基于多阶段优化的壁画图像色彩还原

敦煌壁画是中国最有价值和不可再生的文化遗产之一。而壁画图像的色彩复原对敦煌壁画的数字化保护和展示具有重要意义。为了解决褪色壁画图像色彩还原过程中出现的边缘伪影和色彩混叠问题,提出一种基于多阶段优化的壁画图像色彩还原方法。该方法利用高斯核函数得到壁画图像的多尺度表示。同时,构建三个基于编码器-解码器的迁移子网来学习壁画图像多尺度表示的语义特征,在参考壁画和褪色壁画之间建立语义关联来恢复壁画颜色。采用由粗到细的优化策略,在各个阶段间构建跨尺度特征融合模块实现图像多尺度表示的特征融合,建立不同阶段间的特征依赖关系。通过多阶段逐步优化,实现壁画图像的色彩还原。通过对临摹壁画和真实壁画的实验表明,该方法能够较有效地消除噪声影响,在还原壁画色彩的同时能较好地保持褪变色壁画图像的边缘纹理信息。

基于上下文融合和注意力的安全帽检测方法

安全帽检测是近年来目标检测在工业生产作业领域的一个研究热点。针对安全帽检测过程中容易出现的小尺度目标错检、漏检等问题,提出一种基于上下文融合和注意力的安全帽检测方法。方法通过利用混合域注意力强调目标关键特征信息,加强特征提取;同时,构建基于非局部注意模块的上下文信息融合结构,将底层全局上下文信息引入深层特征中,进一步细化深层语义信息;此外,利用感受野模块捕获多尺度特征和增大感受野,以减少小尺度目标在特征融合过程中出现特征信息丢失,以及预测过程中对小尺度目标不敏感的问题。实验分析表明,上述方法在安全帽佩戴数据集上对于安全帽检测的AP值达到93.10%,较原YOLOv4提升2.12%,mAP达到93.07%,较原YOLOv4提升1.39%。

基于双参考优化的壁画图像色彩还原

褪变色壁画图像的色彩还原研究可以促进壁画的保护和展示。壁画图像色彩还原旨在将退化壁画图像的色彩褪变区域还原为原有色彩。常规的基于单幅参考壁画图像的色彩还原方法难以选取与退化壁画图像相似的参考壁画图像,进而影响色彩还原质量。为此,提出一种基于双参考优化的壁画图像色彩还原方法。采用双参考策略,即使用2幅参考壁画图像对退化壁画图像进行色彩还原,利用图像优化模块抑制褪变色壁画图像中普遍存在的噪声、划痕等多重退化,通过编码器-解码器网络编码提取壁画图像多尺度特征,并构建特征融合模块优化壁画图像的多尺度特征。采用双参考指导模块计算参考壁画图像与退化壁画图像的语义对应置信度,以实现图像区域间的相似性匹配,并实现2幅参考壁画图像的风格融合。在此基础上,利用融合特征实现退化壁画图像的色彩还原。实验结果表明,该方法可以较准确地还原退化壁画图像色彩,同时能较好保持壁画图像原有的边缘结构信息,并且使用无参考图像质量评估指标对各个方法的还原壁画图像进行客观评估,与对比方法相比,该方法在客观评估指标上最多可降低12.2%。

基于门控位置编码的壁画图像多级色彩还原

近年来,壁画图像的色彩还原研究已成为壁画文物保护和展示领域的一个热点问题。针对壁画色彩还原面临的整体特征信息难以有效提取和保持,局部色彩还原易出现假色以及色彩溢出等问题,提出基于门控位置编码的壁画图像多级色彩还原方法。首先,构建基于全局特征约束的编码器网络,并通过改进的多核多值池化算法提取图像的全局特征梯度作为下采样取值标准以建立壁画图像特征金字塔,从而减少壁画图像在特征编码过程中的整体特征损失;其次,为准确还原壁画图像的局部色彩信息,设计基于门控位置编码的色彩迁移模块,该模块通过约束空间域中内容特征与色彩特征之间相似性核的学习,构建色彩特征在待还原壁画图像中的准确映射,从而减少还原图像中的假色现象与色彩溢出。实验结果表明,该方法所生成的壁画还原图像相较于AdaIN(Adaptive Instance Normalization)、AST(ArbitraryStyleTransfer)等对比方法所生成的壁画还原图像,NIQE(NaturalImageQuality Evaluator)和PIQE(Perception based Image Quality Evaluator)都取得了最优的结果。可见,所提方法能有效还原壁画色彩信息并保持待还原壁画图像的整体结构纹理特征。

