基于一种新的阈值函数的小波图像去噪

文中在D. L. Donoho和I. M. Johnstone提出的小波阈值去噪基础上,提出了一种改进的阈值函数。该阈值函数采用双阈值模式,通过逐渐增大对小波系数的缩减力度来处理双阈值之间的小波系数,尽可能多地保留有用信息,直至小波系数缩减为零。在这里引入了一个控制变量来调节系数的缩减幅度。与传统的软、硬阈值方法相比,改进的阈值函数最大的优点是函数连续且减小了估计系数的误差。通过仿真实验,从视觉和客观评价标准（峰值信噪比和均方根误差）上验证了新阈值函数去噪的有效性。     

不同设计使用年限建筑结构作用的取值

按现行建筑结构设计规范的思想,给出不同设计使用年限建筑的结构重要性系数,来调整结构荷载效应取值。依据现行抗震规范设防水准,给出不同设计使用年限建筑的多遇和罕遇地震动参数,计算建筑结构地震作用取值,为工程设计提供参考。     

新型铸钢冷却壁的传热学数值模拟

采用数值模拟的方法对新型铸钢冷却壁稳态温度场进行了数值模拟。计算结果表明：新型铸钢冷却壁肋板基本磨损后的炉役期内,即使在渣皮刚脱落时,其热面峰值温度值也在安全温度范围内;当热面粘结渣皮厚度为10mm时,其热面最高温度值只比铜冷却壁高28℃,并且渣皮愈厚相差愈小,趋于相同。     

基于自适应MSB与差值预测的大容量密文域可逆信息隐藏算法

为提高密文域可逆信息隐藏（reversible data hiding in encrypted images,RDH-EI）的嵌入容量,提出了一种基于自适应MSB（most significant bit）与差值预测的RDH-EI方案。首先将图像进行分块,然后进行块级加密和置乱以抵抗对于加密图像的分析。在嵌入数据阶段,对于自适应MSB预测的方法进行改进,将没有嵌入数据的块,利用部分块内像素之间差值很小的特点采用自适应差值预测的方法嵌入数据,以块中左上角像素为目标像素,用于预测其他像素从而腾出更多的嵌入空间。实验结果表明,所提方法具有可逆性和可分离性,并且在自适应MSB预测方法的基础上进一步提高了嵌入容量,对于512×512大小的灰度图像,平均嵌入容量提高了大约7 445 bit。     

融入时序和速度信息的自适应更新目标跟踪

目的 针对目标跟踪算法在现实场景的遮挡、光照变化和尺度变化等问题,提出一种融入时序信息和速度信息的多特征融合自适应模型更新目标跟踪算法。方法 通过提取目标的分级深度特征和手工设计方向梯度直方图（histogram of oriented gradients,HOG）特征,以全深度特征组合和深层深度特征与手工设计特征组合的方式构造两个融合特征器,提高在复杂场景下跟踪的稳健性;对融合特征进行可信度计算,选择最可靠融合特征对当前帧目标进行跟踪;在跟踪质量不可靠时,对目标表征模型进行更新,加入时间上下文信息和当前鲁棒表征信息,通过多峰值判定和运动速度判定选择最优目标预测位置作为最终结果。结果 在OTB（object tracking benchmark）2013和OTB2015数据库上进行大量测试,与其他7个算法相比,本文算法总体效果取得最优,且在不同复杂环境下也取得了优秀的跟踪效果,在OTB13和OTB15数据库中,跟踪精度分别为89.3%和83.3%,成功率分别为87%和78.3%。结论 本文算法利用深度特征与手工设计特征进行融合,对跟踪结果进行多峰值分析和运动速度判定,跟踪结果不佳时自适应更新特征进行重跟踪。实验结果表明,本文算法可以有效处理光照变化、背景杂波和遮挡等复杂因素的干扰,有效提升了跟踪质量。     

融合了K近邻与密度峰值算法的K-means算法

初始聚类中心的随机选择,根据主观经验确定类簇数等问题时常伴随着原始K-means算法。为了攻克以上问题,改进算法采用峰值法以及融合了K近邻算法的密度峰值算法逐一调整。通过在UCI数据集上测试及与原始K-means算法、最大最小距离距离算法在准确率、稳定性和处理数据速率方面的比较,其中最为突出的是,改进算法的准确率达到了96%以上。     

