基于区间划分的快速重归一化算法

重归一化是H．264／AVC标准二进制算术编码器的一个关键部分，在算术编码器中，重归一化计算量很大，严重制约了算术编码器的效率；同时重归一化算法是一个按位操作过程，很多情况下通过运行一次重归一化算法并不能完成重归一化操作，因此消耗了大量编码时间。为了减少编码时间，针对影响重归一化速度的瓶颈问题，提出了一种基于区间划分的快速重归一化算法。根据重归一化循环次数提出六种不同的区间划分标准来去除H．264／AVC重归一化算法中消耗大量编码时间的按位操作过程；通过去除重归一化的循环过程，使得算法在单位时间内向编码流中输出更多的比特数，能够更好地满足实时性的要求。实验表明，快速重归一化算法在原重归一化算法基础上减少了21．9％-26．7％的重归一化次数和14．5％～33．7％的编码时间。

利用重归一化Numerov方法研究超冷双原子碰撞

采用重归一化Numerov算法求解关于超低温双原子碰撞问题的非含时薛定谔方程组.以^(39)K-^(133)Cs碰撞为例,研究了超低温下双原子Feshbach共振的性质.结果表明,重归一化Numerov算法可以很精确地描述超冷条件下碰撞过程.与改进的logarithmic derivative算法相比,在同等参数条件下,重归一化Numerov方法在计算效率上虽然有一定劣势,但在大格点步长参数范围内有着更好的稳定性.提出重归一化Numerov和logarithmic derivative算法相结合的传播方法,在保证结果精度的同时大大减少了计算时间.此项算法也可以应用于求解任意温度下的两体碰撞耦合薛定谔方程组.

基于重归一化的CABAC编码算法的改进

基于上下文的自适应二进制算术编码（Context-Adaptive Binary Coding,CABAC）是一种高效的熵编码方法,但是其高计算复杂度制约了该算法的编码速度,已经成为其应用的一个主要瓶颈。为了解决该问题,在分析CABAC算法及其计算复杂度的基础上,对其重归一化部分进行了改进,提出了一种提高其编码速度的有效方法。该算法根据重归一化次数细分编码下限的范围,并且根据重归一化次数出现的大小,选择最优的重归一化操作,除去了重归一化的循环过程,提高了编码速度。实验数据表明,该算法较以往的算法使CABAC的编码速度平均提高了18.7%-19.4%,并且编码效率没有下降[2]。

基于批量重归一化去噪网络的地震信号消噪

随机噪声衰减是地震勘探中的一个关键步骤,针对大多数深层卷积网络用于压制地震勘探随机噪声性能易于饱和,导致无法从训练数据中学习或无法更新权重等问题,提出批量重归一化去噪网络(Batch-Renormalization Denoising Network,BRDNet)。通过结合两个并列的分支网络以增加网络宽度,从而获得更多特征,上层网络由残差学习(Residual Learning,RL)和批量重归一化(Batch Renormalization,BRN)组成,下层网络包括BRN、RL和扩张卷积。批量重归一化技术解决了内部协变量移位和小批量问题,采用整体方式的RL以及扩张卷积来促进网络训练,可提取更多特征进行去噪。人工合成记录和野外实际记录的处理结果表明:相较于f-k滤波,小波去噪,时频峰值(Time-Frequency Peak Filtering,TFPF)滤波及现有的深度卷积神经网络(DnCNN),BRDNet具有更好的噪声压制能力和保幅效果,能够有效提高地震数据的信噪比和分辨率,为下一步进行地震解释提供有力的保障。

基于重归一化的CABAC算法改进

为了提高视频熵编码的吞吐率,提出了一种基于上下文自适应二进制算术编码(Context-based Adaptive Binary Arithmetic Coding,CABAC)算法的加速优化方法。采用硬件加速方法将二进制算数编码单元划分成多级流水结构,控制电路关键路径长度。通过拆分重归一化整体结构,降低了数据关联性,利于硬件实现;利用查表法简化计算,利用字节填充方法解决字节溢出问题。仿真验证结果表明,改进后的CABAC算法编码速率高,资源消耗少,用较小的代价获得了较高的编码速率。