结合CSWin-Transformer和门卷积的壁画图像修复方法

敦煌壁画是珍贵的文化遗产,但现存壁画存在着大量破损现象。针对现有图像修复方法在处理敦煌壁画时面临着计算复杂度高、纹理模糊和特征提取不足等问题,提出了一种结合CSWin-Transformer(cross stripe window-Transformer)和门卷积的壁画图像修复方法。构建由全局层网络和局部层门卷积残差密集网络组成的并行网络,利用条纹窗口增强图像特征提取能力,并通过门卷积残差块提升结构纹理修复的准确性。设计全局-局部特征融合模块来融合全局层和局部层输出的特征图像,以保持修复结果整体的一致性。通过建立共享注意力机制实现全局层和局部层之间的信息交互,同时为了完成破损壁画的修复,采用谱归一化马尔科夫判别模型进行对抗训练。通过对真实破损壁画的修复实验,结果表明,所提方法在主客观指标上均优于所对比的方法。

基于四元多特征稀疏表示的彩色壁画图像超分辨率重建

蕴含复杂纹理信息及丰富色彩信息的彩色壁画图像在采用传统的基于通道分离的超分辨率方法进行重建时,由于只对图像的亮度信息进行处理,忽略了彩色壁画图像本身包含的众多细节信息和通道间的相关信息,容易造成重建后的图像出现边缘模糊、色彩伪影等问题。针对这些问题,提出将Lαβ色彩空间三个通道的信息与局部方差相结合运用于四元数模型,以此来表征彩色壁画图像的细节、亮度和色彩信息。在此基础上,构建了一个基于细节-亮度-色彩信息的多特征字典模型,从而在有效利用壁画图像各通道色彩信息的同时增强重建图像的细节信息。实验结果表明,该方法在主、客观指标方面均有较好表现,对于彩色壁画图像的整体重建效果较好。

基于TsGAN的自动驾驶汽车高速公路变道切入测试场景自动生成算法

前方相邻车道车辆变道切入自动驾驶车辆所在车道是典型的高速公路自动驾驶高风险场景,在实际高速公路上进行该类场景的复现测试存在非常高的安全风险,虚拟仿真测试是解决该问题的最佳途径之一。为自动生成批量化的高保真高速公路变道切入测试场景,该文提出了一种基于时间序列生成对抗网络(TsGAN)的自动驾驶汽车高速公路变道切入测试场景自动生成算法。该算法以变道切入时刻两车的车头时距和侧向时距为场景危险程度评价指标,从高速公路真实轨迹数据集highD中提取4类不同危险程度的2853个变道切入场景实例,基于TsGAN构建变道切入测试场景生成模型,并利用所提取的真实轨迹数据训练模型;其后,采用所构建的模型生成前车变道轨迹和测试车变道切入时刻前的运行轨迹,通过比较所生成的变道轨迹与真实轨迹之间的分布相似性、频谱误差,验证所生成的轨迹的真实性。该文还分析了所生成的场景中变道切入时刻两车的运动关系及轨迹参数分布,检验了自动生成的场景在自然场景中的覆盖度。结果显示:从轨迹关键参数的分布来看,TsGAN模型生成的变道轨迹与真实轨迹的平均相似度达79.7%,平均频谱误差小于8%,落在最相似真实轨迹缓冲区的轨迹超过83.2%,表明所生成的轨迹具有高真实性;与所采集的真实场景相比,所生成的场景实例覆盖范围更大,在参数区间内分布更均匀,变道切入时刻前方变道车辆与测试车的车头时距和侧向时距分别降低了17.83%和16.37%(平均值),车辆轨迹参数分布区间平均增长了19.44%,表明所生成的场景在自然场景中具有较高的覆盖度;所提出的基于TsGAN的场景生成模型可模拟4种不同危险程度的变道切入测试场景,具有较强的针对性。

