一种船舶历史活动热力图实时生成策略

在船舶信息大数据系统中,针对在客户端向服务器请求大批量历史数据并实时绘制热力图时,会出现耗时较长、热力图效果失真以及地图软件漫游时跟随性差或卡顿等问题,提出一种改进的船舶历史活动热力图实时生成策略。该策略在基于像素聚类思想的热力图生成方法基础上,采用基于非线性变换的图像增强算法和像素补点方法,对传统方法绘制的热力图所存在的显示失真问题进行校正和优化,并在此基础上,提出动态加载与绘制策略和多线程实时成图策略,来生成船舶历史活动的热力图。试验表明,所提出策略在热力图绘制的效率、成图效果以及地图软件的交互体验上都得到了提升。     

基于相位相关的快速亚像素全局运动估计

为了实现亚像素级图像快速全局运动估计,提出了一种基于相位相关的快速亚像素全局运动估计方法。首先对待计算的两幅图像进行下采样并计算整像素级的全局运动矢量,然后选取两幅图像重叠的部分进行插值,再计算亚像素级的全局运动矢量。最后,将整像素级和亚像素级的计算结果进行加权计算,得出亚像素级的全局运动位移。实验结果表明,文中算法对噪声影响、光照变化和局部遮挡具有较好的鲁棒性,同时能够有效地提高运动估计的精确性和计算效率。     

大规模科学数据体绘制技术综述

体绘制是刻画大规模科学数据中复杂物理特征的有效途径,然而,数据量极大、特征难以捕捉等问题依然是目前体绘制研究的主要挑战。为此,研究者们从三个方面对体绘制算法进行了深入研究,以提高大规模数据体绘制的效率和效果。一方面,依托硬件通过多处理器核来分担计算,降低单处理器核所要完成的计算量,是提高体绘制效率的一个有效途径。另一方面,充分发掘数据场内在特性对三维数据场进行约简,大幅减少绘制处理数据量从而降低算法开销,也是提高体绘制效率的一个有效途径。同时,在体绘制算法中融入特征分析和特征增强方法,让复杂物理特征从数据场中突显出来,以实现对科学数据的高质量绘制。本文对国内外体绘制技术相关研究进展进行了调研、综述,并分析了不同的研究方法,最后展望了未来体绘制技术研究的可能发展方向,包括应用驱动的特征体绘制、基于特征的约简体绘制、适应硬件的体绘制多级加速以及原位智能化体绘制等。     

复杂电磁环境舰艇电子对抗仿真系统研究

针对目前舰艇电子对抗装备作战效能分析、作战使用方法研究和训练平台实用性不强的现状，采用复杂电磁环境生成技术，运用电子对抗作战使用理论，结合系列研练电子对抗反导积累相关数据，建立电子对抗仿真模型，实现仿真系统控制、复杂电磁环境接收与生成、三维海战场环境仿真显示、多型电子对抗显控界面仿真、舰艇电子对抗作战效能评估、舰艇电子对抗仿真训练成绩评定等功能，研制贴近实际的复杂电磁环境水面舰艇电子对抗装备作战运用仿真系统，以充分发挥舰艇电子对抗装备的作战潜能。     

基于MT方法的雷达波束可视化实现

复杂电磁环境可视化是目前军事仿真领域的难点和热点.以雷达天线方向图函数为基础,通过科学计算可视化领域中绘制等值面的Marching Tetrahedral方法,绘制出雷达波束在三维空间的形态及其动态扫描效果,并在Matlab环境下验证了绘制出的雷达波束形态的正确性.对生成雷达波束的计算过程进行了优化处理,使之能够应用于实时模拟训练环境.在D3D9.0和VC6.0环境下实现结果表明,生成的雷达波束显示效果逼真、流畅,能够为受训人员提供直观、动态的画面.     

