Super resolution reconstruction of moving objects from low resolution surveillance video

Construction of high resolution images from low resolution sequences having rigid or semi-rigid objects with unified motions is often important in surveillance and other applications. In this paper a novel object-based super resolution reconstruction scheme was proposed, in which a six-parameter affine model-based object tracking and registration method was first used to segment and match objects among a sequence of low resolution frames. The motion model was then further extended to the traditional maximum a posterior (MAP) super resolution algorithm. The proposed object tracking and registration method was evaluated by both simulated and real acquired sequences. The results have demonstrated the high accuracy of the proposed object based method and the enhanced reconstruction performance of the extended approach.     

Privacy-Preserving Image Template Sharing Using Contrastive Learning

With the recent developments of Machine Learning as a Service (MLaaS), various privacy concerns have been raised. Having access to the user’s data, an adversary can design attacks with different objectives, namely, reconstruction or attribute inference attacks. In this paper, we propose two different training frameworks for an image classification task while preserving user data privacy against the two aforementioned attacks. In both frameworks, an encoder is trained with contrastive loss, providing a superior utility-privacy trade-off. In the reconstruction attack scenario, a supervised contrastive loss was employed to provide maximal discrimination for the targeted classification task. The encoded features are further perturbed using the obfuscator module to remove all redundant information. Moreover, the obfuscator module is jointly trained with a classifier to minimize the correlation between private feature representation and original data while retaining the model utility for the classification. For the attribute inference attack, we aim to provide a representation of data that is independent of the sensitive attribute. Therefore, the encoder is trained with supervised and private contrastive loss. Furthermore, an obfuscator module is trained in an adversarial manner to preserve the privacy of sensitive attributes while maintaining the classification performance on the target attribute. The reported results on the CelebA dataset validate the effectiveness of the proposed frameworks.     

混合动力汽车电机驱动系统传感器故障重构控制

针对混合动力汽车感应电机驱动系统可能存在的传感器故障模式,设计了一个主动容错重构控制系统.该系统能充分利用无故障的传感器信息,最大限度地维持驱动系统的控制性能,并在重构切换过程中,考虑电机转矩和转速的平滑过渡问题.此外,为提高车用感应电机驱动系统的性能,基于传统磁场定向控制(FOC)思想设计出一种新型鲁棒性PI控制器来实现电机转矩跟踪;利用滑模控制技术,设计了转子磁链-速度自适应观测器.为进一步提高交流电流传感器故障状态下电机驱动系统的容错能力,提出了用直流电流重构交流相电流的新思路.仿真研究表明,在发生传感器故障时,所设计的电机驱动系统仍能有效地保证车辆行驶过程中的转矩和速度跟踪性能以及系统的稳定性.     

基于VB的数控刨床加工程序的自动生成

数控刨床加工柱型曲面类特型工件时,必须将工件型线采用小直线段来近似逼近,并采用断续插补工作方式.为了避免此类冗长数控程序繁复的人工编制过程,设计了数控刨床程序自动生成软件.该软件能够在人机界面上仅输入已知的曲面型线表达式,然后使用一些字符串处理函数,自动识别表达式并转换为程序计算表达式,计算曲线的坐标点串并加以整理,进而基于此坐标点串,判断刀补情形,决定调用何种合适的宏程序,自动生成加工用数控程序,还可以进行数控加工模拟.该软件已在实际生产中使用,所生成的数控程序符合加工需求,切实可用.     

基于流形学习和梯度约束的图像超分辨率重建

将改进的基于流形学习的超分辨率重建与基于梯度约束的正则化重建结合起来,提出一种新的单帧图像超分辨率重建算法.该算法首先针对基于流形学习的超分辨率重建,提出新的特征提取方法,联合归一化亮度与平稳小波变换细节子带系数两个特征矢量,提高重建性能;然后将学习得到的高分辨率图像作为初始估计,将其梯度作为目标梯度域,进行基于梯度约束的正则化重建,得到最终的高分辨率图像.与现有的一些算法相比,文中算法无论在视觉效果还是客观评价上都具有较好的重建性能.     

基于GPU并行处理的地形三维重建技术研究

介绍了一种基于GPU(Graphic Processing Unit)并行处理的地形三维快速重建算法。该算法利用分而治之的思想,基于CUDA编程框架,首先计算每一点的邻域信息,并在其切平面上进行局部的三角剖分,然后合并形成最终的地形网格。实验结果表明,基于GPU并行化处理的三维重建算法高效、稳定,可以快速的实现结构复杂的大规模地形的三维重建。     

相空间重构延迟时间与嵌入维数的选择

论述相空间重构中延迟时间与嵌入维数之间的关系，提出广义嵌入窗长的概念．分析已有的自关联函数法中的不足，提出一种改进的自关联函数法确定广义嵌入窗长，从而确定出相空间重构的其它参数．同时从时间序列相关程度和不相关程度2个方面进行考虑，克服了自关联函数法的缺点．仿真实验结果验证了该方法的有效性．     

基于混沌理论的矿山边坡岩体变形规律与安全预警系统

通过建立露天矿边坡安全监测系统,采用基于重构相空间的混沌理论揭示露天矿边坡岩体的变形规律,并建立基于重构相空间的边坡岩体变形的混沌神经网络预测模型,实现边坡岩体变形的精确预测,同时根据露天矿开采特征,建立边坡岩体变形的安全预警系统.研究结果表明:露天矿开采过程中,边坡岩体受节理裂隙、开采强度、地下水、地表降雨等多因素的影响,其变形受其内在确定性动力学机制所支配,表现出混沌特性,是边坡工程固有影响因素对边坡岩体综合作用的结果.边坡岩体变形安全预警系统不仅可预测边坡岩体的变形量和所处的安全区域,而且可反映出露天开采强度的合理性,为矿山调节产量和安全生产提供技术保障.     

厚管壁电容层析成像图像重建算法

探讨了适合厚管壁条件下的电容层析成像图像重建算法.针对厚管壁管道内几种不同流型,分别采用LBP算法、Landweber迭代算法和BP神经网络对8电极电容传感器进行成像重建计算.结果表明:在厚管壁情况下,LBP算法重建的图像质量很差;Landweber迭代算法在层流下的重建效果好于核心流和环状流;而BP神经网络算法可以有效重建管道内的介质分布,但对于没有训练到的任意流型,其重建效果不够理想.     

颈动脉MRI成像的实验性研究

目的探讨MR／多序列（TOF、T1WI、T2WI、PDWI）技术显示正常兔颈总动脉方法的可行性及准确性。方法选择普通级雄性新西兰大白兔10只,肌注麻醉后分别对颈总动脉行多序列MRI扫描,完成扫描后以过量注射麻醉药的方法处死兔子取大体血管标本,测量其血管直径作为对照,即选取兔第三颈椎水平同一层面的血管标本及MRI图像,分别测量同一侧颈总动脉的血管直径作相关性分析;同时将T1WI、T2WI及TOF原始图像传人工作站,用MIP及MPR方法进行血管重建分析。结果MRI及病理标本测量血管直径的平均数值分别为（2．37±0．11）和（2．41±0．12）mm,两者相关性具有统计学差异。T1WI、T2WI及TOF的MIP及MPR重建图像质量佳,重复性好。结论联合运用MRI的多种序列成像技术及血管重建技术,可以准确及无创地评价新西兰兔的颈总动脉的直径,血管壁信号,为进一步建立兔颈动脉粥样硬化斑块模型奠定基础。