基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation,GSR)的压缩感知(compressd sensing,CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation,WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外,针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。

特征信息增强的单发多框检测器算法

单发多框检测器算法(Single Shot Multibox Detector,SSD)采用多个特征层进行目标检测,但每一层都是独立使用的,这种结构忽略了上下文信息,不利于提高小目标检测的精度。为了提高传统SSD算法精度,提出了一种特征信息增强的SSD算法(Feature Information Enhancement Based Single Shot Multibox Detector,FESSD),其核心是一个特征信息增强模块。首先提出一个特征融合模块来对不同特征层进行融合和细化。然后采用一种挤压和激励模块(Squeeze and Excitation block)来自适应地获取每个特征通道的重要程度,从而增强有用信息和抑制无用信息。最后仿真结果表明,相比于传统SSD算法,FESSD算法能够有效地提升目标检测的精度。

基于物联网的城市智慧水务系统设计

基于物联网的城市智慧水务系统通过互联网和移动互联网架构的物感网络,监测供水泵房内的设备的工作状态和环境参数,感知二次供水的实时工作情况;根据运营参数,在故障发生前就捕获到事件,并分配给相应的支持人员进行处理,并根据人工智能算法模型,实现中央水泵房的最佳节能自动运营模式;通过互联网或移动互联网,实现远程控制泵房设备。该系统可极大提高城市供水的管理能力和保障用水安全能力,大量节省人力和时间。