AN ALGORITHM FOR LINE GENERATION BASED ON SEGMENT CODE IN PAN-EUCLIDEAN GEOMETRY

In Comparison with the traditional point-by-point line generation method,the method we present is based on segment code in Pan-Euclidean geometric space and is quite different in re- spect of running speed and theoretical basis.This paper presents an approach of using segment code to draw straight lines and shows the characteristics of a digital line.It is a newly proposed al- gorithm applicable in CAD.

A NEW DECODER OF SYNCHRONOUS OPTICAL CODE DIVISION MULTIPLE ACCESS SYSTEMS USING SEGMENTED CORRELATION

A new segmented correlating decoder of synchronous optical CDMA using modified prime sequence codes is proposed. The performance of the proposed system is analyzed under the assumption of Poisson shot noise model for the receiver photodetector. The decoder technique is shown to be more effective to improve the bit error probability performance than the method using an optical hard-limiter.

连栋温室分段变距喷雾机器人设计与试验

针对国内连栋温室缺乏植保喷雾机、机械走直定位与换轨转向精度低等问题,设计了一种连栋温室分段变距喷雾机器人,在实现无人化喷药的同时提高作业精度。为满足连栋温室机械作业路轨结合、精准切换的要求,提出一种通用型移动底盘,并确定其关键设计参数;为减少底盘上下轨时的偏移量,设计轨上矫正装置,通过分析计算及试验验证,确定其安装余量为4 mm;针对底盘对轨误差大的问题,提出一种二维码融合陀螺仪及光电传感器双向垂直寻迹的路面关键点定位与转向控制方法。设计分段变距喷雾装置,提出一种丝杆滑台驱动的喷杆变距方案,分析校验其驱动参数以满足工作要求;基于滚针轴承设计喷杆辅助防抖装置,减小因喷杆剧烈抖动带来的滑台与喷杆损伤。开发底盘运动及分段变距喷雾控制系统,实现喷雾机器人在连栋温室内的全程自动化作业。最后,对样机进行底盘性能与喷雾效果试验。底盘作业时直线行走与对轨误差平均值分别为4.8、5.8 mm,满足控制精度要求;避障距离为34 cm,满足安全性要求;防抖装置的安装使喷杆行进方向的抖动量从-1°~1.3°降低到±0.4°内,喷头方向的抖动量从±0.5°降低到±0.3°内,防抖效果显著;分段变距喷雾作业后,盛果期番茄叶片正面雾滴沉积量为1.76μL/cm^(2),反面沉积量为0.2μL/cm^(2),雾滴体积中径在100~180μm之间,满足作业要求。

电力线信道中极化码译码算法的改进

脉冲噪声是影响电力线通信性能的最主要因素。为了提升极化码在电力线信道的性能,文章提出了分段循环冗余校验码辅助串行抵消列表比特翻转(segmented CRC aid SCL-bit flip,SCA-SCL-BF)译码算法,并在加性高斯白噪声(additive white gaussian noise,AWGN)信道和电力线信道下进行了仿真。在构造关键集合时引入Rate1子块,避免了全集搜索的复杂度;根据关键集合中比特的位置进行分段,每段翻转一比特,可以实现多比特翻转。仿真结果表明,SCA-SCL-BF算法的性能相较于公开文献中性能在信噪比(signal-to-noiseratios,SNR)大于0dB时有显著提升。该算法对于提升电力线传输性能有重要意义。

基于双路径编码的遥感建筑物图像分割方法

高分辨率遥感图像建筑物分割是遥感影像研究的热点之一,而高分辨率遥感图像中建筑物尺度多样容易导致错分割、漏分割和边界模糊。针对上述问题,基于U-Net网络结构提出了一种双路径编码的遥感建筑物图像分割网络(DCU-Net)。DCU-Net在U-Net上加入一条并行编码路径,形成双路径编码结构。在编码阶段设计了密集残差编码模块(DRCM)和多尺度空洞卷积编码模块(MDCCM)以增强多尺度特征提取。在网络中加入双路融合注意力模块(DFAM),增强网络对特征的表达能力。为验证网络有效性,在WHU与Massachusetts数据集上进行实验,召回率、F1分数和交并比指标在WHU上达到91.26%、92.33%和86.15%,在Massachusetts Buildings上达到81.64%、84.33%和82.72%。结果表明,DCU-Net对于不同尺度的建筑物提取有较高的提取精度。