基于洪水分级的青山殿水库洪水预报

为提高洪水预报精度,减小全流域使用单一参数集而产生的预报误差,以青山殿水库为研究对象,将历史洪水分为大、中、小3个等级,采用新安江模型和SCE-UA参数优化算法,基于皮尔逊相关系数分析累计降雨量和实测洪峰流量的相关性,选取相关性最优的最大6 h累积降雨量作为参数应用指标,分级后的大中小洪水选用对应的参数集进行洪水验证及预报。结果表明:未对洪水进行分级时,38场洪水总体合格率为92.1%,平均确定性系数为0.82;按照洪水等级划分大中小洪水后进行洪水过程模拟,大中小洪水场次合格率100%,确定性系数平均为0.92、0.88和0.87,平均确定性系数为0.88,分级后各场次的合格率与确定性系数提高,拟合效果更好;基于皮尔逊相关系数分析洪峰流量与最大1、3、6、24 h降雨量的相关关系,最大6 h的降雨量与洪峰流量的皮尔逊相关系数最高,取预见期内最大6 h累积降雨量作为大中小参数判定条件,在2021年汛期实际预报中,洪水预报结果全部合格,4场大中型洪水拟合程度好,确定性系数高,基于洪水分级的洪水预报精度较高、合理可行,可为水库防洪提供参考。

无信控交叉口网联车辆动态碰撞风险检测与预警策略

针对无信控交叉口碰撞事故多发的问题,面向网联人工驾驶环境,研究提出了一种基于车车通信的无信控交叉口网联车辆碰撞动态风险检测与预警策略。在构建典型无信控交叉口场景的基础上,设计了一种基于多项式拟合的车辆轨迹模型;融合利用碰撞到达时间和风险暴露时间作为风险检测指标,构建了一种圆形-双圆车辆模型实现车辆碰撞风险检测;综合考虑了驾驶人异质性及其交互行为,提出一种基于博弈论和遗传算法的两级碰撞预警策略;基于SUMO搭建仿真环境对预警策略的有效性及适用性进行测试分析。结果表明,所提策略能够准确识别出所有的碰撞事件并触发预警,预警成功率达到100%;在不同比例驾驶人组成测试工况下,所提预警策略均能显著降低碰撞率和平均碰撞动能。

集成学习框架下的车辆跟驰行为建模

为了提高复杂行驶环境下车辆跟驰行为预测精度,提出了一种集成学习框架下融合理论驱动模型和数据驱动模型的车辆跟驰行为建模方法。基于stacking集成学习框架,选择理论驱动的智能驾驶模型(IDM)、考虑车辆队列和周围行驶条件因素的数据驱动的长短时记忆(LSTM)网络和门控循环单元(GRU)网络作为跟驰行为特征的一级学习算法,选择3种线性和8种非线性回归方法作为备选二级学习算法来融合一级学习器的输出特征。通过对比使用实际车辆轨迹数据计算的模型预测精度,确定了最优模型。研究结果表明:包含车辆队列和周围行驶条件变量的数据驱动跟驰模型比IDM模型的预测精度更高;多数情况下采用非线性二级学习算法的融合跟驰模型的预测精度高于IDM模型、数据驱动跟驰模型以及采用线性二级学习算法的融合跟驰模型;分别采用GBRT回归和随机森林回归作为二级学习算法的IDM-LSTM-stacking模型和IDM-GRU-stacking模型具有最高的预测精度;外界干扰下的融合跟驰模型稳定性优于单一的理论和数据驱动跟驰模型。集成学习为驾驶行为建模提供了新方法。

服务贸易创新对企业出口产品质量影响效应研究

本文基于2011-2021年A股上市公司与城市面板数据,将服务贸易创新试点政策视为准自然实验,并采用多重差分模型实证分析服务贸易创新对企业出口产品质量的影响及作用机制。最后,本文就研究内容提出相关政策建议。

