并行生成卷积网络图像修复算法

为解决修复纹理精细、背景复杂图像中大面积不连续语义缺失时存在的边缘伪影和语义不连续的缺陷,提出一种并行生成卷积的残差连接图像修复算法。将残缺图像输入一个两列平行卷积的结构修复网络得到两个具有不同感受野大小的图像分量,通过共享解码合并两个图像分量并计算输出的L2损失优化网络。将结构修复网络的输出送入包含残差连接与注意力机制的细节修复网络,融合上下文信息,改善修复细节能力。使用全局与局部鉴别器和预训练视觉几何组网络计算损失,对修复网络进行整体判别优化,增强修复结果的整体与局部一致性。在国际公认数据库上验证提出算法的性能,实验结果表明：提出算法可以有效修复复杂背景且包含精细纹理的大面积不规则缺失区域,提升图像细节、语义和结构的真实性与完整性,其峰值信噪比和结构相似度优于经典的对比算法。     

多文档界面的顶层窗口程序设计

在应用软件设计中,经常希望某个窗口总是处于多窗口最前端,本文介绍使用VC+ +4.0的MFC,说明如何在多文档界面中,实现这一功能的例子。     

装备外壳结构周期设计及其振动特性

将声子晶体能带理论应用于装备外壳结构设计,把装备外壳圆柱壳段设计成周期结构。基于多子结构的双协调自由界面模态综合法,计算并对比了周期圆柱壳与非周期圆柱壳对弯曲振动的衰减特性。结果表明,周期圆柱壳中有弯曲振动强衰减带隙存在,而非周期结构中则没有带隙存在。进一步研究了轴向周期复合夹层材料圆柱壳的弯曲振动特性。同样,该周期复合夹层结构中依然有弯曲振动带隙存在,且在带隙频率范围内弯曲振动传播将受到明显的抑制。最后,考虑实际装备外壳形状,研究了含周期结构圆柱段的复杂装备外壳振动特性。研究表明,经过局部周期设计的复杂装备外壳保持了带隙特性,这说明了将能带理论应用于工程实际装备外壳的振动控制具有可行性。     

用卷积神经网络分类最大稳定极值区域实现汉字区域定位

获取对应笔画级连通区的最大稳定极值区域,实施形态学闭操作融合相距较近的最大稳定极值区域,融合后最大稳定极值区域对应的单个汉字区域;利用灰度共生矩阵描述最大稳定极值矩形区域的纹理信息,将其作为卷积神经网络的输入,卷积神经网络对最大稳定极值区域进行分类,过滤非汉字部分;利用最大稳定极值区域颜色直方图的Bhattacharyya距离等特征对最大稳定极值区域进行聚类,同一类最大稳定极值区域组合得到汉字文本候选区域;再次利用卷积神经网络对候选文本区域进行分类,过滤非文本部分,剩余的就是定位到的汉字文本区域。实验结果表明,该算法对于汉字区域定位具有良好的效果。     

星载光学遥感成像系统复杂性分析

为研究星载光学遥感成像系统的复杂性,由复杂系统的基本特征与系统研究的基本原则出发,通过对成像全链路流程的分析,确定光学遥感成像系统的复杂性来源及其表现形式。建立星载光学成像的数学模型,以系统重要参数——调制传递函数为基点,通过正过程建模分析和逆过程测量计算相结合的方式,分析了系统复杂性研究的基本原则,即还原论与整体论相结合、定性与定量相结合的过程。由正、逆过程的对比分析,一方面阐述了系统性能与各个环节参数之间的关系,另一方面又由正则化盲反卷积的方式得到图像中真实的调制传递函数。二者相辅相成,既能通过补偿系统复杂性因素影响提升系统性能,又能进一步指导系统优化设计。     

Z-Buffer算法改进

Z-Buffer算法在像素级上以近物取代远物。形体在屏幕上的出现顺序是无关紧要的。这种取代方法实现起来远比总体排序灵活简单,有利于硬件实现。然而Z-Buffer算法存在缺点：占用空间大,没有利用图形的相关性与连续性：Z-Buffer算法以算     

直接序列扩频系统中抑制窄带干扰的变换域技术

本文主要介绍了三种抑制DSSS中窄带干扰的变换域方法。与离散傅立叶变换（DFT）相比,基于重叠变换（LT）的处理方法能更有效地将窄带干扰限制在有限的子带内,这两种方法共同的缺点是：时频分辨率固定,带内频谱泄漏水平较高。基于自适应子带变换（ST）／小波包变换（WPT）的变换域技术,其时频分辨率可随输入信号灵活调整,而且对应的正交镜像滤波器具有良好的幅频特性,因而能更有效地抑制窄带干扰。     

基于降低运算复杂度的子空间跟踪算法稳健性分析

FDPM和FOOJA是目前两种最为有效的适用于主、次子空间跟踪的方法,属于低复杂度算法。进一步降低算法运算复杂度,对保证算法的实时性具有非常重要的意义。以降低算法运算复杂度为背景,通过对FDPM、FOOJA算法的分析,指出存在两种简化运算量的FDPM1stcol、FOOJA1stcol方法。在有限精度运算条件下,对四种方法的稳定性、数值鲁棒性进行了深入分析和讨论。通过实验仿真,对分析的结论进行了验证。     

基于广义三维分配的数据互联算法研究

针对多维分配问题中基于次梯度算法的拉格朗日松弛算法每次迭代都要对每个子问题进行最小化运算以更新乘子的缺陷,引入了优化数学里的代理次梯度算法,修改次梯度表达式和乘子更新公式,提出了基于代理次梯度的拉格朗日松弛数据关联算法.在问题规模较大的情况下,节约了计算时间,降低了跟踪丢失率.仿真结果证明了算法的有效性.