结合pHash和稀疏编码的素描人脸合成方法

为解决已有素描人脸合成方法存在的细节模糊和清晰度低的问题,提出一种感知哈希算法（Perceptual Hash,pHash）与稀疏编码（Sparse Coding,SC）相结合的素描人脸合成方法。首先根据图像的信息熵对人脸照片-素描对进行自适应分块处理,利用感知哈希算法计算出大图像块的哈希指纹,并对小图像块进行稀疏编码;然后选取与测试照片块最相似的[K]个初始候选照片块,得到与之对应的素描块;最后引入二次稀疏编码方法,合成最终的素描块,进而合成整幅素描人脸图像。利用现有的人脸数据库验证了算法的有效性,该算法经优化后可用于素描人脸合成。     

基于后验噪声的贝叶斯鲁棒卡尔曼滤波器

目标跟踪的精度取决于滤波器的性能,但在许多实际的毫米波雷达测量场景中,模型及相关参数的不确定会导致传统滤波器的性能下降。为了应对这种情况,基于贝叶斯准则设计了一种鲁棒卡尔曼滤波器。利用Metropolis Hastings算法,从不确定噪声参数的似然函数中采样并以样本分布来近似后验噪声分布,然后计算其统计平均值,并借助后验噪声统计量扩展了经典卡尔曼滤波器。另外,针对采样时提议分布（Proposal Distribution）难以确定的问题,提出了一种提议分布自适应方法,即利用离散Fréchet距离来评价候选分布与先验分布变化趋势的相似性,然后选取相似性最大的候选分布为提议分布。通过处理毫米波雷达的测量数据证明了该滤波器在应对观测噪声不确定的场景时性能优越。     

CaSiO3:Eu的发光性质

采用高温固相反应法合成出CaSiO3：Eu^3 荧光体。研究了其荧光性质。样品的晶体结构为α-CaSiO3和β-CaSiO3的混合相，其激发光谱的峰位位于240，320，362，383，394，415nm，分别对应于O→Eu的电荷迁移带和^7F0．1-^5H3，^5D4，^5GJ，^5L6，^5D3的吸收跃迁。在240nm和394nm激发下，Eu^3 离子的^5D0→^7F2电偶极跃迁最强，表明Eu^3 离子占据更多的非反演中心格位。研究了不同电荷补偿剂对发光性能的影响，以Li^ 离子的电荷补偿效果最好。     

基于Kinect传感器骨骼信息的人体动作识别

为研究人体骨骼结构、骨骼关节点位置信息以及人体动作所具有的骨骼角度特征,提出了一种基于深度传感器提取人体骨骼信息的动作识别方法.方法利用Kinect深度传感器,实时准确地捕获人体骨骼三维数据,并根据坐标系变换构建人体骨骼拓扑结构.然后提取人体动作所感兴趣的骨骼关节点,定义骨骼向量,并获取每段骨骼向量的方向余弦特征;最后通过多类支持向量机训练以及动作识别分类.实验结果表明,相比于传统基于轮廓特征的方法,改进方法对人体识别具有更高的识别准确率,鲁棒性强.     

一种基于先验生成对抗网络的人脸超分辨率重建方法

针对人脸超分辨率算法中图像失真大、缺乏细节特征等问题,提出了一种基于先验知识的人脸超分辨率重建模型。通过在超分网络中加入纹理辅助分支,为重建过程提供额外纹理结构先验,以生成精细的面部纹理,恢复高分辨率纹理图。同时引入级联叠加模块对纹理辅助分支进行反馈。设计特征融合模块,将纹理特征图与超分分支特征图融合,获得更好的纹理细节;将纹理损失融入损失函数,以提高网络恢复纹理细节的能力。4倍放大因子下,该方法的峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)、结构相似性指数(Structural Similarity Index, SSIM)比现有方法至少提升1.082 5 dB和0.036,无参考图像质量评价(Natural Image Quality Evaluator, NIQE)至少降低1.690 2;8倍放大因子下,该方法的PSNR与SSIM值分别至少提升0.787 5 dB和0.046 85,NIQE值最小降低3.92。     

浅谈大体积混凝土施土施工的应用技术

文章结合某综合办公楼项目的大体积混凝土施工应用技术,就该技术的主要内容如混凝土配合比的控制、混凝土施工质量的控制、混凝土浇筑的施工方法及措施、施工缝的处理措施、混凝土的养护和对成品的保护等问题进行论述.     

谈水库大坝安全鉴定过程中存在的问题

结合水库大坝安全鉴定遇到的实际问题,提出如何解决问题的办法.     

基于Landsat 8 OLI的特征变量优化提取及森林生物量反演

基于江苏省常熟市虞山地区Landsat 8OLI影像和55块调查样地数据,利用多元逐步回归法建立森林生物量模型,并讨论了预测结果及其精确性。选择包括各波段灰度值、不同波段灰度值之间的线性和非线性组合(包括18种植被指数)、纹理信息以及主成分分析、最小噪声分离变换等在内的53个特征变量。通过分析53个特征变量与森林地上、地下生物量的Pearson相关性,进行特征变量的优化提取。结果表明:所有样地无区分分析时,地上和地下生物量的模型精度均达到0.4以上,基于3种森林类型(针叶林、阔叶林和混交林)进行地上和地下生物量建模时精度有明显提高,达到0.67以上,地上生物量和地下生物量的估测结果均为混交林优于阔叶林,阔叶林优于针叶林。     

基于跨批次存储预训练的素描人脸识别方法

素描人脸识别技术在刑侦领域应用广泛,有助于缩小嫌疑人的搜寻范围。由于素描人脸样本数量不足,导致经典的深度学习模型无法达到理想的识别精度。针对此问题,提出一种基于跨批次预训练的素描人脸识别方法,通过在有限素描人脸数据集进行跨批次预训练的方式缓解训练样本稀缺问题,从而提高人脸识别模型的泛化能力。该方法通过跨批次存储机制缓解GPU存储限制扩大单批次预训练样本数量,从而获得更优的模型初始参数,并在其基础上根据三元组损失进一步优化模型,以提升网络性能。提出的方法在UoM-SGFS素描人脸数据集上的Rank-1识别精度为72.53%,在PRIP-VSGC数据集上Rank-10识别精度为62.47%。相比CDAN、DANN、SSD等方法识别率有显著提高。