徐志刚:PPP项目发行REITs的难点和对策

看发行REITs的基本条件《关于做好基础设施领域不动产投资信托基金(REITs)试点项目申报工作的通知》(发改办投资〔2020〕586号)中对申报发行REITs的项目的基本条件如下:一、基础设施项目权属清晰、资产范围明确,发起人(原始权益人)依法合规拥有项目所有权、特许经营权或运营收费权,相关股东已协商一致同意转让。

赋权改革与高校科技成果转化实践研究

在国家实施创新驱动发展战略背景下,职务科技成果赋权改革对于推进成果转移转化、服务区域经济具有重要作用,高校在赋权改革中承担着关键角色。但高校职务科技成果赋权改革过程中面临着可赋权的高价值和可转化的科技成果供给不足、激励政策落地不足、决策管理机制尚待理顺、保障服务体系不够完善等共性问题。通过构建不同类别的职务科技成果赋权形式、完善政策体系、畅通赋权流程、健全转化保障服务体系等对策有利于深化高校职务科技成果赋权改革。

浅析数字化工厂三维模型轻量化技术

数字化浪潮中,各大企业工业化、信息化不断融合,构建三维数字化工厂实现模拟仿真,以及在线Web浏览成为人们关注的热点。应用三维激光扫描成像、无人机航拍、VR倾斜摄影等方式获取建模数据,针对大量模型数据进行轻量化处理,降低模型数据的数量级,在保证模型精度的同时提升渲染效率,保证引擎平台的流畅运转,确保数字化工厂的高效应用。

不同LED光质对紫花苜蓿种子萌发及幼苗酚类化合物合成的影响

[目的]本文旨在研究不同LED光质对紫花苜蓿种子萌发及幼苗光合色素和酚类化合物含量的影响,为紫花苜蓿芽苗菜生产和植物工厂化生产的光质调控技术提供基础。[方法]以黑暗处理(D)为对照,研究10种LED光质(红光R660和R630,蓝光B450和B465,绿光G520,黄光Y590,红蓝光组合R5B2、R1B1和R2B5,白光W)对紫花苜蓿‘WL656’种子萌发、幼苗生长、解剖及酚类化合物合成的影响。[结果]不同处理对紫花苜蓿种子发芽率、发芽势、发芽指数无显著影响。单色光处理中,2种纯红光均促进紫花苜蓿幼苗胚根伸长;B465处理使幼苗下胚轴直径、表皮细胞厚度、皮层厚度和单个导管面积均显著增加,B450使维管束直径显著增加。不同单色光对叶绿素a含量无显著影响,而2种蓝光处理下叶绿素b含量最低,R660处理下类胡萝卜素含量最高;2种纯蓝光均对幼苗中花青素、总酚和类黄酮的积累有促进作用,而在G520、Y590和D处理下幼苗几乎不含花青素。R630提高下胚轴中查尔酮合成酶(CHS)活性,G520显著提高子叶中CHS活性;W提高幼苗下胚轴的花青素合成酶(ANS)活性,Y590提高幼苗中ANS活性。3种红蓝光组合中,随着红光比例降低,茎直径、皮层厚度和下胚轴CHS活性降低,根长、表皮细胞厚度、维管束直径和下胚轴中花青素含量先减少后增加,子叶中光合色素含量和CHS活性上升。下胚轴中总酚和类黄酮含量在R2B5处理中最高,子叶中3种酚类化合物含量无差异。下胚轴中ANS活性在R1B1处理下最高,子叶中ANS活性在R5B2处理下最高。[结论]纯红光促进种子发芽后的幼苗伸长,纯蓝光促进幼苗中花青素、类黄酮和总酚生成,红蓝光组合对幼苗生理特性影响较为复杂。综合考虑生长生理指标,R2B5处理下生长量适中,叶绿素和酚类物质含量较高,是较适合紫花苜蓿幼苗生长的LED光质。

