基于瘦客户机的云平台在实验教学及管理中的应用

阐述采用虚拟化技术实现用户云桌面的方法,有效解决瘦客户机系统性能差、对服务器的运算能力和网络带宽要求过高、多媒体播放效果差等缺点。介绍基于瘦客户机的实验教学平台视频传输效果,指出通过引入流标签和组播技术等概念,能够提供更好的服务,弥补在多媒体应用上的不足,有效满足高校实验教学多样化的需求。     

一个分级存储的信息生命周期管理系统设计与实现

信息生命周期管理是一种可持续发展的存储策略,以其独特的优势在存储成本和高效信息管理之间取得平衡.本文设计并实现SAN、NAS存储网络下基于分级存储(HSM)的清华信息生命周期管理系统(THILM).提出一种新的文件重解析实现技术,实现ILM系统中HSM应用服务器端和系统应用层对动态存储数据的透明访问和多级存储数据的统一管理.讨论通过对应用元数据管理的优化和菱略缓存(PolicyCache)技术的改进实现高效的管理策略的执行,通过系统性能测试表明表文提出的文件重解析实现技术带来的额外负载几乎可以忽略,策略缓存技术使系统的策略执行性能提高了一个数量级.另外针对原策略缓存初始化性能低下的问题,采用策略元数据池(PMC)进行优化,采用PMC后THILM策略缓存的初始化时间降低了16～20倍.     

基于局部感知的车辆重识别算法

针对车辆重识别技术中难以通过全局外观特征准确识别不同车辆之间细微差异性的问题,提出一种基于局部感知的车辆重识别算法(local-aware based vehicle re-identification,LVR)。获取全局宏观特征以保留图像的上下文信息;利用空间变换网络的对齐模块对车辆图像进行分块,获取车辆局部细节信息;采用由粗到细的关键点检测方法获取局部关键点特征。在两个大型车辆数据集(即VeRi和VehicleID)上的评估结果表明,该算法具有较好的重识别效果。     

基于最佳邻域重构指数的水下高光谱目标检测

水下机器人仅通过传统光学相机获取图像很难在复杂水下环境中或目标物具有保护色的情况下检测到目标,而通过高光谱技术进行水下目标检测可以改善这一情况;由于直接运用传统高光谱检测方法难以满足水下机器人对水下目标检测的要求,提出了一种基于最佳邻域重构指数(ONRIF)的高光谱目标检测方法,该方法通过线性重构的思想进行邻域寻优,选出信息量高且波段相关性低的波段组合,并使用所选波段的融合图像进行目标检测;结果表明,与直接对原始水下海产品高光谱图像进行检测相比,该方法在保证检测效果的前提下,大量减少了检测时间和数据冗余程度;还提出了一种在相同环境下对同类目标物的单波段快速采集检测方法,大大提高了采集数据的速度,可以满足水下机器人对海产品检测的需求.     

基于图像融合的自适应水下图像增强

针对水下图像对比度低及细节模糊的问题,提出一种基于图像融合的自适应水下图像增强方法,实现不同类型水下图像的增强效果。基于颜色校正方法对水下图像进行颜色均衡化预处理;对亮度分量L进行Gamma校正,获得对比度提升的亮度图像;对两个亮度分量进行三层小波分解,提出对分解所得的低频分量及高频分量分别采用线性融合和自适应融合策略进行融合。多尺度融合保证了增强图像细节的丰富性,自适应融合策略体现了融合过程的可控性。实验结果表明,增强的水下图像呈现出高对比度和清晰的细节。     

复杂循环燃气轮机装置在舰船中的应用

叙述了ＷＲ－２１中间冷却回热式燃气同和基于燃气轮机的燃蒸联合循环动力装置的研制和应用情况。简要介绍了前苏联,美国和英国在这方面所做的工作。指出,作为两种高效节能的动力装置,ＷＲ－２１和ＣＯ－ＧＡＳ装置具有一系列的优点,它们是应用于军舰和商船的较为理想的动力装置。     

基于级联卷积神经网络的高效目标检测方法

目标检测作为计算机视觉的重要研究方向，在智慧城市、无人驾驶等领域的作用越来越重要。传统目标检测算法中，根据交并比（Intersection over Union，IOU）的大小判断正负样本，但较低的IOU会引入噪声，降低检测器的精度；较高的IOU会保留少数高质量样本，造成过拟合；并且推荐区域和检测器的IOU阈值相差过大会引起质量不匹配问题。针对上述问题，提出了一种基于级联网络的平行级联检测网络，它由一系列检测器串并联而成，每个检测器设置递增的IOU阈值，从而在每个阶段都会得到一个更高质量的样本分布来训练下一级检测器，并逐步重采样减少过拟合。实验结果表明提出的平行级联检测网络的检测精度优于传统目标检测算法，在目标检测数据集Microsoft COCO上平均准确度（AP）提升了1.5个百分点左右。     

极低比特率模型基编码方法的研究状况

基于内容的低比特率编码技术是MPEG-4标准的主要特征.模型基编码把图象信号作为一个结构模型来考虑,是一种基于内容的数据压缩形式,可以达到极低的比特率.由于MPEG-4标准的编码系统是开放的,这就为多种算法的出现提供了前提.本文对极低比特率模型基编码方法进行了总结,重点介绍了其中一些在实用前必须解决的问题如3D线框模型、人脸检测、脸部特征提取、运动参数估计等,并对其算法进行了评述和比较.     

基于多尺度级联网络的水下图像增强方法

针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题,该文提出一种基于多尺度级联网络的水下图像增强方法。针对单一网络特征利用不全面导致的图像梯度消失问题,该方法通过级联多尺度原始图像与相应的特征图像,以获得更优异的细节保持效果,并实现从较浅层到较深层快速预测残差的能力。此外,引入联合密集网络块和递归块,通过特征重用有效解决多尺度网络参数过多的问题。为有效解决单一损失造成的图像细节恢复不均的问题,提出Charbonnier和结构相似度 (SSIM) 联合损失函数。经仿真实验分析,所提网络在处理水下图像严重色偏、细节丢失等方面都取得了显著的效果。     

基于多特征的视频对象分割方法研究

目前从视频图像中分割出完整的运动对象仍缺少可用于一般性场合的算法.将视频图像的方向信息测度、颜色和运动信息相结合的视频对象分割算法可以解决这一问题.通过对序列图像中的连续帧进行帧差计算,利用方向信息测度和相似区域判定函数来找到特征相同的区域,并判断相邻子区域是否应该合并,然后再结合序列图像中的运动区域来提取运动对象.同时采用多分辨率分析来提高运算速度.最后,利用彩色图像边界序列图像检测方法来得到准确的区域边界.