快速准确的多分辨率地形模型误差计算

随着图形硬件的高速发展,大规模地形的可视化技术相比传统方法发生了很大变化,但是地形的误差计算方法却没有作出相应的改进,大多算法依然使用保守的迭代式误差,不能很好地与当前绘制算法相适应。针对这个问题,提出一种新的误差定义和计算方式。该误差直接描述简化模型同原始模型之间的差异,比以前的算法更为准确。误差的计算利用图形硬件的插值能力进行加速,大规模地形数据的误差计算能够在较短时间内完成。     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。     

工程可实现的多接收阵SAS精确逐点成像算法

为了解决传统基于截断插值方式的多接收阵合成孔径声纳逐点成像算法所导致的插值误差和图像相位信息畸变的问题,根据时延和频移的对应关系,提出了一种基于频移的逐点成像算法。该方法针对图像中的每一个像素,通过频移对其考虑"停-走-停"影响的精确时延史进行校正,从而将理论上精确的逐点成像算法拓展到实际工程应用中。通过仿真实验和实测数据对所提方法的有效性进行了验证,结果表明:相对传统基于截断方式的逐点成像方法,该方法可以避免插值误差,有利于后期干涉信号的处理。     

MPP数据并行FORTRAN汇编代码模拟环境的设计与实现

本文阐述了一种在单机上模拟ＭＰＰ机执行并行汇编代码的方法。这种并行汇编代码由ＭＰＰＦＯＲＴＲＡＮ编译器生成。由于在一个大型工程中，编译生成的目标代码运行环境不一定能及时具备，所以，研制汇编代码模拟环境ＤＰＦＡＳ有助于及早验证编译目标代码的正确性和完备性。本文通过共享进程组在ＳＧＩ工作站上实现多机环境模拟和远程地址访问模拟。此模拟环境的实现对ＭＰＰ数据并行ＦＯＲＴＲＡＮ编译器的正确性验证和效率评估有一定的帮助。     

面向复杂几何模型的多级并行四面体网格生成算法

高性能计算机的快速发展为数值模拟提供了必需的硬件环境,数值模拟领域对网格的需求已高达数十亿到数百亿量级,而网格生成作为数值模拟的重要一环,其发展则相对滞后,很难满足并行数值模拟求解器对大规模网格的需求。本文面向复杂几何模型提出一种多级并行四面体网格生成算法,该算法首先基于模型的几何特征建立网格的尺寸场,并基于尺寸场和几何实体间的邻接关系对几何实体进行分组,将分组后的几何实体分配到不同的计算节点,在计算节点间采用前沿推进法实现三角形面网格的并行生成,然后在计算节点内对三角形面网格进行二级区域分解,将分解后的子网格分配到各进程中,最后在进程内采用多线程并行方法实现四面体网格的并行生成。通过实际应用三峡大坝模型进行验证,该算法具有良好的并行效率和可扩展性,可以在数千处理器核上实现十亿规模高质量四面体网格的并行生成。     

基于双向映射的非网格型全向图展开插值方法

原始的全向图存在严重的同心圆环状变形,通常需展开为更适合人眼观察的柱面全景图像。结合折反射全向成像特点,提出一种基于双向映射的全向图展开为柱面全景图像的插值方法,通过光路跟踪得到图像间的坐标映射关系,将所要生成的柱面全景图中每一点正向映射到原始的全向图中,确定插值邻域点;将这些邻域点逆向投影到柱面全景图中,针对邻域点在柱面全景图中呈非网格型分布的特点,采用非均匀二维插值算法进行图像插值运算。该方法既准确地定位插值邻域点,又避免了全向图的非线性畸变对邻域点权重计算的不利影响。实验证明该方法能有效提高插值精度和展开后图像的质量。     

三维数据场的可视化

三维数据场是普遍存在的。本文给出一个三维标量场和矢量场的可视化方法：对计算或实测产生的离散数据重构三维连续场的分布,构造数据场的整体发光模型,并根据发光模型计算视屏投影区域上各象素点的光强值,采用直接体绘制（ｄｉｒｅｃｔｖｏｌｕｍｅｒｅｎｄｅｒｉｎｇ）及视觉增强处理绘制出场的可视化图象,通过特征面处理绘制出场的局部分布图象。图象层次及细节丰富,反映了场的分布信息。系统具有较强的交互功能,静态、动态显示功能及友好的用户界面。     

基于支持向量机的彩色图像恢复新方法

引起图像退化的因素众多,因而难以用一个统一的方法来进行恢复处理。鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。实验表明,该方法是有效的,并且具有较好的泛化性能。     

