变采样率的磁共振图像分块压缩感知

提出一种磁共振(MR)图像的变采样率分块压缩感知(BCS,block-based compressed sensing)方法;根据MR图像细节丰富、纹理复杂的特点 ,引入对图像高 维奇异结构具有良好稀疏表示能力的Tetrolet变换,同时考虑到MR图像各切片间的时空相 关性,将相邻时序的MR切片组成图片组(GOP),通过计算参考图片与相邻切片的差异,并对 参考 图片及差异图进行不重叠分块,根据图像块内容变化的快慢自适应分配采样率,获取测量数 据,采用平滑投影Landweber(SPL,smooth projected Landweber)算法实现GOP的高质 量压缩感知(CS)重构。实验结果表明,Tetrolet 变换适用于MR图像的稀疏表示,相较于采用离散余弦变换(DCT)及双树小波变换(DWT)的方法 ,本文的重构图 像的PSNR平均提高了0.92dB与2.06dB;而且对于不同的GOP,采用变采样率方案时, 重构图像的质量均优于固定采样率时所得到的结果,为MR图像的CS提供了一种可行 的解决方案。     

基于数据库技术的课程群建设

在探讨课程群的基本内涵的基础上,按照课程群建设的基本思想,针对重庆工学院数据库技术课程群建设中存在的主要问题,分别提出了本科非计算机专业的数据库技术与应用课程体系和本科计算机相关专业的数据库技术课程体系。     

车牌定位中宇符边缘色彩信息作用研究

研究了字符边缘色彩信息对车牌定位的作用.在HSV色彩空间中,字符边缘处色度、饱和度处于特定的较窄范围,分别提取出车牌底色色彩像素点和字符色色彩像素点,再利用图像水平方向纹理得到车牌底色纹理,最后排除没有字符色像素点相邻的底色纹理像素点.实验结果表明,该方法适应性强、定位速度快,可在定位的同时确定车牌颜色.     

基于CC2420的无线传感器网络节点低功耗研究

从节点的低功耗硬件设计和传感器节点的低功耗能量管理两方面系统地分析了传感器节点各个部分的节能策略,通过减少单个传感器节点的能量消耗.达到延长无线传感器网络寿命的目的.     

油罐底板渗漏的声发射检测

底板渗漏是立式圆筒形钢制常压油罐常见的问题,渗漏检测是一件费时费力而且难度非常大的技术工作。通过一个实际案例,介绍了用声发射方法进行油罐底板渗漏检测的原理、程序和结果。用声发射方法进行油罐底板渗漏检测,能够准确地对渗漏点进行初步定位,从而极大地减少实际检测工作量和检测的盲目性,缩短检测时间,提高检测效率和准确度,对于油罐底板渗漏检测具有指导意义和推广价值。     

基于遗传算法的BP网络快速自适应性算法

分析了标准BP网络存在的问题。利用遗传算法 ,探讨了确定初始学习速率、动量项值和BP网络结构的快速自适应性算法 ,并将该算法应用于XOR问题的学习和地下井巷开挖中岩爆的预测。实验结果表明 ,基于遗传算法的BP网络快速自适应性算法 ,可以避免手工试算决定BP结构的弊端 ,并且优化后的BP网络具有较快的收敛速度和较强鲁棒性     

HLBP纹理特征Mean Shift目标跟踪算法

经典Mean Shift目标跟踪算法采用单一颜色特征建立目标模型,在目标颜色与背景颜色相近或遮挡的情况下,目标跟踪鲁棒性差,为此,提出另一种Mean Shift目标跟踪算法。采用Haar型局部二值模式(Haar local binary pattern,HLBP)算子提取HLBP纹理特征,利用HLBP纹理特征具有较强辨识度、对光照变化不敏感等特点,代替原始视频图像序列,建立HLBP纹理特征的空间概率密度分布模型来表征目标特征;在此基础上,在Mean Shift框架下获取目标位置估计值,实现目标的跟踪。对比实验结果表明,该算法具有较高的目标跟踪精度和鲁棒性。     

一种混沌映射动态惯性权重的樽海鞘群算法

为提升群海鞘群算法求解精度和收敛速度,提出了基于混沌映射动态惯性权重的群海鞘群算法.首先利用Tent混沌映射生成初始种群,计算种群适应度并保留最优个体作为初始食物源位置;将种群大小均分为领导者和追随者两部分以提高算法全局搜索能力,通过引入疯狂算子完成对领导者的位置更新;在追随者位置更新公式中,提出了基于精英保留及动态惯性权重的追随者位置更新策略,通过计算个体适应度值完成食物源的位置更新.实验结果表明,改进算法拥有更好的性能.     

面向表情识别的重影非对称残差注意力网络模型

针对ResNet50中的Bottleneck经过1×1卷积降维后主干分支丢失部分特征信息而导致在表情识别中准确率不高的问题,本文通过引入Ghost模块和深度可分离卷积分别替换Bottleneck中的1×1卷积和3×3卷积,保留更多原始特征信息,提升主干分支的特征提取能力;利用Mish激活函数替换Bottleneck中的ReLU激活函数,提高了表情识别的准确率;在此基础上,通过在改进的Bottleneck之间添加非对称残差注意力模块(asymmetric residual attention block, ARABlock)来提升模型对重要信息的表示能力,从而提出一种面向表情识别的重影非对称残差注意力网络（ghost asymmetric residual attention network, GARAN）模型。对比实验结果表明,本文方法在FER2013和CK+表情数据集上具有较高的识别准确率。     

非计算机类专业“管理信息系统”课程教学改革探索

管理信息系统是一门综合了管理科学、系统理论和计算机科学的边缘性科学,已经成为非计算机类专业从管理的角度认识和理解信息与信息技术的一门重要课程。分析了非计算机类专业管理信息系统课程的教学现状,探讨了不同专业差异化教学目标的控制方法;为了提高学生学习兴趣,变被动学习为主动学习,提出了以电子商务交易流程为案例组织管理信息系统教学内容的教学改革方法。