基于超像素和光流引导的正射影像拼接方法

影像拼接是生成大规模数字正射影像的关键技术之一,但现有的影像拼接方法在进行多个影像拼接时存在拼接线穿过明显地物导致的鬼影现象。光流是观察者和场景间相对运动引起的影像边缘等的相对运动,其中,大光流对应影像间的变化区域,可用于检测正射影像间的明显地面区域。提出一种基于光流引导的新型影像拼接方法,通过超像素的密集光流提取影像中明显的地物信息,以避免接缝穿过明显的地面物体。采用由粗到细的接缝线优化策略,并在超像素级别上利用Dijkstra算法进行最佳拼接区域检测,从而提高接缝线检测的效率。在此基础上,结合归一化互相关成本函数在像素级别上进行拼接线的像素级优化,获得最优的接缝线。实验结果表明,该方法从主观视觉上能够生成高质量的接缝线,在保证拼接效率的情况下,SSIM质量评价指标较Dijkstra方法、图割方法以及商业软件OrthoVista得到明显提高。     

浅析商代中后期的器物艺术

商代的器物艺术主要以青铜器为代表,本文从构图方式,虚实关系和结构线的变化三个方面,对商中后期的青铜器艺术进行分析。     

一种边缘优化的暗通道去雾算法

针对暗通道先验去雾算法大部分的时间都消耗在对透射率的优化上的问题, 对暗通道去雾算法进行了改进, 提出了边缘优化的暗通道去雾算法。使用边缘算子从粗略估计的透射率中提取边缘, 对边缘及周围扩展区域内的像素采用差值抠图法优化图像中场景深度变化明显的区域的透射率。实验结果证明, 边缘优化的暗通道去雾算法在得到与原始算法基本一致的去雾结果的同时, 平均计算时间仅为原算法时间的60%左右, 有效减少了计算量, 提高了去雾算法的运算速度。     

大规模网络课程中学习者学习行为分析

针对MOOC平台上学习者学习状况不易把握的现状,阐述在MOOC平台中对学习者进行学习行为分析的重要性,依托辽宁省精品资源共享课程平台,提出学习者学习行为属性模型,以模型是展开对学习者学习行为分析的展开研究,便于任课教师掌握学习者的学习情况,并以此为依据调整课程组织和教学方式,从而达到最优的教学效果。     

电力定制化培训服务的标准化改进与创新

云电同方电力定制化培训服务标准化改进共实现了3项创新:以标准化思想进行培训管理,并且引入信息系统支撑标准化,是对传统培训管理方式的创新;以标准化方式统一培训课件并且申请著作权登记,是对传统课件管理方式的创新;以标准化方法分析课堂过程并提供体验式教学,是对传统课堂讲授方式的创新。     

认知网络中基于无性繁殖优化的组播路由算法

为了保证网络用户的服务质量,认知网络与可信网络从提高网络的智能性与可信性方面提供了保证机制.基于人工免疫系统的智能化特征,在认知网络架构的基础上,提出了一种基于无性繁殖优化的可信QoS组播路由算法.该算法将免疫器官的功能集成在网络节点中,使其具备认知能力.同时,采用滑动窗口思想设计信任评价机制,对每个网络节点的行为记录进行信任评价.根据无性繁殖优化机制,基于用户满意度和节点的信任值进行路由选择,得到满足用户服务质量需求的可信路由最优解.最后,在仿真平台上将该组播路由算法与经典组播路由算法进行性能评价,结果表明,该算法能够为网络用户提供更好的服务质量.     

热休克蛋白对宰后成熟过程中肉品质影响的研究进展

宰后成熟对肉品质的影响是肉品科学领域的研究热点之一,宰后成熟过程中肉发生肌原纤维蛋白的降解,其影响机制还存在学术上的分歧。动物宰后造成的缺血、缺氧环境刺激了热休克蛋白的表达。该类蛋白质因具有分子伴侣、抗细胞凋亡、维持蛋白质结构稳定等作用,因此,热休克蛋白对宰后成熟过程中肉品质产生一定影响。目前,热休克蛋白尤其是小热休克蛋白对肉品质的影响国内外均已有报道,但结论并不一致。文中主要介绍了几种重要的热休克蛋白分子结构特征和功能,并进一步论述了热休克蛋白与宰后成熟过程中肉色、嫩度、保水性之间均存在一定的关系。      

籼米多孔淀粉制备及微藻油DHA微胶囊化的研究

采用α-淀粉酶和糖化酶水解籼米淀粉制备多孔淀粉,为优化制备条件,以吸油率为指标,对水解温度、pH、反应时间、酶配比等参数进行了研究,并将多孔淀粉吸附微藻油DHA作为芯材,以包埋率为指标,考察不同含量的多孔淀粉对包埋率的影响,并测定水分含量。结果表明:以酶配比8:1,pH4.5,温度45℃,水解12h,多孔淀粉吸油率最高为104.12%,用于微藻油DHA微胶囊化,包埋率达到92.08%,水分含量为3.78%,基本符合添加于奶粉的要求。     

面向传统服饰的细粒度跨模态检索算法

目的 由于跨模态数据集有限和模态异构表征问题,利用跨模态检索算法解决实际应用问题一直是当前多模态研究中的一大研究方向.方法 提出了一种面向传统服饰的细粒度跨模态检索算法,解决传统服饰跨模态检索的单模态表征和跨模态表征一致的问题.在单模态特征表征方面,沿用DCMH使用深度学习的方法对初始数据进行特征提取;在跨模态表征一致方面,新增自监督语义网络,以自监督的方式对应标签信息提取细粒度信息,并将其用于图文哈希学习的监督,从而得到更好的图文哈希表征.通过在传统服饰数据集上与其他方法进行对比实验,验证算法的有效性.结论 有关此方面的应用探索,有利于解决互联网时代中国传统服饰文本、图像处理等的保护性难题,为未来纹样检索中的工作做铺垫,实现中国传统服饰的创新性传承和发展.     

基于人工免疫的工业认知无线网络路由机制

工业互联网（industrial Internet）已成为第四次工业革命的代表技术.根据工业网络数据传输服务的需求,以及针对工业无线网络拓扑相对稳定、流量规律变化等特点,提出了一种基于人工免疫系统（artificial immune system,简称AIS）的工业认知无线网络路由机制,包含基于链路质量的域内静态路由算法和基于多路径的域间动态路由算法,以实现工业网络的可靠路由.根据人工免疫系统特点,将工业网络的拓扑结构进行区域划分：提出了基于链路质量的域内静态路由算法,采用软硬件结合的方式监视网络链路,并根据移动窗口指数加权平均法计算链路丢包率;提出了基于多路径的域间动态路由算法,根据模式距离对节点的流量周期进行预测,防止节点因流量过大而导致丢包.基于OMNET++仿真平台进行仿真实验,结果表明,所提出的路由机制在应对突发流量时与组合定向地理路由算法相比,丢包率及网络开销分别降低1倍;应对链路失效的情况时与图路由算法相比丢包率降低4倍.