三尺度分解和稀疏表示的红外和可见光图像融合

为提高对含噪声源图像的处理效果,以及提高融合图像的对比度、结构信息等,提出一种基于三尺度分解和稀疏表示的红外和可见光图像融合算法。首先,为增强对噪声的去除效果,并且维持源图像的结构和边缘特性,利用滚动引导滤波器对源图像进行分解,将源图像分解为基础层和细节层;其次,为充分利用基础分量中的细节和能量,同时降低模型的复杂性,构造结构-纹理分解模型,将基础层再次分解为基础结构层和基础纹理层。然后分析三个分量的不同特点,使用不同的融合规则对三个分量分别进行融合,针对细节分量,其含有主要的噪声成分,但含噪声程度又不一样,因此根据图像含噪声的程度自适应确定稀疏融合去噪参数,从而同时实现对细节分量的融合和去噪,并且能够有效地提高计算效率;针对基础结构分量,其包含的细节特征较少,直接采用基于视觉显著图的加权平均技术进行预融合;针对基础纹理分量,由于其包含了视觉上重要的信息或图像特征,如边缘、直线和轮廓等活动信息,能够反映出原始基础图像的主要细节,因此采用主成分分析方法进行预融合,最终通过重构细节、基础结构和基础纹理层来得到融合图像。为验证所提方法的有效性,选取了多组红外和可见光图像进行试验,并与近期的五种方法CNN、FPDE、ResNet、IFEVIP、TIF进行了对比,采用主观和客观的形式对结果进行分析。实验结果表明,同其他图像融合算法进行对比分析,该方法能够兼顾含噪声和无噪声图像的融合,在有无噪声的情况下均能够将源图像的细节、亮度和结构保留到融合图像中,而且能有效地消除噪声。

基于改进SARSA算法的直升机CGF路径规划

结合人工势场算法原理,引入奖赏生成机构对传统SARSA学习算法的奖赏生成机制进行改进,改进后的SARSA学习算法通过判断执行动作的有效性进一步结合环境信息实时生成动态奖赏,继承了人工势场算法良好的控制性能,能够根据连续预估的代价场信息进行优化搜索,使奖赏累积过程更为平滑。基于直升机CGF突袭雷达阵地模型进行仿真实验,分别对比算法收敛所需迭代次数和完成任务成功率,改进SARSA学习算法收敛时所需迭代次数是传统SARSA学习算法的一半,经过1000次迭代,改进SARSA学习算法完成任务成功率平均比传统SARSA学习算法提升12%。仿真实验表明:改进SARSA算法相对传统SARSA算法有着更优异的性能,算法收敛速度以及完成任务成功率都有明显提升,改进SARSA算法能够为直升机CGF规划安全路径。

Windows环境软件分级再生策略研究

为降低软件系统再生成本,提高再生效益,文中在预测软件系统老化趋势的基础上,利用细粒度再生时间短和粗粒度再生效果好的特点,提出一种双粒度分级再生策略。该策略包括系统级再生和服务级再生。首先,以Windows环境下的综合信息管理系统为背景,搭建Apache Web服务器老化数据采集平台,通过修改服务器参数实现加速老化实验并采集系统老化数据;然后,将时域卷积神经网络模型(TCN)应用于老化趋势预测,对采集的老化数据进行特征提取并建模,得到该方法的预测精度高于循环神经网络;最后,提出一种再生决策函数评估平均再生成本的变化,依据再生成本的变化产生再生请求,实施分级再生。结果表明,双粒度分级再生策略平均再生成本降低7.6%,系统运行时间延长22.7%。与单纯的系统级再生策略相比,该策略能够降低平均再生成本,提高操作系统可靠性。

软件老化与再生研究综述

软件老化已经成为造成软件可靠性降低的主要因素。为了缓解软件老化对软件的不利影响,研究人员提出了软件再生技术,在软件性能恶化到一定程度时主动停止正在运行的服务或程序,清理内部状态,释放系统资源,使软件性能恢复到比较健康的状态,预防软件发生意外的崩溃。软件再生技术已经成为应对软件老化的方法,自提出以来研究人员围绕老化状态识别预测与提高再生效益展开研究。随着软件复杂度的提高和预测、监测等理论技术的发展,越来越多研究人员综合运用状态预测方法和再生策略研究方法来提高预测精度和再生效益。该文梳理总结了软件老化与再生的相关研究,首先根据研究的老化参数的不同将软件老化划分为资源消耗型和性能退化型老化;然后重点分析了软件老化状态预测研究和再生策略研究方法,并对软件再生实施技术进行分析梳理;最后,在总结近期研究特点的基础上,对下一步工作提出了几点展望。