信息综合管理平台中基于内容的图像检索

文中深入分析了信息综合管理平台在宽带信息网络中的地位,提出了新型的信息综合管理平台的体系结构,重点研究了信息综合管理平台中对图像信息进行基于内容的管理和查询的原型系统,提出并研究了该系统中的关键技术和实现途径。利用这个基于内容的图像信息管理平台,可以对图像信息进行统一的管理和检索,对下一步信息综合管理平台原型系统的全面实现具有很高的实用价值。     

基于CBQ技术的带宽管理机制

为了能够合理有效地管理网络带宽资源,解决日益增加的网络流量和带宽资源紧张的矛盾,首先研究了基于CBQ技术进行网络带宽管理的基本原理,然后仿真分析了该带宽管理机制中的流量分类、带宽分配、链路共享以及对链路上空闲带宽管理等方面的特性。结果表明,基于CBQ技术的带宽管理机制,可实现灵活的基于分层结构的流量分类方式,对链路上流量进行精确的带宽控制,使用独特的带宽借用特性管理网络上的空闲带宽,在保护关键应用性能的同时大大地提高了带宽利用率。     

侧壁激波诱导下凹腔燃烧室冷态流场实验观测

在单凹腔燃烧室中引入侧壁激波,为研究燃烧室内部流动特性,采用纳米粒子平面激光散射技术和粒子图像测速技术对全尺寸玻璃燃烧室模型进行流场观测,获得了冷态流场展向和法向的瞬态灰度图及平均速度场。实验结果表明:在远壁面区域,凹腔内部速度与密度都较低;引入侧壁激波后,近壁面区域凹腔与主流的质量与动量交换增强,速度与密度升高;受到侧壁激波影响,燃烧室底壁边界层不再均匀,凹腔中后部产生大规模低速区,具有明显三维特性。     

基于深度卷积神经网络的蛇形机动航迹图像识别

为提高防空武器系统对空袭目标的拦截防御能力,针对现有蛇形机动识别算法鲁棒性较差的问题,提出了将航迹坐标数据转化为图像,利用深度神经卷积神经网络进行航迹模式分类的方法。针对航迹数据直接转化为图像时存在机动幅度不明显或过大的问题,提出了有效解决方案。基于CAFFE平台进行了大量仿真实验,确定了适宜于航迹模式分类的深度卷积网络结构和网络参数。实验结果表明,该方法能有效提高蛇形机动航迹识别的鲁棒性。     

基于亚像素模糊检测的Wiener对运动模糊图像复原方法

在图像获取中由于目标运动、拍摄条件等原因,容易产生剧烈的运动模糊,难以辨认。针对运动模糊点扩散函数、信噪比不知的情况下,对传统Wiener进行了创新和实践,探讨了基于亚像素的模糊方向与深度检测和递推迭代的自适应Wiener滤波对运动图像的复原方法。该方法首先对图像进行任一方向的亚像素进行模糊运动方向计算并确认,而后解算模糊尺度。采用先验信噪比进行预设,并迭代推算得出最优值。实验表明,该方法在对拍摄的模糊图像处理能获得较理想的效果。     

现代防空火控系统的现状及发展方向

参照国外现代陆用防空火控系统现状 ,结合国内陆用防空火控系统研制情况 ,以功能模块概念阐述现代陆用防空火控系统的组成及各组成分系统的功能。结合近代反空袭作战特点 ,探讨未来陆用防空火控系统的发展方向     

图像配准参数的自适应求取方法

提出了一种可见光和红外图像的自动配准方法 .针对多数配准过程需人工干预的问题 ,建立二维仿射变换模型 ,以图像边界为特征 ,以目标边界互相关函数最大为原则 ,对二维仿射变换模型自适应搜索求取最佳配准参数 .给出了实际可见光和红外图像配准的实验结果     

灭雷具图像声呐探测过程仿真模型

根据灭雷具上高分辨率图像声呐的工作原理和探测过程,从为部队官兵提供模拟训练平台的角度出发,利用计算机的图形、图像处理和虚拟现实技术,提出一种数学模型和物理模型相结合的图像声呐可视化建模思路。通过仿真,证明此种方法既便于计算机实现,又符合灭雷具图像声呐的真实探测和显示过程。同时,为了整个仿真系统的需要,简单地给出了系统中三维海底地形和水雷目标的数据模型和构造方法。     

基于局部敏感哈希算法和神经网络学习的跨媒体检索方法

为了提高跨媒体检索的效率,可行的方法是降低数据集中不相关内容的比例。采用局部敏感哈希算法将图像数据映射到汉明空间并利用神经网络学习将文本数据映射到汉明空间的哈希函数,提出一种可以显著提高数据集中相关文件比例的高效跨媒体检索方法。实验结果表明,提出的方法能够有效去除数据集中的不相关内容,相对于已有的跨媒体检索方法,其有效提高了检索效率与准确率。     

Balancing a one‐way corridor capacity and safety‐oriented reliability: A stochastic optimization approach for metro train timetabling

In urban rail transit systems of large cities, the headway and following distance of successive trains have been compressed as much as possible to enhance the corridor capacity to satisfy extremely high passenger demand during peak hours. To prevent train collisions and ensure the safety of trains, a safe following distance of trains must be maintained. However, this requirement is subject to a series of complex factors, such as the uncertain train braking performance, train communication delay, and driver reaction time. In this paper, we propose a unified mathematical framework to analyze the safety‐oriented reliability of metro train timetables with different corridor capacities, that is, the train traffic density, and determine the most reliable train timetable for metro lines in an uncertain environment. By employing a space‐time network representation in the formulations, the reliability‐based train timetabling problem is formulated as a nonlinear stochastic programming model, in which we use 0‐1 variables to denote the time‐dependent velocity and position of all involved trains. Several reformulation techniques are developed to obtain an equivalent mixed integer programming model with quadratic constraints (MIQCP) that can be solved to optimality by some commercial solvers. To improve the computational efficiency of the MIQCP model, we develop a dual decomposition solution framework that decomposes the primal problem into several sets of subproblems by dualizing the coupling constraints across different samples. An exact dynamic programming combined with search space reduction strategies is also developed to solve the exact optimal solutions of these subproblems. Two sets of numerical experiments, which involve a relatively small‐scale case and a real‐world instance based on the operation data of the Beijing subway Changping Line are implemented to verify the effectiveness of the proposed approaches.