基于l_1范数最小化的非流形曲线族重构

从散乱点集重构曲线族在计算机视觉、逆向工程和医学图像处理等方面有着广泛的应用,非流形曲线族重构是其中的难点问题.文中在压缩传感理论基础上,提出一种基于l1范数最小化的非流形曲线族重构方法.该方法首先将散乱点集的法矢和位置信号表示为稀疏形式,通过l1范数优化方法,重建法矢信号和位置信号;之后,根据重建的法矢和位置计算点集的双边权,在此基础上构建最小生成树(Minimum Spanning Tree,MST)来重构曲线族;最后通过后处理过程,完成对重构曲线族的开闭处理.实验表明,该算法能处理包含开、闭曲线,流形、非流形曲线,以及具有尖锐特征的曲线等复杂情况的曲线族,并且对噪声较鲁棒.

点云模型的谱聚类分割

为了实现点云模型的有意义分割,提出一种基于谱聚类的分割算法.首先用图G表示点云模型,将分割问题转化为图切割问题;然后根据归一化的非对称Laplacian矩阵构造谱聚类空间;最后通过移除掉多余的特征向量,在一个更低维的空间中找到了分割问题的松弛解.文中还给出了该算法相关定理的证明,并通过实验验证了算法的正确性和有效性.

一种关键字驱动的自动化测试框架

为了提高软件自动化测试脚本的可复用性,提出了一种基于关键字驱动的自动化测试框架(LKDT)。首先对目前现有自动化测试框架进行了归纳分析;然后提出了LKDT的系统架构,给出了其中所包含的关键技术;最后以实际的Linux桌面应用程序为例对LKDT框架与现有框架进行实际对比验证,结果表明该框架具有降低测试脚本规模、提高整体测试效率等优越性。

漓江底泥对活性艳蓝X-BR的吸附行为研究

采用批式吸附法研究河体底泥对活性艳蓝X-BR的吸附特性.吸附动力学试验结果表明吸附可划分为高速吸附(小于6h)和缓慢吸附(6h以上)两个阶段.活性艳蓝X-BR吸附等温线符合Freundlich方程,pH值、离子强度、温度是影响吸附的重要因素,在pH5左右,色度去除率最高;提高离子强度和温度有利于吸附.

基于分片光滑照度估计的Retinex图像处理框架

Retinex理论是一种图像增强技术,其基本原理是将原图像分解为照度图像和反射图像的乘积。传统的Retinex理论假定照度图像是平滑的,在实际场景中,由于目标的反射特征不同及阴影等的影响,照度图像实际上是分片平滑的,导致反射图像边界附近模糊,产生光晕现象。针对上述问题,提出了一种改进的Retinex理论图像处理框架:采用分片平滑算子估算照度图像,消除了光晕现象;引入照度校正功能,调节图像的对比度;引入反射校正功能,进行细节增强和去噪。结合图像质量评价指标,对改进后框架的有效性和正确性进行了分析验证,实验结果表明改进后的方法效果良好。

面向车规级芯片的对象检测模型优化方法

卷积神经网络复杂的网络结构使得模型计算复杂度高,限制了其在自动驾驶等实际终端场景中的应用。针对终端场景下的计算资源受限的问题,本文从轻量化深度模型设计和车规级芯片模型部署验证两方面进行研究。针对深度模型计算效率和检测精度的矛盾,本文设计了基于中心卷积的轻量化对象检测模型,实现功耗低且精度高的模型性能。进一步,本文基于量化感知训练的模型加速部署方法在车规级芯片上开展了系统级部署验证,在车规级芯片tda4上成功实现了高效的对象检测模型,在自动驾驶场景中取得了良好的性能。

基于注意力机制的车辆再识别方法

利用车辆重识别技术能够对车辆进行跟踪定位,可实现对感兴趣车辆的轨迹分析、跨摄像机接力跟踪等应用,在边海防智能视频监控领域有着重要的研究和应用意义。目前车辆再识别技术常见有三类:(1)利用无线磁感应器、感应线圈、无线射频等硬件设备实现;(2)通过颜色、纹理等人工设计特征实现;(3)基于深度学习方法。近些年,深度学习技术在车辆再识别领域取得了很多重要研究成果。Tian等人于2016年提出了一种深度相对距离学习方法,利用双分支深度汇总网络进行投影计算距离来测量车辆相似性。