基于改进稀疏表示正则化的SR重建算法

基于视觉的无人机自主导航过程中,对航路点进行准确识别是引导无人机朝着航路点方向精确飞行的关键。然而,当无人机到达航路点识别距离后,由于机载图像传感器受天气因素及成像过程中的脱焦、衍射等现象影响,常导致获取到的航拍图像模糊、空间分辨率较低,从而直接影响了后续航路点识别的精度。针对这一问题,提出了一种改进稀疏表示正则化的航拍图像超分辨率重建算法。首先,基于稀疏表示正则化框架,利用自回归和非局部相似约束构建目标函数的正则化项;其次,根据图像局部方差能有效区分图像的边缘区域和平滑区域这一特性,自适应地选取正则化参数得到超分辨率重建模型中的目标函数;最后,使用MM (Majorization-Minorization) 算法求解目标函数的凸优化问题,得到重建后的高分辨率图像。实验结果表明:与传统的正则化SR重建算法相比,文中算法能够有效的提高航拍图像的空间分辨率,使得重建后的图像包含了更多的特征细节信息,这为航路点识别提供了帮助。     

基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀)

针对复杂背景下,依靠高超声速飞行器搭载的红外探测器对高动态空中目标的可靠探测和精确识别问题,提出了一种基于深度空时域特征融合的空中多形态目标检测方法。设计了加权双向循环特征金字塔结构提取多形态目标静态特征,并引入可切换空洞卷积,增大感受野的同时减少空域信息损失。对于时序运动特征的提取,为了抑制复杂背景噪声的同时将角点信息集中到运动区域中,通过特征点匹配法生成掩膜图,之后进行光流计算,根据计算结果设计稀疏光流特征图,利用3D卷积提取多个连续帧图像中包含的时序特征,生成三维时序运动特征图。最后,通过对图像静态特征与时序运动特征进行通道维度的拼接,实现深度空时域特征融合。大量的对比实验表明,文中方法可明显减少复杂背景下的虚假识别概率,具备高实时性的同时目标识别准确率达89.87%,满足高动态下的红外目标智能检测识别需求。     

一种基于遗传算法的VDSM IC电源网格动态IR-drop分析新方法

提出了一种用于超深亚微米集成电路电源网格IR-drop验证的新方法.该方法以遗传算法为基础,与已有的分析方法相比,该方法兼具静态IR-drop分析法和动态IR-drop分析法的优点,适用于包含大型组合模块的超大规模集成电路,可主动寻找电路中最大IR-drop.通过对ISCAS85电路实现的验证,发现了静态分析法不能发现的芯片边缘IR-drop问题.实验结果验证了该方法的正确性与有效性.     

Platform Symphony帮助花旗

花期集团采用了Platform Symphony这一专为满足金融机构的独特需求而开发的网格解决方案建立计算网格。Platform Symphony专门用于在可扩展、共享、异构的网格中运行分布式应用服务。它充分利用可用的计算资源,提高并行应用的运行速度并快速得到计算结果。Platform Symphony采用了效率极高的低延迟架构,提供了足够高的     

基于稀疏表示的体域网节点休眠策略

针对无线体域网(WBAN)节点电池能量有限和不易更换电源的问题,提出一种基于稀释表示分类算法的节点休眠策略(NSS-SRC)。当WBAN节点采集的人体生理信号处于正常范围时,采用稀疏表示理论对测试样本信号进行识别,根据识别结果滤除不需要传送的正常信号,将WBAN节点转换为休眠状态,并延长节点休眠时间,从而减少节点数据传输量。通过NS2软件对节点延时和能耗进行仿真分析,结果表明,在生理信号通常处于稳定范围的WBAN中,与传统TDMA,BCMAC相比,NSS-SRC策略能有效降低能耗和延时。     

超图在网格任务调度中的应用

针对网格计算中任务调度的特点和目标,阐述了目前网格任务调度的现状,结合超图理论,对超图理论在网格任务调度中的应用进行总结,最后针对目前超图任务调度提出相关问题和研究展望。     

一维非等温可压缩Navier-Stokes-Korteweg方程组稀疏波的整体稳定性（英文）

可压缩Navier-Stokes-Korteweg方程组可用来描述具有内部毛细作用的粘性可压缩流体的运动.本文研究了毛细系数依赖于密度、粘性系数和热传导系数依赖于温度的一维非等温的可压缩Navier-Stokes-Korteweg方程组Cauchy问题解的大时间行为.利用基本的L~2能量方法,我们证明如果相应的Euler方程组的黎曼问题存在稀疏波解,那么所考虑的一维可压缩Navier-Stokes-Korteweg方程组存在唯一的整体强解,并且当时间趋于无穷大时,此强解趋向于稀疏波.这里初始扰动和稀疏波的强度都可以任意大.     

基于多特征和改进稀疏表示的高光谱图像分类

为了实现对高光谱图像的分类,提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征,求解稀疏系数,同时增加一个2范式约束,利用所得系数得到每个测试像素的最终类别标签。实验结果表明:所提MFISR方法对小样本的检测效果显著,分类性能稳定且较优。     

鲁棒稀疏重构问题的凝聚同伦算法

鲁棒稀疏重构问题是信号处理领域的重要问题,该问题的数学本质是一个NP难的数学优化问题.同伦算法是一类典型的路径跟踪算法,该算法是解非线性问题的一类成熟算法,具有全局收敛性,且易于并行实现.本文考虑同伦算法在鲁棒稀疏重构问题中的数值求解.基于l_∞范数及罚函数策略,我们首先将原始的基于l_0范数的最优化模型,转化为含参数的无约束极大极小值问题,进而构造凝聚函数光滑化模型中的极大值函数,并构造凝聚同伦算法数值求解.数值仿真实验验证了新方法的有效性,为大规模鲁棒重构问题的并行化数值求解奠定基础.