新葡京娱乐场-大陆娱乐场开户注册

基于真實(shí)成像模型，圖像序列/視頻數(shù)據(jù)的通用超分辨率重建方法；對弱紋理目標(biāo)的高清重建，對超精細(xì)紋理的精確預(yù)測與重建。

目前現(xiàn)有方法通過對常規(guī)模型算法的修改，或引入諸多約束條件, 或?qū)ο闰?yàn)?zāi)Ｐ偷暮唵胃呕⒒蛲ㄟ^學(xué)習(xí)（非生物）的方法獲取先驗(yàn)知 識參與重建等，以解決時(shí)空超分辨率圖像重建的求解病態(tài)或不適定問 題，仍不同程度地存在著一定的局限性。本項(xiàng)研究受蠅類視覺系統(tǒng)的 啟發(fā)，與以往研究策略和角度不同，首先，有別于目前面向圖像或視 頻全域的時(shí)空超分辨率信息處理模式，基于生物視覺對感興趣區(qū)域或 目標(biāo)物體的注意機(jī)制，構(gòu)建多序列圖像的時(shí)空超分辨率仿蠅重建信息 處理系統(tǒng)模式。其次，通過超視銳度機(jī)理、大小場景系統(tǒng)、以及“共 

本發(fā)明公開了一種基于 GPU 加速的 DEM 超分辨率方法。包括： (1)利用插值方法將低分辨率 DEM 學(xué)習(xí)數(shù)據(jù)擴(kuò)充 K 倍，使其與高分辨 率 DEM 學(xué)習(xí)數(shù)據(jù)達(dá)到同一尺度；同時(shí)將待重建的 DEM 數(shù)據(jù)通過相同 的插值方法擴(kuò)充 K 倍，得到低分辨率 DEM 重建數(shù)據(jù)；(2)分別將高分 辨率 DEM 學(xué)習(xí)數(shù)據(jù)、低分辨率 DEM 學(xué)習(xí)數(shù)據(jù)和低分辨率 DEM 重建 數(shù)據(jù)分為一系列大小為 N×N 的相互重疊的區(qū)域塊；(3)對低分辨率 DEM 重建數(shù)據(jù)的每一個(gè)區(qū)域塊，在低分辨率 DEM 學(xué)習(xí)數(shù)據(jù)中進(jìn)行相 似

? 研究面向分布式虛擬環(huán)境數(shù)據(jù)管理系統(tǒng)的底層支撐環(huán)境。通過建立協(xié)同開發(fā)方式的系統(tǒng)，提高仿真資源的可重用性，縮短開發(fā)過程，充分共享資源并且為仿真環(huán)境提供高效的資源管理機(jī)制。研究包括對統(tǒng)一資源命名和定位管理技術(shù)的研究；分布式文件系統(tǒng)在分布式仿真環(huán)境中的應(yīng)用及在此基礎(chǔ)上實(shí)現(xiàn)的資源集成；數(shù)據(jù)的標(biāo)準(zhǔn)化表示和傳輸?shù)难芯俊Ｔ摷夹g(shù)目前已經(jīng)在一體化仿真平臺上得到了初步的應(yīng)用。

成果簡介：研究面向分布式虛擬環(huán)境數(shù)據(jù)管理系統(tǒng)的底層支撐環(huán)境。通過建 立協(xié)同開發(fā)方式的系統(tǒng)，提高仿真資源的可重用性，縮短開發(fā)過程，充分共享資源并且為仿真環(huán)境提供高效的資源管理機(jī)制。研究包括對統(tǒng)一資源命名 和定位管理技術(shù)的研究；分布式文件系統(tǒng)在分布式仿真環(huán)境中的應(yīng)用及在此 基礎(chǔ)上實(shí)現(xiàn)的資源集成；數(shù)據(jù)的標(biāo)準(zhǔn)化表示和傳輸?shù)难芯俊Ｔ摷夹g(shù)目前已經(jīng) 在一體化仿真平臺上得到了初步的應(yīng)用。 項(xiàng)目來源：自主開發(fā) 技術(shù)領(lǐng)域：計(jì)算機(jī)應(yīng)用技術(shù)，仿真技術(shù)

本發(fā)明公開了一種基于低分辨率氣象云圖生成高分辨率云圖的方法，包括以下步驟：（1）對原始低分辨率云圖進(jìn)行降級處理；（2）分別對原始低分辨率云圖和降級后的云圖進(jìn)行分塊操作并編號；（3）（4）計(jì)算值域塊中的每個(gè)子塊與(3)中仿射變換后的子塊匹配誤差，并保存匹配誤差最小的子塊序號、灰度變換對比度因子及灰度變換的亮度因子；（5）根據(jù)計(jì)算得出的變換因子參數(shù)矩陣及云圖局部與整體基于統(tǒng)計(jì)學(xué)的自相似性，對輸入圖像進(jìn)行分形迭代；（6）得

一種基于字典漸近更新的人臉圖像超分辨率方法:在訓(xùn)練階段，采用去一法對低分辨率人臉圖像訓(xùn) 練集的每張低分辨率人臉圖像進(jìn)行超分辨率重構(gòu)，得到一層低分辨率中間字典;以此低分辨率中間字典 作為新的低分辨率人臉圖像訓(xùn)練集輸入，重構(gòu)得到新一層的低分辨率中間字典;重復(fù)上述過程，最終得 到多層低分辨率中間字典。在測試階段，根據(jù)輸入的低分辨率人臉圖像，上一層低分辨率中間字典和高 分辨率人臉圖像訓(xùn)練集，對輸入低分辨率人臉圖像進(jìn)行超分辨率重構(gòu)，得到預(yù)估高分辨率人臉圖像;重 復(fù)上述過程，最終重構(gòu)出高分辨率人臉圖像。本發(fā)明可得到更高質(zhì)量、與真實(shí)情況更為接近的重建效果。

本發(fā)明公開了一種數(shù)字高程模型 DEM 超分辨率的方法，包括：建立高分辨率 DEM 與低分辨率 DEM 的位置映射，對每一個(gè)低分辨率DEM 測試區(qū)的子區(qū)域在低分辨率 DEM 搜索區(qū)進(jìn)行相似塊查找與相似性估計(jì)，選取相似性最高的一系列子區(qū)域作為相似塊，將查找到的一系列相似塊映射回高分辨率 DEM 實(shí)測區(qū),將這些對應(yīng)的高分辨率 DEM實(shí)測區(qū)子區(qū)域塊按其對應(yīng)的相似權(quán)重相加得到一個(gè)新的子區(qū)域,將上述超分辨率后的高分辨率 DEM 缺失區(qū)的子區(qū)域拼接起來，加上高分辨率 DEM 實(shí)測區(qū)已有的數(shù)據(jù)就為一個(gè)完整的高分辨率

一種基于數(shù)據(jù)驅(qū)動局部特征轉(zhuǎn)換的噪聲人臉超分辨率重建方法，包括對待重建的輸入低分辨率人臉 圖像和高、低分辨率訓(xùn)練集相應(yīng)劃分相互重疊的圖像塊;對于輸入低分辨率人臉圖像的每一個(gè)位置上的 圖像塊，分別從低分辨率人臉樣本圖像對應(yīng)位置的圖像塊中找出 K 個(gè)最近鄰的圖像塊，并對應(yīng)找出相應(yīng) 高分辨率人臉樣本圖像中的圖像塊，進(jìn)行去均值化;利用映射系數(shù)計(jì)算出各圖像塊相應(yīng)的高分辨率人臉 圖像塊，重構(gòu)出高分辨率人臉圖像，進(jìn)行迭代后處理。本發(fā)明解決了主成分分析無法捕獲處于高維流形 空間人臉特征的問題，利用局部流形的線性特性有效的進(jìn)行了噪聲人臉圖像的超分辨率重建，同時(shí)進(jìn)行 高分辨率圖像后處理，進(jìn)一步提高了重建結(jié)果的主、客觀圖像質(zhì)量。

上科大iHuman研究所在肥胖癥藥物靶點(diǎn)研究上獲重要突破，首次解析 人源黑皮質(zhì)素受體4（Melanocortin-4 Receptor，MC4R）原子分辨率晶體結(jié)構(gòu)。該成果以“Determinationof the Melanocortin-4 Receptor Structure Identifies Ca2+ as a Cofactor forLigand Binding”為題，于4月24日在國際頂級學(xué)術(shù)期刊《科學(xué)》在線發(fā)表。上科大Stevens課題組博士研究生于靜為文章的第一作者，iHuman研究所創(chuàng)始所長Raymond C. Stevens和密歇根大學(xué)教授Roger D. Cone為共同通訊作者，上科大是第一完成單位。領(lǐng)導(dǎo)這項(xiàng)研究工作的Stevens實(shí)驗(yàn)室專注于多肽配體調(diào)控的G蛋白偶聯(lián)受體（GPCR）及與肥胖癥和代謝類疾病相關(guān)受體研究。肥胖癥增加了其它并發(fā)癥的患病風(fēng)險(xiǎn)，如二型糖尿病、心血管疾病等。MC4R主要在下丘腦中表達(dá)，參與控制食物攝取、能量消耗、體重維持等。實(shí)驗(yàn)和臨床證據(jù)也表明，MC4R是肥胖癥治療的重要靶點(diǎn)。但針對MC4R結(jié)構(gòu)與功能的研究及藥物研發(fā)一直充滿挑戰(zhàn)。通過與密歇根大學(xué)Roger Cone實(shí)驗(yàn)室以及南加州大學(xué)合作者的共同努力，最終解析了人源MC4R與環(huán)形多肽配體SHU9119復(fù)合物2.8埃分辨率的晶體結(jié)構(gòu)。研究團(tuán)隊(duì)發(fā)現(xiàn)鈣離子（Ca2+）結(jié)合在MC4R正構(gòu)結(jié)合口袋中，同時(shí)與受體及候選藥物發(fā)生相互作用，這也是首次觀察到功能性Ca2+與GPCR的結(jié)合模式。同時(shí)，他們發(fā)現(xiàn)Ca2+有助于穩(wěn)定受體-候選藥物復(fù)合物，并使內(nèi)源性激動劑α-黑素細(xì)胞刺激激素（α-melanocyte stimulating hormone, α-MSH）的親和力和效力得到了極大的提高，但Ca2+對內(nèi)源性拮抗劑刺鼠相關(guān)蛋白（Agouti related protein, AgRP）卻無類似的作用效果。“MC4R是一個(gè)神秘而有趣的蛋白分子，還有許多未被發(fā)現(xiàn)的故事。MC4R-SHU9119-Ca2+復(fù)合結(jié)構(gòu)第一次揭下了MC4R的神秘面紗。”于靜說道，“將對活化狀態(tài)的結(jié)構(gòu)、MC4R與G蛋白、與其它蛋白之間的相互作用，以及同源/異源二聚體形成等方面進(jìn)一步研究”。這項(xiàng)工作由上科大生命科學(xué)與技術(shù)學(xué)院和iHuman研究所的Raymond Stevens與趙素文團(tuán)隊(duì)、密歇根大學(xué)的Roger Cone實(shí)驗(yàn)室以及南加州大學(xué)的科研人員共同開展。