基于差分和神经网络的同步辐射光源图像压缩方法

针对常见的图像无损压缩方法效果不佳问题,提出了一种基于图像差分和神经网络的同步辐射光源图像无损压缩方法。通过图像差分以减少图像序列内部的线性相关性,训练神经网络模型以学习图像序列内部的非线性相关性,得到预测概率分布,结合算术编码压缩。为加速预测和编码过程,将像素值按位分裂为两部分进行并行处理。基于上海同步辐射光源图像的测试表明,相较于便携式网络图形、JPEG2000和自由无损图像格式等,该方法可将压缩率提升20%以上,像素位分裂可以缩短30%的模型预测和编码时间。     

微小曲率半径的图像处理测量方法

通过Quanta200型扫描电子显微镜获取待测物体表面数字图像,运用灰质化、图像增强、图像平滑、图像分割及边缘检测等技术提取研究对象的轮廓边缘。用Photoshop软件中测量图像标尺在水平方向的像素数目,绘制不同尺寸的标准圆与边缘轮廓线条内切,反复操作后确定最大内切圆。统计该内切圆直径像素个数,利用指定表达式计算其半径。以该法测量单颗金刚石磨粒尖端曲率半径,结果表明：基于图像处理的微小曲率半径测量技术在不具备复杂、精密的测试仪器时,具有可靠的测量准确度和可操作性。     

融合图嵌入的Smooth-PCANet图像识别算法

主成分分析网络（Principal Component Analysis Network,PCANet）是一种简单的深度学习算法,在图像识别领域具有优秀的性能。然而PCANet在构建网络卷积核时只关注了图像的主分量信息,忽视了近邻像素点之间的位置关系。而通常情况下,图像的相邻像素点具有空间强相关性,因此利用图结构保持像素点的位置近邻关系更有利于网络提取有效特征。因此,我们将图嵌入思想融入PCANet,提出一种新的图像识别算法Smooth-PCANet。为了验证Smooth-PCANet算法的有效性,我们在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

柱面全景图像拼合及漫游算法研究

基于图像的绘制技术不仅可以弥补传统基于几何绘制技术的不足,而且能给出更丰富的图像显示.文中从实际应用出发,提出并实现了图像拼接新算法,并在此基础上,利用OpenGL的纹理映射技术,将全景图像作为纹理图像映射到由OpenGL预先构造出的虚拟视点空间上,并实现了虚拟场景的全景漫游.     

基于梯度直方图的交叉点检测方法

提出基于梯度直方图的交叉点检测方法:统计像素点邻域梯度信息生成特征描述子,通过判定准则筛选候选交叉点,基于欧氏距离对候选交叉点进行聚类后,利用灰度加权法定位图像交叉点坐标。仿真实验验证了算法的正确性与可行性,结果表明:该方法适用于交叉角为65°～90°范围内的交叉点检测,定位精度优于0.6像素,检测率大于90%;该方法可以很好地抵抗图像旋转,定位精度和检测率基本不受图像旋转影响。该方法具有良好的抗噪性能,可满足一般透视变换下的图像交叉点检测需求,适用于结构光三维重建中的系统标定和形貌测量。     

用于视频图像帧间运动补偿的深度卷积神经网络

为探索深度学习理论在视频图像帧间运动补偿问题中的应用,提出一种用于视频图像帧间运动补偿的深度卷积神经网络。该网络由卷积模块和反卷积模块构成,可以处理不同分辨率输入图像并具备保持较完整图像细节的能力。利用具有时序一致性的视频图像序列构造训练样本,采用随机梯度下降法对设计的深度卷积神经网络进行训练。视觉效果和数值评估实验表明,训练得到的网络较传统方法能更有效地进行视频图像帧间运动补偿。     

采用局域像素匹配的随机抽样一致改进算法

为提高图像拼接的配准精度和稳健性,提出基于局域像素匹配的随机抽样一致改进算法。在完成尺度不变特征变换算子或其他算子图像特征提取、特征匹配之后,利用独立于特征匹配点的局域像素,通过参考图像局域像素与映射的待拼接图像局域像素匹配,优选4对最佳特征匹配点,确定最佳单应矩阵。实验结果表明:与随机抽样一致经典算法相比,该方法未明显增加计算耗时,单应矩阵更准确,图像拼接稳健性更好。