基于归一化椭圆权重L-M算法的单应矩阵估计

针对特征定位误差服从各向异性高斯分布时单应矩阵的优化问题,提出了一种归一化椭圆权重的烈文博戈马奎特(EW L-M)算法。该算法对目标函数添加椭圆权重的形式,使得目标函数在马氏距离的基础上兼有欧式距离优点。模拟与真实数据的实验结果表明,本文提出的方法能在更少的迭代次数下估计出更精确的单应矩阵,且对不同级别的误差表现出更强的鲁棒性。

深度学习批归一化及其相关算法研究进展

深度学习已经广泛应用到各个领域,如计算机视觉和自然语言处理等,并都取得了明显优于早期机器学习算法的效果.在信息技术飞速发展的今天,训练数据逐渐趋于大数据集,深度神经网络不断趋于大型化,导致训练越来越困难,速度和精度都有待提升.2013年,Ioffe等指出训练深度神经网络过程中存在一个严重问题:中间协变量迁移(Internal covariate shift),使网络训练过程对参数初值敏感、收敛速度变慢,并提出了批归一化(Batch normalization,BN)方法,以减少中间协变量迁移问题,加快神经网络训练过程收敛速度.目前很多网络都将BN作为一种加速网络训练的重要手段,鉴于BN的应用价值,本文系统综述了BN及其相关算法的研究进展.首先对BN的原理进行了详细分析.BN虽然简单实用,但也存在一些问题,如依赖于小批量数据集的大小、训练和推理过程对数据处理方式不同等,于是很多学者相继提出了BN的各种相关结构与算法,本文对这些结构和算法的原理、优势和可以解决的主要问题进行了分析与归纳.然后对BN在各个神经网络领域的应用方法进行了概括总结,并且对其他常用于提升神经网络训练性能的手段进行了归纳.最后进行了总结,并对BN的未来研究方向进行了展望.

基于多尺度融合与USM的蒙古族家具纹样增强研究

为提高蒙古族家具纹样图像的全局对比度、颜色和精细细节,提出了一种基于改进的多尺度融合和USM的图像增强算法。首先对图像采用非锐化掩模技术增强纹样的细节区域,在此基础上进行白平衡处理,然后根据对比度的需求定义权重,最后进行多尺度融合能更好地体现出图像中有价值的信息和样式。结果表明:该算法能突出纹样的细节部位,图像颜色更加自然直观,有效地增强了蒙古族家具纹样的图片;该方法可为缺失纹路的蒙古族家具纹样复原提供技术支撑,同时对蒙古族家具纹样的保护具有重要意义。

三江源自然保护区植被覆盖度遥感估算

采用了基于重归一化植被指数的像元二分模型,并结合实测数据和相关辅助数据,对三江源自然保护区2007年的植被覆盖度进行了估算和精度验证.植被覆盖度实测值和遥感估算值之间的线性相关系数达到了0.9017,平均精度为81.52%.结果表明使用此方法进行大面积植被覆盖度的遥感估算是有效可行的.

JPEG2000算术编码器的算法优化和VLSI设计

研究了JPEG2000算术编码器的算法和电路实现.提出了重归一化规程的一种新的顺序结构,通过添加独立的总移位次数预测规程,使得编码算法可以一次性顺序完成当前上下文的处理.据此设计了具有从流水线的三级流水线电路结构,流水线用于处理无编码字节输出的常规情况,从流水线单独处理编码字节的输出,从而有效缩短了各级电路的关键路径延时.基于TSMC 0.18μm工艺的综合结果表明,系统时钟频率为578MHz,吞吐量约为520 Msym-bols/s.与采用相同工艺的国内外研究成果相比,分别提升了40%和26%以上.