基于Erasure Code的分割文件P2P存储结构设计

在充分考虑P2P存储特点的前提下,设计了一种新颖的基于Erasure Code的分割文件P2P存储方案,构建Chord协议上的P2P文件存储结构。通过设计有效的文件存储、访问和更新功能,克服传统Erasure Code冗余文件存储方案的不足,使存储文件具有一定的数据修改能力和结构伸缩能力。理论分析和实验仿真验证了设计方案在P2P存储系统中的可行性和有效性。

基于改进Swin Transformer的遥感图像语义分割方法

在高分辨率的遥感图像中提取出准确的地物信息对城市规划以及土地资源利用有重要作用。然而,遥感图像具有目标物体之间尺度差异大,背景复杂等特点,易导致提取结果不准确,特别是对小尺度地物的提取精度较低。为了解决这些问题,提出一种新型双编码结构,充分获取全局语义信息以及空间细节信息,分阶段融合不同尺度的特征信息,增强特征表示能力。构造了特征加强模块(FEM),以减少下采样中细节信息的丢失,关注更多小尺度特征。为了更好地细化特征信息,融合了通道注意力和内核注意力后进行上采样,能够将局部特征与对应的全局空间依赖关系整合,提升目标物体的分割精度。在Potsdam数据集和Vaihingen数据集上的mIoU分别为86.1%和82.4%,与流行的语义分割模型进行对比分析,结果表明,该方法能够有效解决遥感图像中小尺度物体分割不准确的问题,适合处理遥感图像语义分割任务。

基于移位窗口自注意力机制的新生儿脑区域图像分割

通过改进Swin Transformer编码解码网络,结合跳跃连接和深度监督机制,针对新生儿脑部核磁共振成像(MRI)图像分割面临的低信噪比、组织对比度差等问题,提出一种新的基于移位窗口自注意力机制的新生儿脑区域图像分割方法.该方法经过对MRI图像的预处理后,能实现新生儿脑部图像多功能区域的精确分割,并采用最大连通域算法进一步提高了分割精度.在数据集dHCP上的实验结果表明,该方法优于现有方法,为早期发现和干预新生儿脑部损伤提供了潜在的可能性.

基于方向编码与空洞采样的室内点云物体分割

针对现有方法在处理局部特征时忽略方向信息,且由于卷积核大小的限制无法有效地提取点云邻域特征等问题,提出一种点云分割方法.首先结合方向编码和空洞采样最大程度扩大网络的局部感受野.其次利用图卷积神经网络挖掘局部邻域内点的信息.然后使用邻域特征提取层自动加权融合邻域特征为更具有代表性的单个特征点.最后结合空间注意力机制,增加远程点之间的联系.在S3DIS数据集上进行物体分割实验的结果表明,所提方法的OA和mIoU比PointWeb高1.3个百分点和4.0个百分点,比基线方法 RandLA-Net高0.6个百分点和0.7个百分点,使用空洞采样与方向编码能够有效地提高点云的语义分割精度.

传统工业绿色转型的行业选择及效应——基于工业四位码细分行业的数据分析

应用因子分析方法,从经济效益高、资源耗费少、环境污染小等维度构建了一个传统工业绿色转型的行业选择测度框架。通过对工业四位码细分行业的数据分析证明,传统工业绿色转型宜选择发展经济生态资源环境综合效益好的行业。现有产业资源耗费与污染排放对于利税的变动大多是富有弹性的,通过对工业细分行业的优化选择或结构调整可带来巨大的经济生态环境综合效益,推动传统工业绿色转型,实现高质量发展。

SegEra:一种Erasure Code与分割相结合的P2P存储结构

基于Erasure Code编码冗余存储技术,结合传统的文件分割存储思想,提出称为SegEra的Erasure Code与分割相结合的P2P存储结构.研究了SegEra的文件构成方式和存储结构特性,讨论其所适合的索引化离散数据存储分布架构;然后,从理论上研究了SegEra的P2P存储节点选择的优化方案,并针对P2P存储环境特点设计了与之相适应的简化算法;并通过仿真实验表明SegEra采用简化节点选择算法能够有效的提高存储文件的可用性水平.

