结合主成分分析和图像分块的重定向研究

针对现有图像重定向方法视觉效果差和处理速度慢的问题,提出一种基于主成分分析法和分块的内容感知图像重定向方法。首先,利用主成分分析法融合梯度图和显著图来提取更加丰富的图像特征,避免主体信息失真;其次,相邻裁缝线由均值代替,避免像素不连贯;最后,根据能量图中列能量值的大小将图像分为显著区域和非显著区域,并行缩放分块,更加注重图像特征并提高运行效率。在MIT RetargetMe、DUT-OMRON和NJU2000数据集上进行实验分析,以主观感受和客观因子运行时间、SIFT-flow作为评价指标,与几种常用算法对比。实验结果表明,该方法保证了图像主体信息的完整性,平均运行时间为线裁剪算法的1/3。本文提出的方法不仅具有较优的视觉效果,而且可降低运算量。

埃尔米特梁单元的分块对角与高阶质量矩阵

埃尔米特梁单元常用的集中质量矩阵,是由挠度自由度对应的一致质量矩阵元素通过行求和或节点积分构造.然而,数值结果表明该集中质量矩阵在求解包含自由端的梁振动问题时,会出现频率精度掉阶现象.本文首先从保障质量矩阵最优收敛性的数值积分精度出发,分别针对三次和五次梁单元,发展了质量矩阵的梯度增强节点积分方案.利用梯度增强节点积分方案,可以得到具有分块对角形式的单元质量矩阵,而其组装的整体质量矩阵除边界节点外仍然呈现对角形式.对于两种单元,其分块对角质量矩阵分别具有4阶最优精度和6阶次优精度.再者,将标准一致质量矩阵和具有同阶精度的梯度增强节点积分质量矩阵进行优化组合,建立了具有超收敛特性的高阶质量矩阵.最后,通过数值算例系统验证了三次和五次单元的分块对角与高阶质量矩阵的频率计算精度.

无磁轭分块电枢盘式电机齿槽转矩优化设计

为了满足定子无磁轭分块电枢(yokeless and segmented armature,YASA)轴向磁通永磁电机作为车用牵引电机时对输出转矩高平稳性的要求,提出一种基于永磁体径向均匀分段、分组同向偏移的方法来抑制YASA电机的齿槽转矩,以降低转矩脉动。应用三维有限元分析,分别研究了3种不同的永磁体分段方案对齿槽转矩的削弱效果,确定了磁极的最优偏转角度及其对电机综合性能的影响。仿真结果验证了该方法的可行性。YASA电机的齿槽转矩降低了92.62%,额定工况下转矩脉动下降了72.02%,永磁体涡流损耗降低91.28%,同时输出转矩下降不超过5.34%,提高了YASA电机的综合性能。

基于伪监督注意力短期记忆与多尺度去伪影网络的图像分块压缩感知

基于深度展开网络的分块压缩感知(BCS)方法,在迭代去块伪影时通常会同时去除部分信号和保留部分块伪影,不利于信号恢复。为了改善重建性能,在学习去噪的迭代阈值(LDIT)算法基础上,该文提出基于伪监督注意力短期记忆与多尺度去伪影网络(MSD-Net)的图像BCS迭代方法(PSASM-MD)。首先,在每步迭代中,利用残差网络并行地对每个图像子块单独去噪后再拼接。然后,对拼接后的图像采用含有伪监督注意力模块(PSAM)的MSD-Net进行特征提取,以更好地去除块伪影以提高重建性能。其中,PSAM被用于从含有块伪影的残差中抽取部分有用信号,并传递到下一步迭代实现短期记忆,以尽量避免去除有用信号。实验结果表明,该文方法相比现有先进的同类BCS方法在主观视觉感知和客观评价指标上均取得了更优的结果。

雷达对抗中基于FPGA输入分块重映射的数据处理方法

雷达对抗中,干扰机侦收雷达的信号,经AD采样后输入FPGA进行处理并产生干扰信号。FPGA平台利用Xilinx等官方提供的FFTIP核对高速ADC输出的数据进行FFT处理时,需要进行“并行-串行”的数据预处理,降低了处理速度,同时也没有对FPGA内部资源进行最大化利用。基于以上问题,提出一种基于FPGA输入分块重映射的数据处理方法。该方法通过数据输入重映射模块将输入雷达数据优化为并行分块的数据流格式,再通过FFT蝶形网络输出离散傅里叶变换数据,最后进行并行结果输出。试验证明,本方法能有效节省FPGA的运算时间,提高雷达数据处理速度,优化利用了FPGA内部资源,具有实时性好、灵活性高的特点。

