虚拟化绿色智慧交通数据中心关键技术研究

采用基于VMware vSphere的数据中心虚拟化体系方案设计和SDN的高并发多应用SLA的资源管理方法,对数据中心能耗建模及优化,简化基础设施和资源管理方式,减少资源开销,整合资源,节约建设成本,实现智能、灵活、集约的业务调度,实现资源按需分配,提高智慧交通数据中心能源效率、资源利用率和设备能效比,达到绿色节能。

不确定交通流实时可视化及短时预测方法研究

构建可配置、易扩展、高开放性的交通流可视化平台的框架并实现基于可视化的决策分析,通过大数据平台处理、存储海量、高频率的交通数据支持下实现交通流信息实时可视化,为交通数据智能分析提供直观展示。在此基础上,提出针对短时交通流预测的思路和方法。

一种基于改进渗流模型的混凝土表面裂缝快速检测算法

由于混凝土表面不平整、光照不均、裂缝背景较为复杂等因素的干扰,传统的基于图像处理的裂缝检测方法对裂缝检测的效果不佳,尤其是不清晰和比较细小的裂缝。基于渗流模型的裂缝检测方法充分考虑了裂缝亮度低、形状较为细长的特点,对裂缝的检测效果很好,尤其是图像中的细小裂缝,但是该方法需要大量的处理时间。为了解决上述问题,提出了一种加速渗流处理的算法,该算法通过暗点预提取来减少渗流时需要处理的像素点个数,以此来减少渗流处理时间。实验结果表明,所提算法能明显加快渗流处理的速度,并且精确率基本保持不变。

结合背景更新和亮度范围的改进Codebook模型算法

传统的Codebook背景模型算法是在RGB颜色空间下建立的,该算法计算复杂、分割质量不高且抗扰动能力较差。首先利用YUV颜色空间下亮度与色度分离的特性,建立Codebook背景模型,其次针对背景模型的亮度范围定义不合理的问题,采用码本中码字的Y分量均值重新定义亮度范围,最后在运动目标检测过程中使用双层码本与短时滑动窗口相结合的背景更新方法提高抗干扰能力。实验表明,改进算法的亮度范围能够随背景变化不断更新。与传统的Codebook背景模型算法相比,该算法能够有效更新背景,同时提高检测的准确性。

Prewitt边缘检测与钻石编码结合的隐写算法

钻石编码的隐写方式是按照图像像素顺序进行秘密信息的嵌入。针对提高隐写图像安全性和图像质量两方面进行了研究,提出了一种根据图像特征分布隐写的方法即基于Prewitt边缘检测的钻石编码(DE)隐写算法。此方法将原始图像通过Prewitt边缘检测方法进行处理,将图像划分轮廓部位和非轮廓部位;通过钻石编码将不同嵌入参数k的秘密信息分别嵌入到原始图像的轮廓部位和非轮廓部位,以提高图像的质量和安全性。实验结果表明,与其他方法相比,Prewitt DE12和Prewitt DE22算法在嵌入有效载荷和图像质量方面更加有效。以峰值信噪比(PSNR)衡量图像质量,Prewitt DE12和Prewitt DE22的PSNR值都在50 d B以上;以最小平均决策误差来分析,Prewitt DE12和Prewitt DE22的最小平均决策误差在总体上高于之前的隐写算法。

空间信息码本和粒子滤波相结合目标跟踪算法

针对粒子滤波跟踪过程中容易积累误差引起跟踪失败的问题,提出一种基于空间信息码本背景建模的粒子滤波跟踪算法。首先,在码本背景建模过程中将目标像素码本和周围8邻域像素码本进行融合,克服背景噪声干扰得到精确的前景目标;然后提取前景区域的核函数加权颜色特征作为粒子滤波初始状态先验分布。同时在重采样过程中引入位置信息加权改进。实验结果表明,该算法减少了粒子发散引起的采样误差,且能够在复杂背景下对目标进行有效跟踪,在实时性和准确性上优于标准粒子滤波算法。

结合代数多重网格的钻石编码隐写算法

针对隐写算法安全性的问题,提出一种结合代数多重网格(AMG)的钻石编码(DE)隐写算法。首先,通过AMG方法将图像的像素点分成粗细网格两个部分。然后,结合DE把机密信息分别嵌入到粗细网格两个像素序列中。其中,粗网格部分像素的改变对整幅图像的质量影响较小,而细网格部分像素的改变对整幅图像的质量影响较大。又因为DE的k值跟信息隐藏容量密切相关,随着k值的增加像素改变量变大,所以用DE嵌入的过程中,粗网格部分选择的k值不小于细网格。最后,选择DE的k值等于1与2,提出了三种隐写方案。与最低有效位(LSB)置换、随机LSB匹配、DE算法和自适应边缘检测算法进行比较,实验结果表明,三种隐写方案的一阶Markov安全指标皆优于其他对比隐写算法。

高校自媒体舆情重要性分析

以微博、微信为代表的微媒体，引领高校网络舆情步入自媒体时代，高校网络舆情主体以大学生为主，具有专业性网络舆情主体和散步式网络舆情主体的双重特点，在监测技术尚未成熟的情况下，大学生使用自媒体增加了高校网络舆情的监控难度，预警存在盲区。为此，高校亟须提高网络舆情生态意识，健全规章制度，提高技术水平，避免和缓解高校网络舆情危机。