摘要：高质量矿井影像为矿山安全生产提供保障,也有利于提高后续图像分析技术的性能。矿井影像受低照度环境的影响,易出现亮度低,照度不均,颜色失真,细节信息丢失严重等问题。针对上述问题,提出一种基于Transformer和自适应特征融合的矿井低照度图像亮度提升和细节增强方法。基于生成对抗思想搭建生成对抗式主体模型框架,使用目标图像域而非单一参考图像驱动判别器监督生成器的训练,实现对低照度图像的充分增强;基于特征表示学习理论搭建特征编码器,将图像解耦为亮度分量和反射分量,避免图像增强过程中亮度与颜色特征相互影响从而导致颜色失真问题;设计CEM-Transformer Encoder通过捕获全局上下文关系和提取局部区域特征,能够充分提升整体图像亮度并消除局部区域照度不均;在反射分量增强过程中,使用结合CEM-Cross-Transformer Encoder的跳跃连接将低级特征与深层网络处特征进行自适应融合,能够有效避免细节特征丢失,并在编码网络中添加ECA-Net,提高浅层网络的特征提取效率。制作矿井低照度图像数据集为矿井低照度图像增强任务提供数据资源。试验显示,在矿井低照度图像数据集和公共数据集中,与5种先进的低照度图像增强算法相比,该算法增强图像的质量指标PSNR、SSIM、VIF平均提高了16.564%,10.998%,16.226%和14.438%,10.888%,14.948%,证明该算法能够有效提升整体图像亮度,消除照度不均,避免颜色失真和细节丢失,实现矿井低照度图像增强。

摘要：针对井下监控装置采集的图像普遍存在照度低、颜色失真及细节特征损失严重等缺陷,提出一种基于改进CycleGAN网络的煤矿井下低照度图像增强算法.首先针对井下成对图像数据获取困难的问题,基于循环生成对抗网络搭建循环图像增强主体框架实现模型的无监督训练;然后基于CSDNet的全局图像分解架构,设计了一种融合空间-通道注意力模块CBAM的双分支估计网络以并行估计图像的光照分量和反射分量,并在两分支网络之间建立多尺度特征分解机制,从而在大幅提升亮度的同时避免颜色失真现象,保留大量细节信息;使用全局-局部判别器调节图像局部区域的亮度,改善亮度不均,避免过曝及阴影现象.实验结果表明:相较于对比算法RetinexNet,LLNet,MBLLEN,EnlightenGAN和CSDNet,本算法在客观质量指标PSNR(峰值信噪比)、SSIM(结构相似性)、IFC(信息保真度)和VIF(视觉信息保真度)上的表现分别提高了11.787%,8.256%,9.658%和8.654%,并在人类视觉主观分析上优于对比算法,证明本文算法能够有效改善井下低照度图像视觉效果.

摘要：目标跟踪是一项有挑战性的计算机视觉任务,在智能交通、人机交互、视频监控等领域有重要作用。目前已经出现诸多性能优越的跟踪算法,但是在煤矿场景下实现良好的跟踪效果,依旧存在较大困难,主要面临遮挡严重、背景干扰较多、井下人员较多、数据集样本数量少、缺乏统一标注等挑战,严重影响目标跟踪的效果。针对煤矿场景下,矿井视频数据集不完善、图像质量差以及缺乏统一标注等问题,设计了一种无监督的方法训练目标跟踪模型,将相关滤波和孪生网络相结合,融合二者在目标跟踪任务的优势,构建轻量级端到端的目标跟踪网络模型,采用目标前向跟踪、多帧后向验证方法完成无监督模型的目标跟踪过程。模型的主干网络使用轻量级AlexNet神经网络,解决了煤矿环境下移动平台存储和计算资源有限的问题。根据矿井环境下存在遮挡严重、背景干扰较多、密集目标排列紧密复杂等问题,提出了使用注意力机制提取视频图像中目标重要性信息的方法。在模型的主干网络结构中添加通道注意力机制和空间注意力机制,将重点关注的目标从诸多背景信息中提取出来,通过处理重要信息进而更好地完成跟踪当前目标的任务。将改进后基于注意力机制的无监督矿井人员跟踪模型与ECO,Staple,DSST,SiamFc,SiamRPN模型的平均覆盖率和平均中心位置误差进行对比,发现所提出的目标跟踪模型适用于煤矿复杂环境的人员跟踪问题,具有较好的目标跟踪效果。

摘要：四相并列式排布的非对称耦合电感因其结构特点,运行于磁耦合交错并联双向直流变换器的输出结果与对称耦合电感有所不同。通过分析四相非对称耦合电感应用于磁集成交错并联双向直流变换器的工作模态,研究了对称度、占空比以及耦合系数的变化对变换器稳态性能和暂态性能的影响,给出了四相非对称耦合电感的设计准则,即在对此类非对称耦合电感进行设计时,利用给出的设计公式确定参数的选择区域,进而进行相关参数的选取。最终,通过对此类结构的耦合电感进行设计与实验,验证了理论分析的正确性。

摘要：针对电梯、起重机等低速运动的大型机械的速度测量,提出了一种基于三轴加速度检测的速度测量方法并设计了速度测量系统。针对大型机械在移动物体时的变加速运动特点,以及移动过程中载荷变化和运动物体摆动、抖动等对检测数据的干扰,提出了一种噪声自适应卡尔曼滤波算法,对加速度数据进行滤波处理,并针对计算过程中产生的累积误差,提出了零值误差自适应补偿方法。实验结果表明:检测方法可以实现对低速机械物体速度的测量,经滤波处理后的数据平滑稳定,测量精度能够满足系统要求。

摘要：无线传感器网络(WSN,wireless sensor network)用户认证技术是传感器网络验证用户的合法性以避免网络数据信息泄露的有效手段之一,同时,用户也需验证传感器网络的合法性,避免获得错误或虚假数据信息。由于WSN节点能量、通信和计算能力等资源受限,且通常部署在敌对或无人值守的区域,因此传统用户认证协议并不完全适用于WSN。从WSN认证协议的安全攻击入手,给出其安全需求及理论基础,归纳总结了设计流程,针对其安全性分析,描述了安全攻击模型,并综述了形式化分析验证工具AVISPA体系结构和HLPSL语言构成。评述了当前的各种WSN用户认证协议,建议了未来研究方向,这些研究工作将有助于WSN用户认证协议的设计、分析与优化。