分块式空间望远镜技术研究现状及其发展趋势

大口径空间光学望远镜是实现高分辨率遥感与高灵敏度探测的重要科学仪器。传统的整体式望远镜口径超过4 m将难以突破现有运载器整流罩有效包络的限制,采用分块式的技术手段可以在满足运载能力的前提下实现口径最大化,是解决当前望远镜高分辨率与高信息收集能力的最优选择。文章先从部署形式上对分块式空间望远镜的国内外研究现状进行了梳理,归纳出分块望远镜在技术实现路线上的技术类型和特点,分别对高精度机构展开技术、机器人智能装配技术、波前检测与调控技术以及超轻可调分块镜技术进行了技术内涵及实现技术途径分析,最后面向未来远景目标,对分块式空间望远镜的技术发展作了展望。

基于区间分块Q学习的智能车辆安全舒适刹车算法

针对当前智能汽车刹车场景下的安全与舒适性问题,提出一种基于区间分块的Q学习算法。首先在Q表中将前车加速度以一定间隔划分入等长区间,用区间中值做间隔来划分后车加速度。其次通过在安全条件下与加速度呈负相关的奖励设置,使智能体在保证安全的前提下尽量降低刹车加速度。最后在智能体训练的过程中遵循ε-贪心策略以减少随机性,在训练完毕后遵循贪心策略以最大程度利用智能体。将提出的算法与传统Q学习算法在三种常见道路场景上进行仿真测试。实验结果显示使用提出算法的智能车辆在刹车场景中安全率100%、平均刹车加速度小于2 m/s~2且能处理连续刹车加速度,表明提出的算法能够在确保智能汽车安全刹车的同时实现较低的刹车加速度。同时在连续刹车加速度与离线环境等复杂情况下,算法均能正常使用。

基于改进随机分块模型的电商网络链路预测算法

通过改进的随机分块模型(SBM)链路预测算法,研究电子商务网络的演化过程与社团结构。针对原始SBM模型块之间的度分布为二项式分布,引入度衰减参数使得随机分块模型中块之间的度分布遵循幂律分布。针对原始SBM模型中节点之间的连接仅仅取决于节点所属块的假设,引入度控制参数使其更接近真实网络的度数分布。基于此提出优化后的随机分块模型,并利用阿里巴巴淘宝数据集验证该算法,结果显示该算法精确度高于随机分块模型(SBM)、度修正的随机分块模型(DCSBM)以及层次结构模型(HBM)。说明改进后的算法能较好地刻画电商网络中的社团结构,准确地发现网络中的缺失链接。

基于多CNN的分块镜piston和tip-tilt误差同步检测方法研究

绝大多数大型望远镜采用分块镜的设计方案,为了获得优质的成像效果,需要控制分块望远镜系统的piston和tip-tilt误差。神经网络误差检测方法相较于传统的检测方法具有一定优势,但存在仅检测单一类型误差的局限性。本文提出一种基于卷积神经网络的piston和tip-tilt误差同步检测方法,通过在出瞳面设置具有离散孔的光阑,引发分段镜反射的子波发生干涉-衍射现象,构建包含丰富piston和tip-tilt误差信息的数据集。通过粗测网络和精测网络级联,满足大范围和高精度同步检测的需求。结果表明,该方法实现了对输入光源相干长度内纳米级的piston误差检测,并对10μrad范围内的tip-tilt误差实现了亚微弧度检测;对40 dB的CCD噪声表现出良好的抗干扰性,对面形误差的允差为0.05λ0RMS(λ0=600 nm),同时对六子镜系统具有可扩展性。本文方法光路简单,操作便利,具有实际意义。

基于分块重构GAN的铁路隧道漏缆卡扣缺陷检测

由于铁路通讯漏缆卡扣结构模糊、背景差异小、类型多样且数据分布复杂,因此卡扣的缺陷检测仍具有挑战性。针对现有的CNN网络对缺陷数据分布敏感问题,引入非监督学习式的GAN网络,并提出基于分块重构GAN的卡扣缺陷检测算法。首先,采用经典的YOLOv5-M模型截取漏缆卡扣图像;然后,以现有的Skip-GANomaly网络为基础,采用分块去除的方式拆分卡扣图像,将卡扣特征离散化的同时也增加了样本的容量,缓解了Skip-GANomaly在缺陷卡扣重构中的过拟合问题;此外,提出采用余弦相似度计算卡扣重构前后图像的相似度分数,以此判定卡扣是否存在缺陷。选取综合巡检车采集到的漏缆卡扣数据集进行实验,结果表明,本文提出的算法对多类型卡扣缺陷识别的AUC值达到了0.961,比Skip-GANomaly算法提高了3%。此外,可视化的结果表明,与其他两种经典的异常分数相比,采用基于余弦相似度方法能够更好地区分缺陷和正常卡扣。