改进的快速算术编码及其在图像编码中的应用

为了快速地进行图像编解码,提出了一种改进的快速算术编码方法,该方法是先通过编码区间宽度值与阈值的比较,并以字节为单位进行重归一化,同时输出以字节为单位的编码流;然后通过对当前输出字节的内容进行判断及处理,以便在不额外增加码流的情况下更加有效地处理编码过程中的进位传播的问题,从而简化了编解码过程。实验表明,在使用相同的二进制索引树概率模型时,该方法比CACM87及Jiang提出的方法具有更快的执行速度。最后,将该方法用于以2×2系数块为单位的SPIHT图像编码中,以降低位平面编解码过程的复杂度。

利用植被指数(Ⅵ)提取遥感影像荒漠林覆盖度信息的差异性研究

本研究针对荒漠林在遥感影像中的表现特征,选用归一化植被指数(NDVI)、重归一化植被指数(RDVI)和土壤调节植被指数(SAVI),比较分析通过遥感影像灰度图的判读和植被指数分析荒漠林的覆盖度。结果表明:3种植被指数在探测干旱区稀疏植被覆盖度的能力方面存在差异。RDVI探测稀疏植被覆盖度的能力明显劣于NDVI和SAVI。NDVI和SAVI表现基本一致;由于土壤因素的影响,在估测稀疏植被覆盖度方面,NDVI的能力较SAVI强。

功效系数法在隧道围岩失稳风险预警中的应用

为了对隧道围岩危险性做出准确判断,以便于现场及时采取相应工程措施,预防围岩失稳灾害的发生,将功效系数法应用于隧道围岩的稳定性评价中,对围岩失稳风险进行预警。选取岩石的单轴饱和抗压强度Rc、岩石质量指标RQD、岩体完整性系数Kv、结构面强度系数Kf、地下水作用指标、洞轴线与主要结构面的夹角θ作为评价指标,采用专家评估法确定各指标的权重系数,建立隧道围岩失稳风险预警模型。根据总功效系数的大小,将围岩失稳险情划分为巨警、重警、中警、轻警和无警5个警限。然后,运用所建预警模型对浙江省诸永高速公路西华岭隧道围岩危险性进行判断。研究结果表明:运用功效系数法对围岩危险性进行警情预测,比较符合实际,且简单易行,不失为隧道围岩稳定性评价和失稳风险预警的一种新方法,具有较高的工程应用价值。

基于质量度量与颜色校正的多曝光图像融合算法

针对当前多曝光图像融合过程的图像质量属性选择不当,易导致颜色失真与丢失细节等问题,设计了一种质量度量耦合颜色校正的多曝光图像融合算法。首先,选择3种最显著的图像质量属性(对比度、饱和度和亮度)作为度量方式;然后,利用线性组合将得到的3种质量属性进行成加权组合,并采用幂函数来控制每个属性的影响,将较低的权重值赋予曝光不足和曝光过度的像素,消除具有视觉效果不佳的像素,从而有效保留正常的曝光像素及其明亮的颜色与细节;随后,将不同曝光图像加权组合的特征进行Laplacian金字塔分解,经过归一化权重映射后,对其进行不同系数的多分尺度融合,完成多曝光图像融合。为了避免颜色失真与细节丢失,采用基于局部饱和度的颜色校正方法来改善图像质量。实验数据表明,与当前多曝光图像融合方案相比,所提算法具有更高的融合视觉质量,可以更好地保持图像细节和校正曝光融合图像的颜色。

城市布局要素与空间人口分布的相关性研究

通过建立城市空间布局要素因子库,对各因子与人均住宅建筑面积的相关性进行了分析,以其归一化相关系数作为定量分析的权重系数,最终实现北京市现状人口以居住用地为单元的空间分布。