东北植被生长峰值特征的变化及对气候和物候的响应

全球气候变化导致植被生长的季节性节律事件（如返青期、衰落期和生长峰值期等）发生显著变化。植被返青期、衰落期和生长季长度的变化已经得到广泛报道,植被生长峰值代表植被光合作用能力和对气候变化的响应,目前关于植被生长峰值特征（时间点和最大生长幅度）的时空变化和控制机理的研究相对较少,仍需在不同区域深入探讨。以植被覆盖度较好的中国东北地区为例,首先利用长时序遥感NDVI数据（GIMMS NDVI3g）和逻辑斯蒂法提取植被关键物候参数,然后分析了植被生长峰值关键特征（日期和幅度）的变化格局及对气候因子和返青期物候的响应,最后探索了生长峰值对植被生产力变化的贡献。结果表明：东北地区整体的生长峰值时间点和返青时间点呈现延迟趋势、生长幅度呈上升趋势（与MODIS EVI趋势验证一致）,生长峰值存在一个约11 a的周期;季前气温和降水对生长幅度的影响范围和幅度较小,主要作用在草原区域,对峰值时间点的显著影响主要在北部森林区域;返青期对生长峰值的控制作用大于气温和降水因素,并且返青期在森林和草原区域主要影响生长幅度变化,在农作物区主要影响生长峰值时间点变化;植被最大生长幅度对自然植被生产力长期变化的影响显著。东北地区生长峰值及对气候、物候响应的不同时空格局反映了植被生长峰值对气候变化的适应能力的差别,并造成多样的植被固碳格局。生长峰值研究有助于深入理解植被光合作用的时空变化格局和气候变化情景下的碳循环过程,对我国东北地区的生态系统评估和管理也有参考意义。     

面向理想性能空间的跨架构编译分析方法

编译器性能是计算机系统架构充分发挥优势的体现,编译器优化受机器平台与编译器特征的影响.编译器分析是在目标编译器与多参照编译器、目标平台与多参照平台之间进行的,即编译器与平台的组合是分析的基础.只有在多组合情况下才能为目标编译器优化提供最大可能的性能提升空间和详细的优化方案,但增加编译器与平台的组合往往会增加无法计量的分析工作量.为此,提出了一种基于峰值架构的面向跨平台跨编译器分析方法.基于峰值架构集为目标编译器构建理想性能空间,结合细粒度优势优化定位技术为目标编译器提供优势优化选项和优化方向,并实现编译器优化.最后通过实验验证了该分析技术的实用性与普适性,并为Intel平台上的目标编译器gcc提供了优化方向.     

基于人工蜂群与模糊C均值的自适应小波变换的噪声图像分割

针对传统模糊C均值（FCM）聚类算法在处理噪声图像时易受到噪声影响的问题,提出了基于FCM的小波域特征增强的噪声图像分割方法。首先,将噪声图像进行二维小波分解;其次,对近似系数进行边缘增强,同时利用人工蜂群（ABC）优化算法对细节系数进行阈值处理,并将处理后的系数进行小波重构;最后,对重构后的图片使用FCM算法来进行图像分割。选取5幅典型的灰度图像,分别添加高斯噪声和椒盐噪声,使用多种方法进行分割,以分割后图像的峰值信噪比（PSNR）和误分率（ME）作为性能指标,实验结果表明,所提方法分割后的图片相较于传统FCM聚类算法分割方法和粒子群优化（PSO）分割方法分割后的图片在PSNR上最多分别有281%和54%的提升,在ME上最多分别有55%和41%的降低。可见所提出的分割方法较好地保留了图像边缘纹理信息,其抗噪性能与分割性能得到了提升。     

基于自然最近邻的密度峰值聚类算法

针对密度峰值聚类算法(Density Peaks Clustering,DPC)需要人为指定截断距离d c,以及局部密度定义简单和一步分配策略导致算法在复杂数据集上表现不佳的问题,提出了一种基于自然最近邻的密度峰值聚类算法(Density Peaks Clustering based on Natural Nearest Neighbor,NNN-DPC)。该算法无需指定任何参数,是一种非参数的聚类方法。该算法首先根据自然最近邻的定义,给出新的局部密度计算方法来描述数据的分布,揭示内在的联系;然后设计了两步分配策略来进行样本点的划分。最后定义了簇间相似度并提出了新的簇合并规则进行簇的合并,从而得到最终聚类结果。实验结果表明,在无需参数的情况下,NNN-DPC算法在各类数据集上都有优秀的泛化能力,对于流形数据或簇间密度差异大的数据能更加准确地识别聚类数目和分配样本点。与DPC、FKNN-DPC(Fuzzy Weighted K-nearest Density Peak Clustering)以及其他3种经典聚类算法的性能指标相比,NNN-DPC算法更具优势。