应用于胶囊机器人的分块内存传输方法

控制器的存储空间在胶囊机器人的图像数据传输中起决定性作用。随机存取存储器(RAM)存储空间的大小与胶囊机器人系统中硬件体积有关,受限于胶囊机器人系统的体积尺寸,小内存RAM无法完成大容量图像数据的采集和发送。该研究提出了一种分块内存传输方法,首先采用光学镜头OV5640采集图像数据,并对RAM内存进行分块管理,将图像数据存储到分块内存块,最后通过无线通信模块循环发送内存块中的数据,实现边采集边存储边发送的功能,达到采用小内存完成大容量图片的采集和发送的目的。搭建胶囊机器人系统模拟平台,用于验证数据传输实验。实验结果表明,相距2 m距离时,上位机系统可以接收到由胶囊机器人系统模拟平台传输过来的图像。该研究提出的方法能够在有限的RAM内存中实现对大容量图片的采集和发送,提高了胶囊机器人系统的图片拍摄效率。

基于L0梯度平滑与图像分块聚类的海天线检测

海天线检测在海洋工程安防活动中具有重要的意义,真实海洋环境中的海天线检测易受云朵、海浪、光照变化、目标遮挡物、边界模糊等外界干扰。为了实现对真实海洋环境中海天线的检测,本研究提出一种基于L0梯度平滑和图像分块聚类的海天线检测算法。首先,对图像进行L0梯度平滑滤波,以增强海天线边缘,弱化非海天线因素干扰;接着,将图像沿着竖直方向分割成若干等宽图像块,以降低整体环境干扰,加强局部海天线检测效果;然后,通过Canny算子和霍夫变换提取每个分割图像块中的直线段;最后,采取K-means聚类算法提取每个图像块中的海天线段,拟合生成完整海天线。实验结果表明,在真实的海天线数据集中,本研究方法获取的矩形框重叠率平均精度为93.22%,角度差平均精度为7.66%,均高于文中选取的近年典型对比算法。满足实际海天线检测抗干扰强、准确率高、适应性广等要求。

E型分块定子永磁同步电机热分析及优化

分块定子永磁同步电机作为一种新型电机拓扑结构,具有高容错性、高转矩密度等特点,同时存在电机损耗大的问题,威胁到电机性能的稳固性。以E型分块定子永磁同步电机为研究对象,分析电机损耗机制,研究不同运行工况下电机损耗变化规律;采用磁热双向耦合法对电机进行热分析,并基于热分析结果采用响应面优化方法对电机进行多目标优化设计。优化后,电机平均输出转矩提升了14.15%,涡流损耗降低了55.99%,平均温升降低了12.62%。最后通过实验验证了双向磁热耦合法的准确性及优化设计的有效性。

基于按列分块和混合分块的压缩感知图像重构方法

压缩感知理论由于其可通过低采样率来恢复原始信号的特点,近年来逐步被用于光学成像领域。为了解决在对成像图像进行压缩感知重构时数据量过大、计算负担大的问题,分块压缩感知的方法被提出。在该方法的基础上做出改进,依次提出了按列分块和混合分块的压缩感知方法。其中按列分块的方式改变了分块模式,降低分块时的要求,混合分块则结合两种分块的特点,有效提升了压缩感知的效果。通过仿真实验验证,本方法有效提升了图像重构质量,尤其是混合分块方式,在图像的重构速度和重构质量上都有显著提升。

分块压缩感知编码的重建图像改进算法

针对待编码图像分块实施压缩感知编码重建过程耗时较长问题,不是按照观测值与观测矩阵之间的关系来设计重建算法,而是在重建时先建立码书,然后直接从它中搜索出观测值意义下均方误差最小的最佳匹配块,作为重建图像子块.为了减少搜索范围,设置了剔除条件,设计出一个在码书中搜索最佳匹配块的限制搜索空间算法.四幅图像的仿真结果表明,重建图像质量对构成码书的原始图像不是特别敏感,具有一定的鲁棒性.它确实能够在重建图像质量有一定降低的情况下,其平均重建时间仅为正交匹配追踪算法的13.6%(16×16分块)与0.05%(32×32分块),为实时重建提供了一个较好的候选算法.

