基于先验知识的单幅图像雨雾去除方法

单幅图像雨雾去除是计算机视觉研究的热点之一,现有的去雨方法往往需根据雨的特性恢复图像,忽视了场景中的雾以及场景深处雨累积的影响。提出了一种新型单幅图像去雨雾方法,设计了一种基于先验知识的三阶段单幅图像去雨雾框架。首先,将深度图作为图像透射率的引导,利用暗通道先验知识对输入图像的低频部分去雾,然后,采用残差网络学习高频雨痕特征,最后,引入条件生成对抗网络（conditional generative adversarial network,cGAN）,对图像局部细节进行精细化修复,cGAN对图像的空间信息和纹理细节更为敏感,能有效恢复去雨雾过程中丢失或未能填补的细节。分别用高质量的合成雨雾数据集和真实数据集进行实验测试,结果表明,本文方法在峰值信噪比和结构相似度上均较基准方法优,能将雾浓度各异和雨分布变化情况下的图像恢复至细节丰富的干净场景图。     

面向任务的作战系统模型一致性研究

为检测作战系统中任务模型的一致性,文中基于图文法提出一种形式化的检测方法:把作战系统模型转换成属性图文法,并检测功能需求间冲突和依赖。循环依赖将导致模型无法执行,错误依赖则表示功能需求与动态模型的执行流程不一致。文中对此提出相应的依赖检测算法,循环依赖检测算法通过深度优先搜索找到依赖关系中的环,错误依赖检测算法通过遍历活动图检测依赖关系与动态模型的执行流程是否一致。最后基于该方法实现了作战系统模型一致性检测系统并结合实例进行验证。     

高等计算机网络课程的研究与改进

针对目前研究生阶段计算机网络课程的不足，南京航空航天大学计算机科学与技术学院从社会需求和学生自身发展的需要出发调整了教学大纲，使教学内容与本科阶段自然衔接，并且更加深入；因材施教，突出教学重点，跟踪网络技术发展的热点；在教学中强调多种方式的实践，培养学生的实际工作能力；采取灵活的教学管理方式，以开放式的教学和实验管理系统为依托，促进学生主动学习和研究。对课程和实验的研究与改进在高等计算机网络课程教学实践中取得了良好的效果。     

一种面向负载平衡的主动复制技术

针对主动复制容错技术中存在资源浪费及请求响应时间长的问题,提出了一种适用于请求-状态相关及请求-状态无关的系统模型、面向负载平衡的主动复制技术。容错组成员都能根据当前的负载信息列表决定是否执行接收到的请求,只有负载最轻的成员执行当前请求。组中各成员同时执行不同的请求,并直接返回请求响应结果,从而在充分利用主动复制技术中,在引入冗余资源的基础上缩短了请求的平均响应时间。实验结果显示,该技术能缩短请求的平均响应时间,提高系统运行效率;在请求-状态相关的系统模型下,请求的平均响应时间跟与状态相关的请求数目成正比。