基于卷积神经网络的HEVC帧内预测算法优化

作为HEVC标准中最基础、最重要的技术之一,帧内预测对实现视频编码的高速、高质量和高压缩率具有重要的作用。文中针对帧内预测复杂性问题进行研究,提出一种基于深度卷积神经网络(CNN)的方法,通过学习来预测CTU的划分,从而减少HEVC帧内编码的复杂性。通过建立一个大规模的CTU划分数据库,并利用CNN的能力学习各种CTU划分模式,能够准确地预测CTU的划分,从而避免了传统的穷举搜索,实现了HEVC编码复杂性的显著降低,提高了编码效率。实验结果表明,提出的方法在测试序列和图像上分别将帧内编码时间减少了62.25%和69.06%,与其他最先进的方法相比,比特率分别仅增加了2.12%和1.13%,达到了优化的目的。

基于SEEDS的医学超声图像分割算法

针对高强度聚焦超声(HIFU)治疗过程中肿瘤的快速识别与自动定位问题,提出了一种基于SEEDS超像素的自动分割方法,能够为医生快速、准确地定位肿瘤提供帮助,大大减少医生的工作量。该方法基于分裂合并的思想,先利用SEEDS将图像分裂成超像素,再提取超像素的纹理和边界信息,使用纹理边界编码压缩算法完成超像素合并,最后在先验信息的限制下实现肿瘤的自动分割。实验结果表明,该方法可以应对图像质量低、背景复杂等不同情况下的肿瘤分割问题,分割结果比较准确。

基于BIM的建筑施工质量信息表达与管理方法

在实际建筑施工过程中,为了保证施工单位对施工活动的有效管理,施工单位会根据预先设置的分区分段工程进行施工。因此,在设计阶段向施工阶段过渡时,需要对BIM模型做深化设计,具体是将BIM模型中的构件按照施工的分区分段,根据一定规则进行切割,并归属到各分区分段。然而,目前的质量数据信息还无法准确与细分的分区分段部分进行匹配,容易产生施工现场数据碎片化的问题。本研究基于BIM模型分割和工作分解结构(WBS)编码规则,针对某项目现场海量的多源异构数据,提出了一种基于数字孪生的施工质量信息管理方法,包括质量数据采集,BIM模型分割和数据关联步骤。该方法有效实现了现场采集的质量数据与对应BIM施工区段的关联,预期能够高效地管理现场施工质量数据,有效提高了现场质量管理水平和效率。

“一站式”检查智能预约平台的设计与实现

为解决门诊病人检查、预约难的问题,改善患者就医体验。该文借鉴流程优化、业务重组及分时段预约的理念和方法,提出“一站式”检查智能预约平台的构建。该平台的应用,系统能自动完成预约60%的门诊检查项目,患者减少了2次排队,检查等候时间平均缩短50 min。“一站式”检查智能预约平台的搭建,真正实现让患者“看病少排队”、“检查少跑腿”,在创造良好的就医环境、提高医院服务品质等方面具有重要意义。

融合密集编码器与双路径注意力的皮肤病变分割方法

针对皮肤镜图像病变区域存在形状大小各异、边界不连续且模糊、病灶区域与背景相似度高的问题,提出了一种融合密集编码器与双路径注意力的皮肤病变分割网络(DEDA-Net)。首先,运用密集编码模块进行多尺度信息融合增强网络特征提取能力,缓解皮肤镜图像中边缘模糊的问题,并采用跳跃连接与残差路径减少网络编解码之间的语义鸿沟;其次,根据特征图内每个特征点关联性程度大小进行加权提出了全局正态池化层,设计了在空间与通道两个维度提取特征信息的双路径注意力模块,避免因全局信息获取不足导致难以区分病灶区域与背景的问题;最后,利用辅助损失函数思想,在网络中间与最后的输出层两侧使用加权损失函数来提升网络泛化能力。实验结果表明,该算法在ISIC2017数据集上分割精度为96.45%,特异性为97.82%,Dice系数为93.16%,IoU为86.61%,比基线U-Net分别提高了5.93个百分点、6.45个百分点、6.53个百分点和5.63个百分点,能够有效分割皮肤病变区域。

