等优势,在无损检测、医疗诊断、安全检查等领域有着广阔的应用前景.但其重建问题是一个非线性的逆问题,通常是不适定的,其解对噪声和测量误差非常敏感.为解决此问题,本文结合全变分最小化正则化方法和交替方向法提出了一种新的康普顿散射成像重建算法.该算法首先将问题对应的TV模型转化为与之等价的带约束的优化问题,然后利用增广拉格朗日乘子法将优化问题分解为两个具有解析解的子问题,并通过交替求解子问题使增广拉格朗日函数达到最小,进而得到重建的图像.在仿真实验中,通过与主流的ASD-POCS方法进行对比,证明了该算法在重建精度和重建效率方面的优势.     

一种基于Sobel与K-means的边缘检测方法

传统边缘检测算子处理结果为边缘锐化的梯度图像,需人为确定阈值获取二值边缘图像,容易造成边缘信息丢失。应用增加了卷积模板的Sobel算子,使用K-means聚类算法基于梯度直方图自适应获取阈值,并分割梯度图像得到二值化边缘,最后对边缘细化与连接。通过使用最大类间方差法检验阈值与边缘检测结果对比分析,该方法自适应梯度阈值定位准确,所得边缘信息丰富度、定位精度、连续性均优于改进Sobel算子,与最佳阈值Canny算子检测结果基本相同,适用于机器视觉均匀稳定照明环境下获取图像的边缘检测。     

基于相位信息的边缘检测在目标识别中的应用

在分析利用相位信息进行图像边缘检测原理的基础上,探讨了基于小波域相位信息的边缘检测方法,并将其应用到环境光强变化的目标识别系统中。该算法不需要设定阈值即可对目标边缘进行可靠的检测。实验结果表明,基于相位信息的边缘检测算法受图像的光照和对比度的影响小,在不同光照度的环境下具有良好的目标识别能力     

稀疏张量约束的低剂量CT图像重建

提出了一种稀疏张量约束重建算法,该方法利用非局部相似的先验信息,将CT图像分割成一系列图像块组;采用张量的多维低秩分解方法,将这一先验信息引入低剂量CT重建中,构造目标函数;通过重建图像更新和图像块组张量稀疏编码两个步骤,交替迭代求解目标函数。基于仿真数据和临床数据的实验结果验证了该算法的有效性,实验结果表明:与经典重建算法相比,所提算法在抑制噪声的同时,能更好地保持重建图像的细节,获得更高质量的图像。     

基于遗传算法的指纹图像分割算法

在指纹技术中,指纹图像分割是图像处理中关键的一步。将遗传算法用于计算指纹图像分割阈值,采用染色体编码的方法并利用赌轮法产生初始化种群,通过选择算子、交叉算子和变异算子的方法实现分割。该方法表明利用遗传算法所得到的阈值进行分割处理能取得较好的效果。     

Research on exponential regularization approach for nonnegative Tucker3 decomposition

Methods of nonnegative tensor factorization (NTF), such as NTF1, NTF2, etc., are extension of nonnegative matrix factorization (NMF) for multi-way data analysis. As an existing NTF method, nonnegative Tucker3 decomposition (NTD) is researched for three-way decomposition in this paper. Firstly, an approach utilizing matrix exponentials built on Tikhonov-type regularization to enforce sparseness is proposed to extract image features instead of exclusively using Tucker tensor decomposition. Meanwhile, updating algorithms, derived from updating rules of NMF, are allowed to efficiently implement updating of mode matrices and core tensors alternatively for accuracy. Then, experimental cases of alternating least squares (ALS) and conjugate nonnegative constraints, called nonnegative alternating least squares (NALS), are studied to remedy data overfitting in computing procedures. Lastly, the proposed method exhibits more advantageous results than other algorithms of Tucker3 for feature extraction, thanks to computer simulations performed in the context of data analysis.     

云计算下石油化工罐区储罐液仪表设计与实现

近年来,随着我国互联网云计算的不断发展,云计算技术被应用于诸多领域。针对传统石油化工领域中储罐液仪表存在的罐内压力检测精准度差、温度感应灵敏度低与储罐液状态数据分析面窄等问题,提出云计算下石油化工罐区储罐液仪表设计。通过大数据运算核心进行框架构建,在此基础上,采用PCJD气流密度差算法、微感热源运算单元与数据流云算技术,对传统储罐液仪表进行设计改进,从问题的根源进行针对性解决。仿真对比试验证明,提出的云计算下石油化工罐区储罐液仪表设计,具有罐内液压力数据反馈精准度高,温度感应灵敏度高、储罐液综合数据分析速度快、数据分析完整度高等优点。     

云计算Hadoop平台的异常数据检测算法研究

近年来,随着我国互联网技术的飞速发展与大规模网络运算平台研究的深入,云平台下的数据处理已成为大规模数据的主要处理方式。但是,现有的云计算Hadoop平台在海量数据异常涌入状态下,常常出现数据逻辑错误、数据链完整性缺失、数据失效的问题,造成无法对上述异常数据进行有效检测处理,严重影响云计算Hadoop平台的数据运算准确性。针对上述问题,提出云计算Hadoop平台的异常数据检测算法研究方法。采用JNS数据采集筛查模组、算法逻辑补偿模组与动态反馈模组对现有的云端计算平台存在的问题进行针对性解决。通过仿真模拟实验证明,提出的云计算Hadoop平台的异常数据检测算法研究方法,具有异常数据识别率高,准确性高,速度快、可实施性强、稳定性好的特点。     

云计算环境下资源调度系统设计与实现

在云计算环境下,对开放的网络大数据库信息系统中的数据进行优化调度,提高数据资源的利用效率和配置优化能力。传统的资源调度算法采用资源信息的自相关匹配方法进行资源调度,当数据传输信道中的干扰较大及资源信息流的先验数据缺乏时,资源调度的均衡性不好,准确配准度不高。提出一种基于云计算资源负载均衡控制和信道自适应均衡的资源调度算法,并进行调度系统的软件开发和设计。首先构建了云计算环境下开放网络大数据库信息资源流的时间序列分析模型,采用自适应级联滤波算法对拟合的资源信息流进行滤波降噪预处理,提取滤波输出的资源信息流的关联维特征,通过资源负载均衡控制和信道自适应均衡算法实现资源调度改进。仿真结果表明,采用资源调度算法进行资源调度系统的软件设计,提高了资源调度的信息配准能力和抗干扰能力,计算开销较小,技术指标具有优越性。     

基于云计算和物联网的网络大数据技术研究

为了使网络大数据应用的范围更广,更大程度地提高网络数据存储与管理精度,减少网络数据处理与控制的时间,需要对网络大数据进行研究。当前的网络大数据研究方法多是采用Hadoop基础架构对网络大数据进行研究,在数据存储中没有设定具体的安全存储指标,无法得到数据安全存储指标权重,存在数据存储安全性能低,网络大数据研究精度偏差大等问题。为此,提出一种基于云计算和物联网的网络大数据研究方法。该方法首先利用分级网络编码对网络数据进行传输,以传输的数据为基础,采用CRC算法实现网络数据的计算,然后依据分组存储的方式将数据进行存储,最后利用分层逆序叠加定位法对网络数据进行高精度查询,由此完成对网络大数据的研究。实验结果表明,所提方法可以全面具体地对网络大数据进行研究,提高了数据处理精度和网络数据计算速度,增加了网络数据存储空间容量和查询效率,减少了网络数据运行时的丢失率,扩展了网络数据的运作范围,为后续网络大数据的研究提供了强有力的依据。     

网络计算环境下大容量数据安全存储策略研究

近年来,随着计算机技术的发展,网络环境下的数据运算能力愈来愈强。加之,大数据时代的来临将人们日常生活、工作、学习的物质化信息转化为数据化关联性链条,通过网络进行大数据资源共享,简化了工作学习的繁杂,提升了工作学习效率。但是,传统的网络储存策略常常出现数据泄露、储存服务器数据溢出等一系列储存安全问题。针对问题产生原因,提出网络计算环境下大容量数据安全存储策略研究方法。通过采用数据修正单元、逻辑补偿单元与节点加密单元,对传统网络储存策略进行动态化针对性解决。通过仿真实验证明,提出的网络计算环境下大容量数据安全存储策略研究方法,具有数据储存响应速度快、反渗透逻辑性强、数据安全级别高、易用性强的优点。     

Hadoop平台下自响应故障感知的检测技术研究实现

当今云计算环境下,Hadoop已经成为大数据处理的事实标准。然而云计算具有大规模、高复杂和动态性的特点,容易导致故障的发生,影响Hadoop上运行的作业。虽然Hadoop具有内置的故障检测和恢复机制,但云环境中不同节点负载大小的变化,被调度的作业仍然导致失败。针对此问题提出自响应故障感知的检测调度方法,对异构环境负载能力的不同,而做出服务器快节点和慢节点的判断,把作业分配调度到合适的节点上执行,调整任务决策来尽可能的防止任务失败的发生。最后在Hadoop框架下与基本调度器进行实验性能比较,结果显示该方法减少作业失败率最高达19%,并缩短了作业执行时间,同时也减少CPU和内存的使用。     

一类高效的数据库系统安全存储策略研究

针对云存储环境下多副本方案存储效率低下的问题,设计了一种高效的数据安全存储策略。该策略采用了并行思想,设计了高效的数据同步存储算法。该算法将用户的存储请求同时转发给多个工作者,由这多个工作者同时向每个副本服务器写入数据。该策略将云端设计为整体协调、并行处理模式,即多个工作者由管理者统一分配调度,各个工作者独立地服务于对应的副本存储服务器,由管理者与用户进行交互处理,并且这多个工作者对用户来说是透明的,该设计模式并没有增加用户使用云存储的复杂度。实验结果表明,本文设计的数据安全存储策略在保证副本冗余的情况下可以有效地降低额外的时间损耗,保证用户读写云端数据的效率不低于单副本情况下的效率。该方案用于云存储环境下高效的数据安全存储是可行的、有效的。     

二维非极性晶体中声学形变势表面磁极化子

本文研究磁场中二维非极性晶体通过形变势与声学声子强、弱耦合的表面极化子的性质。采用线性组合算符和拉格朗日乘子法导出表面磁极化子的基态能量。讨论了表面磁极化子的振动频率、基态能量和有效质量与磁场的关系。     

基于机载激光雷达点云的雪道坡度提取算法

滑雪场的雪道坡度信息不仅是雪场规划和建设所需的必要内容,也是滑雪运动员提高成绩、减少运动损伤的重要数据.传统的手动测量方式费时费力,且雪场的低温环境不利于测量人员长时间作业.为了解决滑雪场的雪道坡度计算问题,提出了一种基于激光雷达点云的雪道坡度自动提取算法.使用投影高程差滤波、聚类分割等算法对雪场点云进行预处理,获取雪...