智能网联环境下车载终端的发展现状与挑战

随着智能网联技术的快速发展,智能网联汽车装配的智能车载终端功能也相应扩展。经过数十年的进步,智能车载终端系统在多个领域取得了显著的发展,并在自动驾驶领域展现出巨大的潜力。该文从智能车载终端在智能网联环境中的现状入手,描述了智能车载终端系统的架构,并回顾了在车间通信和车路协同赋能下车载终端系统的发展历程;对5G时代车联网无线通信技术的创新对智能车载终端发展的重大影响做了深入分析,并详细回顾了在协同驾驶与控制、边缘计算与雾计算、数字孪生等领域的最新研究成果,同时指出了智能车载终端在信息安全和自动驾驶测试领域面临的挑战。

基于Plant Simulation的化纤自动落丝系统仿真实验分析

基于Plant Simulation软件,构建一种化纤自动落丝系统的3D数字化模型,对系统效率关键输入因子进行参数化设置,将系统各工位三维数字模型导入软件中建立层次化运动机构图形结构,并运用Simltalk语言实现三维动作仿真,通过基础物理参数设置,保证了仿真数字化模型与现实系统更具一致性。通过多级实验设计分析了系统影响因子对于系统效率的影响特性曲线,并进一步通过动态参数化实验方法,计算出双输入因子对系统效能影响的敏感度。该实验结果可为化纤自动落丝系统的建设成本控制与可行性分析提供指导,具有较好的工程应用价值。

基于知识图谱的固体推进剂质量缺陷根因变量识别方法研究

针对固体推进剂生产过程中机理复杂、工艺参数众多,导致质量缺陷频发的问题,提出了一种基于知识图谱的固体推进剂质量缺陷根因变量识别的方法。首先通过历史数据挖掘对质量缺陷进行预测,并通过SHAP模型对预测结果进行具体解释。再将数据挖掘结果、专家经验与工艺机理进行结构化表示与融合,建立固体推进剂质量缺陷领域的知识图谱。最后将图谱中包含参数信息和结构关系的子图映射到贝叶斯网络中进行参数学习,从而推断出不同特征参数导致推进剂存在质量缺陷的后验概率。最终通过实际生产数据样本进行验证,结果表明:该方法能有效识别生产过程中造成固体推剂质量缺陷的根因变量,准确识别率可达85%。

零散用工与农地流转——基于非农劳动力市场供需结构匹配的视角

农地流转是提高农地资源配置利用效率和实现粮食安全的重要保障,但近年来陷入瓶颈期且呈现明显的地区分化。既有研究多从家庭分工与机械替代角度讨论农地流转水平滞后于农村劳动力转移规模的问题,而区域非农劳动力市场供需结构匹配对农村异质性劳动力的非农转移也有一定影响。从农户家庭劳动力充分非农转移是农地充分流转的先决条件这一微观逻辑出发,理论分析非农劳动力市场供需结构匹配对农地流转的影响与理论逻辑,并实证检验本地零散用工市场发展对农地流转率的影响,以及农地资源禀赋条件的调节作用。结果表明:本地零散用工市场发展对农地流转规模扩大有促进作用,但受到农地资源禀赋条件的制约,即农业生产条件越差的地区本地零散用工市场发展对农地流转的促进作用越小;同时,本地零散用工市场发展会降低农地耕种强度。因此,进一步推动农地流转市场发展的关键在于通过零散用工市场发展来解决农村留守劳动力非农就业问题。

粘弹性材料钻削温度预测模型的建立与应用

粘弹性材料兼有弹性固体和粘性流体的特性,传统的热分析方法无法准确描述同时发生的粘性和弹性变形。针对该复杂材料特性的材料去除过程中的温度场研究是十分稀少的,提出将机器学习算法应用到药柱钻削加工的温度预测当中。首先利用线性回归进行拟合,侧面证明该模型的非线性。其次利用随机森林和BP神经网络算法进行建模,随机森林模型的随机特性使其具有一定的抗噪能力,BP神经网络模型精度最高,决定系数达到0.989。利用BP神经网络模型的预测功能实现加工过程的提前防控,优化加工参数组合,实现高效安全生产。