摘要：为解决低质量指纹图像定位奇异点位置偏移及定位区域过大的问题,提出了一种基于三方向图的多尺度平滑奇异点检测算法.首先,计算指纹图像的方向场和频率场估计并用Gabor滤波器对指纹图像进行增强.然后,计算指纹图像中脊线上像素点的方向并对其进行三方向划分得到指纹脊线方向图.最终,去掉噪点并填补非脊线区域,同时检测多个平滑尺度下的奇异点位置并通过信息融合剔除伪特征点,精确定位奇异点.对FVC2002,FVC2004和FVC2006指纹图像库进行实验,结果表明:该算法对低质量指纹图像奇异点检测的准确率有明显提升,奇异点检测的总准确率达92.35%,可将奇异点精确定位在2×2像素区域内.

摘要：针对非真实感抽象绘制技术中可能存在的抽象程度整体趋于一致、缺少色彩层叠感的问题,提出一种自动的、基于图像重要度的抽象艺术风格绘制方法.首先通过梯度和显著度加权计算得到图像的重要度,并将该重要度引入抽象艺术风格绘制;在绘制过程中,为了保留图像的局部结构和方向特征,采用各向异性滤波平滑结构张量场,并沿张量场局部曲线方向进行积分卷积计算;最后采用改进的局部光照明Phong模型对抽象结果进行渲染,有效地突出不同光照条件下的艺术表现力,增强了艺术效果的色彩层叠感.实验结果表明,该方法能对图像局部区域进行不同程度的抽象,更好地保留图像中的局部细节和结构特征,更加符合格式塔理论,并可以产生具有色彩层叠感的抽象艺术效果.

摘要：在供应链体系中,金融数据是企业能否获得融资的重要数据.然而现有的供应链体系采用中心化的管理模式,供应链中各参与方之间信息不对称,数据可能遭到篡改,如何搭建一个可信数据存证平台成了巨大的挑战.针对这一问题,提出基于区块链的供应链金融数据存证模型,为供应链各方提供可信数据.首先,结合星际文件系统对供应链金融关键数据进行链上链下存储,减轻区块链大文件存储负担,提高存储效率;其次,提出双链架构,并设计智能合约实现链上数据存储和访问;最后,在联盟链平台搭建模型,验证所提模型的有效性和效率.实验结果表明,该模型存储效率较高,适用于供应链金融数据存证场景.

摘要：在“新工科”建设中,基于OBE理念的目标达成度指标量化地描述了课程各目标点的实际达成效果,是衡量工科课程最终教学效果的重要参考因素。为取得较高的课程目标达成度,通过分析达成度的计算方法,明确了课程内容和实验设计的关键点和原则,并以“Web应用软件开发”课程为例,提出了在明确课程目标的前提下,实践开发类课程取得较高达成度应对应的内容、实验、考核设计方法。教学实践表明,采用该方法后,“Web应用软件开发”课程取得了较好的教学效果。

摘要：空间众包技术在现实物理世界中有着丰富的应用场景,得到学术界和工业界的广泛关注.任务分配是空间众包的主要研究问题之一,即把工人分配给合适的任务.但是现有的任务分配方法大多假设众包工人和空间任务出现的位置和时间是已知的,忽略了真实的众包平台中众包工人和空间任务的动态变化,由于空间众包平台的强时效性,这种情况下设计的分配方式只能得到局部最优分配结果.提出最大价值最小成本任务分配的新问题,目标是对当前和未来的工人进行分配,使用最小的移动成本获得最大的分配价值.为解决这一问题,提出了基于轨迹的任务分布预测方法及基于核密度估计的工人分布预测方法,设计基于位置预测的任务分配算法来计算众包工人和空间任务的相对最优分配策略.所提位置预测方法利用图卷积神经网络和ConvLSTM模型进行预测,相较传统基于网格的位置分布预测更加精确和稳定.基于位置预测的启发式分配算法可以在线性时间内结合预测得到的位置信息完成任务分配,更加契合空间众包平台的强时效性.在真实数据集上进行大量实验来证明所提方法的有效性,相比于基于网格的预测方法,任务/工人位置预测准确率分别提高了15.7%和18.8%.

