广州白云国际机场树杈形钢骨混凝土组合结构施工技术

广州白云国际机场扩建工程交通中心及停车楼屋面设计有下凹坑状树池,树池采用柱帽+上反边梁的树杈形钢骨混凝土组合结构形式。树杈形钢结构包括钢柱、树杈形牛腿及钢梁。项目运用BIM技术对树杈形钢骨混凝土组合结构节点进行深化、优化、碰撞检查和施工仿真模拟,在满足钢构件强度的前提下,提出一种切实可行的节点和穿插施工工艺,确保钢结构与混凝土结构能满足整体受力性能。     

面向场景的航空发动机基于模型的系统工程设计

在分析当前主流基于模型系统工程(MBSE)设计方法的基础上,针对商用航空发动机研制的复杂性及其系统设计中需求分析与物理模型交互难的问题,提出一种面向航空发动机全生命周期运行场景的MBSE设计方法.结合商用航空发动机设计研发特点,构建了一套面向全生命周期运行场景的MBSE设计流程,基于发动机全生命周期运营阶段、内外部环境、状态模式3个维度组合的场景全面捕获系统需求;基于可扩展标记语言的数据交换格式,对SysML模型和Modelica模型转换技术进行研究,实现了从需求模型到物理性能模型的转换,从而支撑基于同一架构开展系统功能和性能设计,进而建立面向商用航空发动机运行场景的一体化多学科仿真环境,实现对商用航空发动机研制需求的闭环验证.以某型号大涵道比涡扇航空发动机的地面起动场景为例,验证了所提方法和技术的可行性与有效性.     

改进视觉Transformer的视频插帧方法

针对现有的视频插帧方法无法有效处理大运动和复杂运动场景的问题,提出了一种改进视觉Transformer的视频插帧方法。该方法融合了基于跨尺度窗口的注意力和可分离的时空局部注意力,增大了注意力的感受野并聚合了多尺度信息;对时空依赖和远程像素依赖关系进行联合建模,进而增强了模型对大运动场景的处理能力。实验结果表明,该方法在Vimeo90K测试集和DAVIS数据集上的PSNR指标分别达到了37.13 dB和28.28 dB,SSIM指标分别达到了0.978和0.891。同时,可视化结果表明,该方法针对存在大运动、复杂运动和遮挡场景的视频能产生清晰合理的插帧结果。     

基于Block-SVD的小波域彩色图像数字水印算法

提出了一种基于Arnold变换和分块奇异值分解（Block-SVD）的小波域彩色图像数字水印算法。该算法采用彩色图像作为载体,灰度图像作为水印,增加了嵌入的信息量。仿真结果表明,该算法具有时间效率高、水印不可见性好、抗攻击能力强等特点,在版权保护方面具有一定的应用价值。     

光纤中布喇格光栅的研究进展

本文概述了国内外最新的在光纤中写入Ｂｒａｇｇ光栅的原理方法及其所应注意的问题，重点介绍了紫外光写入Ｂｒａｇｇ光栅的各种原理及要点，最后介绍了光栅的各种用途。     

低渗透率地层渗透率的确定方法

结合大庆油田外围低渗透率地层的地质特点,根椐渗流理论和岩心分析资料,分析了地层渗透率与孔隙度、组成地层的各种矿物含量以及泥质含量之间的关系,建立了不同矿物组合地层的渗透率计算方程。用本方法计算的和岩心分析的渗透率进行了对比,二者之间具有较好的一致性。     

基于最优颜色通道的图像拼接检测

针对不同颜色通道影响噪声估计值的问题,文中提出了基于最优颜色通道的图像拼接检测方法。利用主成分分析法在最优颜色通道上进行噪声值估计,根据噪声值大小利用K-means聚类法进行聚类。聚类结果分为可疑部分和非可疑部分两大类,通过两阶段策略进一步定位出篡改区域。该方法在原始区域与拼接区域噪声值相差较大或较小时均有效,并且能够定位出拼接区域。实验证明,所提方法与现有方法相比取得了良好的检测效果,且性能优于现有方法。     

基于多残差学习与注意力融合的中值滤波检测

针对小尺寸JPEG压缩图像携带有效信息较少、中值滤波痕迹不明显的问题,提出一种基于多残差学习与注意力融合的图像中值滤波检测算法。该算法将多个高通滤波器与注意力模块相结合,获取带权值的多残差特征图作为特征提取层的输入,特征提取层采用分组卷积形式,对输入的多残差特征图进行多尺度特征提取,融合不同尺度的特征信息,同时采用密集连接方式,每一层卷积的输入来自前面所有卷积层的输出和。实验结果表明,针对小尺寸JPEG压缩图像的中值滤波检测,本文算法比现有算法具有更高的检测精度,且能更有效地检测与定位局部篡改区域。     

基于卷积神经网络的随机因子重采样图像检测

图像重采样检测是图像取证领域的重要任务,其目的是检测图像是否经过重采样操作。现有的基于深度学习的重采样检测方法大多只针对特定的重采样因子进行研究,而较少考虑重采样因子完全随机的情况。本文根据重采样操作中所涉及的插值技术原理设计了一组高效互补的图像预处理结构以避免图像内容的干扰,并通过可变形卷积层和高效通道注意力机制(efficient channel attention, ECA)分别提取和筛选重采样特征,从而有效提高了卷积神经网络整合提取不同重采样因子的重采样特征的能力。实验结果表明,无论对于未压缩的重采样图像还是JPEG压缩后处理的重采样图像,本文方法都可以有效检测,且预测准确率相比现有方法均有较大提升。