分块充磁永磁体对磁齿轮磁密及涡流损耗影响

在大功率大变速比磁齿轮中,整体充磁式大块永磁体空心化问题是提升永磁齿轮性能的主要障碍之一。分块充磁工艺能够有效解决这一问题,明显提升大块永磁体性能。通过构建3D模型,对采用分块充磁技术的永磁体的永磁齿轮完成了磁热仿真分析。结果表明,分块充磁技术能够有效抑制大尺寸永磁体的磁场空心化,显著提高其剩磁,改善永磁齿轮的磁密,进而提升永磁齿轮的最大输出转矩;分块充磁永磁体块间绝缘能够有效缩减永磁体圆周弧长和轴向长度与永磁体磁场透入深度的差距,大大降低永磁体的涡流损耗。

基于特征分块的赤足足迹人身识别算法

为了提高赤足足迹人身识别算法的准确率,提出了一种基于深度学习的足迹识别算法。足底各区域所受压力的不同导致了它们包含的信息量存在一定的差异性,为了获取更稳定、区分度更高的特征,该算法采用ResNet50作为基础网络,在特征层进行分块处理。构建了一个包含2000人的赤足足迹库进行训练和一个包含3000人的赤足足迹库进行测试,该算法利用500人1000幅测试图在测试库上首位识别准确率达到了98.50%,优于常规的ResNet50网络。实验表明,基于特征分块的足迹识别算法在赤足足迹识别中获得了很好的识别效果。

基于图像分块和多头注意力机制的气象识别研究

基于图像对天气现象进行识别,对天气状况的分析至关重要。针对传统的机器学习方法对各类天气特征难以准确提取且天气现象分类效果差,以及深度学习对天气现象识别的准确率不高的问题,提出了基于图像分块和多头注意力机制的天气识别模型。该模型首次将Swin Transformer引入天气识别领域中,采用了窗口多头自注意层与移位窗口多头自注意层相结合的多头注意力机制。结果表明,其区域相关特征提取能力弥补传统方法的不足,能够提取图像中复杂的天气特征。采用迁移学习对模型进行训练,将微调模型的全连接参数输入到Softmax分类器,实现了对多类别天气图像的识别,识别准确率为99.20%,优于对比的几种主流方法。因此,该方法可以作为天气识别模块应用于地面气象识别系统。

自适应分块的改进最小费用网络流解缠算法

相位解缠是进行精确差分干涉测绘的关键步骤,在相位解缠算法中,最小费用网络流(MCF)是当前常用的算法,该算法具有精度高、限制残差点误差扩散、优先将误差限制在低相干区域的优点,但随着残差点数量的增多,其计算效率也随之降低。改进的MCF算法通过对其做分块,有效提升了算法效率,但块尺寸的选取影响最后的准确度与效率。本文提出一种自适应分块的改进MCF解缠算法,通过自适应寻优的方式选取合适的分割块,将相干性较高的点集中在同一块内,使得在准确度不受过多影响的情况下有效地提升算法效率。

基于多空间信息提取的级联分块配准模型

在基于深度学习的医学图像配准中,当医学图像中包含多种组织类型时,不同组织之间结构的不同可能会导致网络配准的精度下降,特别是在复杂形变区域,如组织的交界处和病变区域,精准的配准变得更加困难,现有的配准算法对复杂形变区域的关注度不高,导致配准精度较低.同时现有的配准网络无法同时对图像的局部和全局空间信息进行捕获,导致网络的鲁棒性不够,在迁移到其他器官的配准工作中时配准准确率低.为了解决上述的问题,本文提出一种基于多空间信息提取的级联分块配准模型,本模型可以有效利用输入图像的局部和空间信息,并通过分块融合的技术,将医学图像进行分块并依次对每个图像进行精细配准生成相应的形变场块,在模型的最后阶段将生成的形变场块进行融合还原,以增强网络对局部复杂形变区域的配准强度.实验结果表明,所提方法不仅在脑部配准上有所提升,并且在其他人体部位的配准中也有较好的表现,提高了医学图像配准的准确性和可靠性,为临床医生提供更好的诊断和治疗支持.