摘要：针对云南天文台拍摄的模糊太阳斑点图像使用有监督学习模型进行重建时容易产生伪像、训练时间长、重建结果过分依赖参考图像等问题,提出一种基于结构重参数化与多分支模块相结合的弱监督去模糊方法重建太阳斑点图。首先,结合单尺度与多尺度网络设计去模糊模型,在模型中构造多分支模块提取不同尺度的特征,增强细节信息,减少伪像生成;其次,对每个分支结构进行重参数化,使得结构参数的重用贯穿整个特征提取过程,节省计算时间;之后,将去模糊模型分别嵌入退化学习与逆退化学习的弱监督训练中,先对模糊图像进行等级划分,利用退化模型分别学习不同等级的退化,构成对应等级的配对数据集,再使用去模糊模型对数据集进行逆退化,实现太阳斑点图的重建。实验结果表明,该方法与现有深度学习去模糊方法相比,模型训练效率更高,对参考图像的依赖较小,能够满足太阳斑点图像高分辨率重建要求。

摘要：太阳斑点图具有对比度较低、米粒结构相似、帧间差异较小的特点,现有重建网络在进行单帧去模糊时存在高频特征不足、局部细节难以恢复等问题。结合图像多聚焦融合,构建梯度增强与FPN双阶段网络实现太阳斑点图的高分辨率重建。首先,利用序列图像帧间相似信息互补特性,使用块聚焦图像融合算法,弥补图像丢失的高频细节;其次,以生成对抗网络GAN为框架,设计了一个双阶段重建网络DSGEF,联合梯度分支与结构特征分支增强高频细节,再利用FPN网络进行多尺度特征重建,改善米粒边缘清晰度;最后,引入一个包含对抗损失、像素损失和感知损失的联合损失函数,用于引导网络DSGEF进行训练,实现高分辨率太阳斑点图的重建。实验结果表明,该方法与现有深度学习方法相比,峰值信噪比(PSNR)和结构相似性(SSIM)指标均有明显提高,能够满足太阳观测图像高分辨率重建要求。

摘要：图像不仅可以传达丰富的语义信息进而直接表达人的情感,也可以在情感层面影响他人,艺术作品更是如此.人们对于不同的视觉刺激有着不同的情绪反应,所以理解图片所包含的情感是非常重要的.本文通过微调现有的卷积神经网络模型,以少数民族绘画图像数据为研究对象,分析了艺术绘画的色相、亮度、饱和度,以及对比度对神经网络模型情感分类的影响,并在公共数据集Twitter image dataset上取得了超过目前先进水平3.4%的精度提升.最后,本文提出了一种相关任务的预训练策略,对少数民族绘画的情感分类任务有明显的提升,并通过可视化结构对实验结果进行了分析.

摘要：使用拍卖方式来进行资源分配可以使得资源提供商获得更大的收益,是云计算领域近年来研究的重点之一。但资源分配问题是NP难的,无法在多项式时间内求解,现有研究主要通过近似算法或启发式算法来实现资源分配,但存在算法耗时长,与最优解相比准确度低的缺点。监督学习中分类及回归思想可对多维云资源分配问题进行建模和分析,针对不同问题规模,该文提出基于线性回归、逻辑回归、支持向量机的3种资源分配算法,并且基于临界值理论设计了支付价格算法,从而确保拍卖机制的可信性。在社会福利、分配准确率、算法执行时间、资源利用率等多个方面进行测试分析,取得了很好的效果。

摘要：使用现有深度学习算法重建云南天文台拍摄的高度模糊太阳斑点图像时,出现高频信息丢失、边缘模糊、重建难度大等问题。对此,提出一种结合门控融合网络与残差傅里叶变换的太阳斑点图重建算法,其中门控融合网络由一个生成器和两个鉴别器组成,生成器包含去模糊模块、高维特征提取模块、门控模块和重建模块。去模糊模块采用基于双注意力机制的U形网络框架,获取低分辨率图像去模糊后的特征;高维特征提取模块使用残差傅里叶变换的卷积块,提取包含图像空间细节的高维特征;门控模块将上述两个特征进行融合,得到权重图,与去模糊后的特征进行加权后,再与高维特征融合,得到融合特征;重建模块采用残差傅里叶变换的卷积块和像素混洗层,将门控模块得到的融合特征图进行重建,得到高分辨率图像。利用两个鉴别器分别鉴别去模糊模块产生的去模糊图像和重建模块产生的高分辨率图像的真实性。最后,设计包含像素内容损失、感知损失和对抗损失的组合训练损失函数,指导模型训练。实验结果显示,所提方法与现有深度学习重建方法相比,高频信息的恢复能力更强,边缘轮廓更清晰,结构相似性和峰值信噪比指标更高。