工业机器人时间-能量-脉动最优轨迹规划

针对工业机器人时间最优、能耗最优、脉动最优等多目标的轨迹优化问题,基于非均匀有理B样条(NURBS)曲线矩阵表示法,提出一种最优轨迹规划方法。建立五次NURBS曲线数学模型,构造端点运动参数均可指定的高阶连续的关节运动轨迹,确保机器人的运动性能;在考虑机器人运动学约束的条件下,采用多目标粒子群优化算法(MOPSO)以工业机器人运行时间、能量消耗和轨迹脉动为目标对其运动轨迹进行优化,获得Pareto最优解集。对六自由度STANFORD机器人的仿真结果表明,提出的轨迹规划方法可以很好地构造平滑轨迹,MOPSO算法能够实现满足约束条件的运动轨迹多目标优化,得到理想的Pareto分布。最后,为方便期望解的选择,构造归一化权重目标函数,获得高阶连续的优化轨迹。

工业机器人时间-能量-脉动最优轨迹规划

针对工业机器人时间最优、能耗最优、脉动最优等多目标的轨迹优化问题,基于非均匀有理B样条(NURBS)曲线矩阵表示法,提出一种最优轨迹规划方法。建立五次NURBS曲线数学模型,构造端点运动参数均可指定的高阶连续的关节运动轨迹,确保机器人的运动性能;在考虑机器人运动学约束的条件下,采用多目标粒子群优化算法(MOPSO)以工业机器人运行时间、能量消耗和轨迹脉动为目标对其运动轨迹进行优化,获得Pareto最优解集。对六自由度STANFORD机器人的仿真结果表明,提出的轨迹规划方法可以很好地构造平滑轨迹,MOPSO算法能够实现满足约束条件的运动轨迹多目标优化,得到理想的Pareto分布。最后,为方便期望解的选择,构造归一化权重目标函数,获得高阶连续的优化轨迹。

基于FY-3/MERSI数据监测棉花完整生长季长势的计算方法

【目的】采用归一化植被指数（NDVI）监测棉花完整生长季长势,为棉花管理决策提供参考。【方法】使用FY-3/MERSI数据计算NDVI,旬最大值合成,分别使用归一化权重法和均值法计算石河子地区143团2009~2012年棉花生长季NDVI,结合实测光谱数据对比分析归一化权重法和均值法计算结果的差异及143团棉花长势分布特征。【结果】（1）石河子143团棉花长势2009年〉2011年〉2010年〉2012年;大面积棉田斑块中北部、西部长势较好;小面积棉田斑块和大面积棉田斑块的南、西部边缘长势较差。（2）在监测棉花生长季长势上,归一化权重法〉均值法。（3）FY-3/MERSI数据在监测大面积棉花长势时效果较好,对小面积棉田以及大面积棉田的边缘监测时效果较差。【结论】在计算棉花整个生长季NDVI,归一化权重法优于均值法。

基于竞争机制的LDPC码串行最小和算法

针对译码模块设计成本和功耗的问题,提出了一种LDPC码串行最小和算法。该算法是一种采用权重因子的基于变量节点更新的串行算法,它基于竞争机制来更新变量节点对校验节点消息集合中的最小值。与传统串行算法相比,在不损失性能的前提下,它大幅降低了译码所需的复杂度。另一方面,与并行最小和算法相比,新算法不仅大幅降低了所需存储量,而且性能也有一定的提升,复杂度只有略微增加。

Several boundary identification methods of gravity data and application in Vientiane of Laos area

The authors studied the potential field boundary identification of the new technology in order to find out the possible fractures or contact zones using the following methods such as tilt derivative,horizontal derivative of tilt derivative,normalized standard deviation and normalized differential method. Combined with Euler deconvolution and small subdomain filtering,the actual data processing results show that these methods are all able to identify wider range extending fractures and obtain abundant geological information. The horizontal derivative of tilt derivative and normalized differential method have a better resolution for the small cutting fractures and lacunae in the studied area. They provide a reliable basis for study of the cutting relationship between fractures.