一种适应光照多变的夜间前景提取方法

夜间前景提取是智能监控的必要处理过程,也是新时代下店铺防盗的高效手段。提出了一种在强弱光多变下具有检测鲁棒性的动态目标自动提取算法。在亮度通道上利用直方图均衡技术根据设置参数自适应灰度增幅,结合Canny边缘图像进行差分处理,最后给出前景提取算法。实验结果表明:在强弱光不同光照环境下,该方法可以很好的削弱不同光照对前景提取带来的多噪声、过度曝光等影响,提高前景对比度,相比其他方法,显示效果清晰完整,并满足实时性要求。     

面向隐私保护联邦学习的医学影像目标检测算法

联邦学习技术是一种新型多机构协同训练模型范式,广泛应用于多领域,其中模型参数隐私保护是一个关键问题.针对CT影像综合性病灶检测任务,提出隐私保护的联邦学习算法.首先部署松散耦合的客户端-服务器架构;其次在各客户端使用改进的RetinaNet检测器,引入上下文卷积和后向注意力机制;最后完成联邦训练.各客户端使用局部更新策略,采用自适应训练周期,局部目标函数中加入了限制项;服务器使用自适应梯度裁剪策略和高斯噪声差分隐私算法更新全局模型参数.在DeepLesion数据集上的消融分析说明了算法各部分的重要性.实验结果表明,改进的RetinaNet检测器有效地提升了多尺度病灶的检测精度.与集中数据训练模型范式相比,联邦学习所得模型性能略低(mAP分别为75.33％和72.80％),但训练用时缩短近38％,有效地实现了隐私保护、通信效率和模型性能的良好权衡.     

一种使用帧间差值的图像传感器片上视频压缩算法

为了减少图像传感器视频数据的输出,提出了一种通过编码相邻两帧之间差值的无损视频压缩算法.算法首先将基于差分脉冲编码调制原理的差分操作在模拟域实现,减小了电路的复杂度.然后两帧之间的差值被基于块的无损压缩方案编码.实验结果证明,压缩后的图像数据可以被无损失的还原.通过对7个具有代表性的8位深度1280×720@60 fps的样本视频进行测试,在块大小为4×4和模式切换阈值为63时实现了最佳的压缩效果.在几乎没有光的条件下压缩率高达78.5％.在复杂运动场景下该算法压缩率为43.5％.提出的压缩算法更适用于长时间处于静止场景的视频录制.     

非参数贝叶斯分类字典学习的MRI重建方法

为提高磁共振图像的重构质量,提出一种基于非参数贝叶斯分类字典学习的重建方法.通过差分变换,在梯度域中利用无限高斯混合模型将图像块自动聚类,对具有相似结构的图像块进行分类训练字典.采用非参数贝叶斯字典学习方法训练字典,克服传统字典学习对参数选择的依赖性.实验结果表明,与目前几种典型的磁共振图像重建方法相比,该方法的峰值信噪比平均提高2.9 dB;在同一噪声水平下,该方法抗噪性能更强,重构质量更优.     

一类SP结构的不可能差分区分器证明

针对分组密码SP结构的不可能差分区分器轮数的下界进行证明,提出的方法使用线性代数的理论,对系数矩阵P及P-1进行分析,提出了系数矩阵部分子空间存在两个行向量线性相关时,可证明至少存在四轮不可能差分区分器。uBlock算法是SPN结构,提出的方法对uBlock算法进行了分析验证,说明了结论的正确性,进一步,使用该算法搜索到比uBlock算法设计文档更多的不可能差分区分器。针对SPN结构线性扩散层P,使用了本原指数的概念,使用线性扩散层P的本原指数对SPN结构不可能差分的轮数进行论证。分析结果表明,分组密码SP结构至少存在四轮不可能差分区分器。     

带多重加工前约束的单机MOPJ调度方法

为有效解决晶圆加工过程中带换模时间、品种间晶舟分配的不确定性以及参数调整等多重加工前约束的单机单作业多订单MOPJ(multi-order-per-job)调度问题,对问题域进行描述,以订单总完成时间最小为优化目标,建立数学规划模型.给出求解较优调度解的定理,并提出具有双层嵌套编码机制的混合差分进化的入侵杂草调度算法,该算法引入具有学习机制的算子以改善解的质量.为有效提高算法的收敛性,在变异及邻域操作中考虑自适应过程.仿真实验结果表明,该算法是有效且可行的,优化晶舟分配的调度较未优化的调度可提高至少10%的性能.     

基于差分进化算法的供热节能控制系统

针对公共建筑集中供热系统能耗高、自动调节和实时监控难度大的问题,将数字温度传感器、芯片控制技术及CAN总线技术结合到一起,设计了一种基于差分进化算法的神经网络控制的公共建筑集中供热系统.系统具有降低遗传算法复杂性、快速收敛的优势,且自适应能力较强,能够实现供热流量自动调节和网络实时监控.为了验证该系统的节能效果,与传统节能控制系统的供热消耗进行了试验比较,结果表明,该系统最低平均节能10.1%,最高节能16.3%,节能效果更好.     

视频监控的数据驱动背景模型

针对现有背景模型假设引起的失效问题,根据数据驱动思想,建立了一种基于数据驱动的背景模型表示方法。该方法通过全格式动态线性化的无模型自适应控制方法,引入系统的伪梯度向量,结合多步历史数据,建立背景表达和选择性更新策略,获取视频背景。实验过程通过不同场景视频序列和经典背景模型方法进行对比,实验结果表明:本文算法具有背景更新效果较好、计算量适中、鲁棒性强等优点,且克服了机理模型中对模型假设的依赖及模型失效等问题。因此,本文基于数据驱动的背景模型算法可为在线视频检测系统的背景抽取提供有力的技术支持和参考。     

求解声波动方程的隐格式有限体积法

为研究声传播问题,提出一种声波动方程的隐格式有限体积法,该方法将格点型有限体积法与Newmark格式相结合.模拟平面波的传播过程,对比分析隐格式有限体积法和文献中显格式有限体积法的精度、稳定性及计算消耗等方面的性能.数值结果表明:当λ/Δx≥10时,两种算法均能得到满足精度要求的解;采用无条件稳定的隐格式算法,当满足ω0Δt≤0.3时,预测声压的相对峰值误差1%;当采用相同时间、空间步长时,隐格式算法精度高于显格式算法;隐格式算法对吸收边界的处理精度高于显格式算法,但对全反射边界的处理精度低于显格式算法;两种算法内存消耗比较接近,显格式算法的CPU耗时较少.     

水下甚低频MSK信号最大似然多符号差分解调算法

水下甚低频（VLF）最小频移键控（MSK）信号受脉冲噪声、海水衰减和海面起伏的共同影响。为了降低对相位同步的要求,提高解调算法的适应性,该文研究了水下甚低频MSK信号的差分解调算法,建立了甚低频MSK调制信号在海水中的传播模型。考虑脉冲噪声处理算法的影响,基于最大似然（ML）原理推导了水下甚低频MSK信号多符号差分解调算法。仿真结果表明:水下甚低频MSK信号最大似然多符号差分解调算法在相位同步下可获得逼近相干解调的性能,在相位不同步下可获得优于相干解调的性能,具有显著的优势。