多逻辑比特表面码结构设计及其逻辑CNOT门实现

量子计算因具有并行处理能力,相比于经典计算有着指数级的加速,但量子系统具有脆弱性,极易受到噪声的影响,量子纠错码是克服量子噪声的有效手段.量子表面码是一种拓扑稳定子码,由于其结构上的最近邻居特点和较高的容错阈值,表面码在大规模容错量子计算方面具有巨大的潜力.目前已有的基于边界的表面码均为编码一个逻辑比特的表面码,本文主要研究基于边界如何实现多逻辑量子比特的编码,包括设计表面码的结构,根据结构找出对应的稳定子和逻辑操作,进一步根据稳定子设计出基于稳定子实现的编码线路;在研究基于测量和纠正的单量子比特间CNOT实现原理和基于融合操作和分割操作的单逻辑量子比特表面码间CNOT门实现原理的基础上,优化了基于融合操作和分割操作的单逻辑量子比特表面码间CNOT门实现方案,将其扩展到所设计的多逻辑量子比特表面码上实现了多逻辑量子比特表面码之间的CNOT操作,并通过仿真验证量子线路的正确性.本文设计的多逻辑比特表面码克服了单比特表面码不能密铺于量子芯片的缺点且提高了某些逻辑操作的长度,提高了容错能力.基于联合测量的思想降低了对辅助比特的要求且减小了实现过程中对量子资源的需求.

融入交叉注意力编码的皮肤病变分割网络

由于卷积操作的局限性,现有的皮肤病变图像分割网络无法对图像中的全局上下文信息建模,导致其无法有效捕获图像的目标结构信息,本文设计了一个融入交叉自注意力编码的U型混合网络,用于皮肤病变图像分割。首先,将设计的多头门控位置交叉自注意力编码器引入到U型网络的最后两个层级中,使其能够在图像中学习语义信息的长期依赖关系,弥补卷积操作全局建模能力的不足;其次,在跳跃连接部分引入一个新的位置通道注意力机制,用于编码融合特征的通道信息并保留位置信息,提高网络捕获目标结构的能力;最后,设计一个正则化Dice损失函数,使网络能够在假阳性和假阴性之间权衡,提高网络的分割结果。基于ISBI2017和ISIC2018数据集的对比实验结果表明,本文网络的Dice分别为91.48%和91.30%,IoU分别为84.42%和84.12%,分割精度在整体上优于其他网络,且具有较低的参数量和计算复杂度,即本文网络能够高效地分割皮肤病变图像的目标区域,可为皮肤疾病辅助诊断提供帮助。

基于卷积神经网络的医学CT图像自动分割方法

针对医学CT图像自动分割方法对三维分层医学CT图像分割精准度较差问题,设计基于卷积神经网络的医学CT图像自动分割方法。对采集到的原始医学CT图像进行去噪处理,为后续的图像分割提供训练集。设定卷积神经网络的激活函数及网络参数,构建医学CT图像自动分割卷积神经网络。计算医学CT图像在卷积过程中损失函数,获取图像最优分割参数,根据此参数完成分割过程。实验结果表明:此方法无论在图像的整体分割还是细节分割方面,均可获取精度较高的分割结果。

A Method for Head-shoulder Segmentation and Human Facial Feature Positioning

ＡＭｅｔｈｏｄｆｏｒＨｅａｄｓｈｏｕｌｄｅｒＳｅｇｍｅｎｔａｔｉｏｎａｎｄＨｕｍａｎＦａｃｉａｌＦｅａｔｕｒｅＰｏｓｉｔｉｏｎｉｎｇＨｕＴｉａｎｊｉａｎＣａｉＤｅｊｕｎＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉ...