新葡京娱乐场-大陆娱乐场开户注册

基于真實成像模型，圖像序列/視頻數據的通用超分辨率重建方法；對弱紋理目標的高清重建，對超精細紋理的精確預測與重建。

目前現有方法通過對常規模型算法的修改，或引入諸多約束條件, 或對先驗模型的簡單概化、或通過學習（非生物）的方法獲取先驗知 識參與重建等，以解決時空超分辨率圖像重建的求解病態或不適定問 題，仍不同程度地存在著一定的局限性。本項研究受蠅類視覺系統的 啟發，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 頻全域的時空超分辨率信息處理模式，基于生物視覺對感興趣區域或 目標物體的注意機制，構建多序列圖像的時空超分辨率仿蠅重建信息 處理系統模式。其次，通過超視銳度機理、大小場景系統、以及“共 

本發明公開了一種基于 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 學習數據擴充 K 倍，使其與高分辨 率 DEM 學習數據達到同一尺度；同時將待重建的 DEM 數據通過相同 的插值方法擴充 K 倍，得到低分辨率 DEM 重建數據；(2)分別將高分 辨率 DEM 學習數據、低分辨率 DEM 學習數據和低分辨率 DEM 重建 數據分為一系列大小為 N×N 的相互重疊的區域塊；(3)對低分辨率 DEM 重建數據的每一個區域塊，在低分辨率 DEM 學習數據中進行相 似

? 研究面向分布式虛擬環境數據管理系統的底層支撐環境。通過建立協同開發方式的系統，提高仿真資源的可重用性，縮短開發過程，充分共享資源并且為仿真環境提供高效的資源管理機制。研究包括對統一資源命名和定位管理技術的研究；分布式文件系統在分布式仿真環境中的應用及在此基礎上實現的資源集成；數據的標準化表示和傳輸的研究。該技術目前已經在一體化仿真平臺上得到了初步的應用。

成果簡介：研究面向分布式虛擬環境數據管理系統的底層支撐環境。通過建 立協同開發方式的系統，提高仿真資源的可重用性，縮短開發過程，充分共享資源并且為仿真環境提供高效的資源管理機制。研究包括對統一資源命名 和定位管理技術的研究；分布式文件系統在分布式仿真環境中的應用及在此 基礎上實現的資源集成；數據的標準化表示和傳輸的研究。該技術目前已經 在一體化仿真平臺上得到了初步的應用。 項目來源：自主開發 技術領域：計算機應用技術，仿真技術

本發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行分塊操作并編號；（3）（4）計算值域塊中的每個子塊與(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）根據計算得出的變換因子參數矩陣及云圖局部與整體基于統計學的自相似性，對輸入圖像進行分形迭代；（6）得

一種基于字典漸近更新的人臉圖像超分辨率方法:在訓練階段，采用去一法對低分辨率人臉圖像訓 練集的每張低分辨率人臉圖像進行超分辨率重構，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練集輸入，重構得到新一層的低分辨率中間字典;重復上述過程，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 分辨率人臉圖像訓練集，對輸入低分辨率人臉圖像進行超分辨率重構，得到預估高分辨率人臉圖像;重 復上述過程，最終重構出高分辨率人臉圖像。本發明可得到更高質量、與真實情況更為接近的重建效果。

本發明公開了一種數字高程模型 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，對每一個低分辨率DEM 測試區的子區域在低分辨率 DEM 搜索區進行相似塊查找與相似性估計，選取相似性最高的一系列子區域作為相似塊，將查找到的一系列相似塊映射回高分辨率 DEM 實測區,將這些對應的高分辨率 DEM實測區子區域塊按其對應的相似權重相加得到一個新的子區域,將上述超分辨率后的高分辨率 DEM 缺失區的子區域拼接起來，加上高分辨率 DEM 實測區已有的數據就為一個完整的高分辨率

一種基于數據驅動局部特征轉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、低分辨率訓練集相應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位置上的 圖像塊，分別從低分辨率人臉樣本圖像對應位置的圖像塊中找出 K 個最近鄰的圖像塊，并對應找出相應 高分辨率人臉樣本圖像中的圖像塊，進行去均值化;利用映射系數計算出各圖像塊相應的高分辨率人臉 圖像塊，重構出高分辨率人臉圖像，進行迭代后處理。本發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行了噪聲人臉圖像的超分辨率重建，同時進行 高分辨率圖像后處理，進一步提高了重建結果的主、客觀圖像質量。

上科大iHuman研究所在肥胖癥藥物靶點研究上獲重要突破，首次解析 人源黑皮質素受體4（Melanocortin-4 Receptor，MC4R）原子分辨率晶體結構。該成果以“Determinationof the Melanocortin-4 Receptor Structure Identifies Ca2+ as a Cofactor forLigand Binding”為題，于4月24日在國際頂級學術期刊《科學》在線發表。上科大Stevens課題組博士研究生于靜為文章的第一作者，iHuman研究所創始所長Raymond C. Stevens和密歇根大學教授Roger D. Cone為共同通訊作者，上科大是第一完成單位。領導這項研究工作的Stevens實驗室專注于多肽配體調控的G蛋白偶聯受體（GPCR）及與肥胖癥和代謝類疾病相關受體研究。肥胖癥增加了其它并發癥的患病風險，如二型糖尿病、心血管疾病等。MC4R主要在下丘腦中表達，參與控制食物攝取、能量消耗、體重維持等。實驗和臨床證據也表明，MC4R是肥胖癥治療的重要靶點。但針對MC4R結構與功能的研究及藥物研發一直充滿挑戰。通過與密歇根大學Roger Cone實驗室以及南加州大學合作者的共同努力，最終解析了人源MC4R與環形多肽配體SHU9119復合物2.8埃分辨率的晶體結構。研究團隊發現鈣離子（Ca2+）結合在MC4R正構結合口袋中，同時與受體及候選藥物發生相互作用，這也是首次觀察到功能性Ca2+與GPCR的結合模式。同時，他們發現Ca2+有助于穩定受體-候選藥物復合物，并使內源性激動劑α-黑素細胞刺激激素（α-melanocyte stimulating hormone, α-MSH）的親和力和效力得到了極大的提高，但Ca2+對內源性拮抗劑刺鼠相關蛋白（Agouti related protein, AgRP）卻無類似的作用效果。“MC4R是一個神秘而有趣的蛋白分子，還有許多未被發現的故事。MC4R-SHU9119-Ca2+復合結構第一次揭下了MC4R的神秘面紗。”于靜說道，“將對活化狀態的結構、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一步研究”。這項工作由上科大生命科學與技術學院和iHuman研究所的Raymond Stevens與趙素文團隊、密歇根大學的Roger Cone實驗室以及南加州大學的科研人員共同開展。