近期，計算機工程學院張永會博士課題組在作物氮素狀況無損監測研究取得了重要進展，相關研究成果以“Estimating the Growth Indices and Nitrogen Status Based on Color Digital Image Analysis During Early Growth Period of Winter Wheat”為題發表于SCI二區期刊Frontiers in Plant Science（DOI: 10.3389/fpls.2021.619522）。對作物氮素狀況進行無損監測，對作物氮素管理具有重要意義。本研究利用冠層蓋度（CC）建立了植物生長指標（地上部干物質（SDM）、葉面積指數（LAI）、地上部氮積累（SNA）、地上部氮濃度（SNC）之間的經驗關系，探討了用CC評價冬小麥3～6期氮素營養指數（NNI）的可行性（圖1）。用數碼相機拍攝了冬小麥3～6期冠層的數字圖像，用破壞性植物取樣法測定了SDM、LAI、SNA和SNC，CC由計算機圖像處理技術編程計算得到。除SNC外，CC與不同品種和N處理的生長指數（SDM、LAI和SNA）呈顯著相關。然而，它們的穩定性經驗模型受品種特性和施氮量的影響。通過直接法和間接法兩種方法對冬小麥植株氮素狀況進行了測定，由于冬小麥生長前期SNC的高度離散性，直接法和間接法未能建立統一的線性回歸來估計NNI。兩種方法在冬小麥各生育期形成的SDM、SNC和NNI與CC的關系均達到極顯著水平。在個體生長階段發育的關系不需要考慮N稀釋過程的影響，但它們的穩定性受品種特性的影響。本研究表明，CC雖然是一個易于測量的指標，但作為冬小麥生育早期作物生長和氮素營養管理的替代指標有較大的局限性。1 作物冠層覆蓋度與植物生長不同指標之間的關系我校計算機工程學院張永會博士和中國農科院趙犇博士為該論文的共同第一作者，中國農科院Sen Li和東京大學Syed Tahir Ata-Ul-Karim為共同通訊作者。研究得到了國家自然科學基金、山東省高校科研計劃等項目的資助。論文鏈接：https://www.frontiersin.org/articles/10.3389/fpls.2021.619522/full?utm_source=F-NTF&utm_medium=EMLX&utm_campaign=PRD_FEOPS_20170000_ARTICLE（計算機工程學院）
發布時間：2021-07-21
近期，我校劉瑜博士團隊在SCI二區期刊《SCIENCE CHINA Information Sciences》上發表了題為“STP models of optimal differential and linear trail for S-box based ciphers”的研究論文。該研究利用條件求解器搜索基于S盒的密碼算法的差分或線性路線。給出了一種刻畫S盒差分概率和線性偏差的方式，基于此方式給出廣義的基于STP的路線搜索模型，并利用該模型搜索出一系列重要算法最優的差分和線性路線。于前人對相關搜索算法的研究缺乏S盒差分分布表的刻畫，本研究給出了比特級分組密碼 GIFT-128、DES、DESL 和 ICEBERG 的路線搜索結果。對于 GIFT-128，我們獲得了 9 ～13 輪的最佳差分路線。此外，我們表明 25 輪足以實現低于 2-128的差分概率，而設計者最初預計需要 26 輪。同時，給出了一條21輪的差分路線，與以往的公開路線相比，從輪數來看，這是最好的。并且9 輪和 20 輪差分路徑概率優于之前文獻中的路線。對于DES，我們得到了改進的4輪、6輪和7輪相關密鑰差分路線，其中4輪和6輪相關密鑰差分路線是最優的。對于 DESL，我們確定的 4 到 7 輪的差異軌跡是最佳的， 4 到 10 輪的路線概率相比之前的結果都有改進。同時，這是第一次得到DESL的11輪相關密鑰差分路徑，概率為2-51.7。對于 ICEBERG，我們得到了相關性為 2?30.0的最佳 6 輪線性軌跡（Table 1）. 校計算機工程學院劉瑜博士為該論文第一作者，山東大學泰山學者王美琴教授為該論文的通訊作者。該研究得到了國家自然科學基金、國家密碼發展基金，山東省自然基金和山東科技創新項目的支持。論文鏈接： https://link.springer.com/article/10.1007%2Fs11432-018-9772-0（計算機工程學院）
發布時間：2021-07-21
近期，我校計算機工程學院代江艷博士團隊獲批一項國家自然科學青年基金項目，項目名稱：基于圖像語義保持的深度圖像修復方法研究（No.62006174），直接經費24萬元，項目起止年月：2021年01月至 2023年 12月。圖像修復是一項極具研究價值和應用前景的挑戰性研究課題，作為圖像處理的熱門分支，已深入到人們日常生活中的各個領域，在舊照片處理、公安刑偵面部修復、冗余目標移除、文物保護、影視特技制作、圖像壓縮、視頻通信的錯誤隱匿和生物醫學圖像等眾多領域有著廣泛的應用（圖1）。1 數字圖像修復技術的應用示例該研究以“大面積缺失圖像”為驅動，以新一代人工智能技術中的深度學習理論和模型為支撐，以解決“修復痕跡明顯、修復邊緣不連續”為主線，致力于研究基于結構先驗的普適性圖像修復中的關鍵技術，在確保準確獲取圖像語義的同時，能夠清晰的恢復圖像細節，達到滿足人眼視覺特性的目的。該研究對圖像的理解和內容分析相關理論和技術具有重要的推動作用。該項目團隊目前擁有博士學位人員5名，高級職稱人員3名，已在數字圖像處理領域的高水平期刊Signal Processing: Image Communication、Applied Sciences和計算機科學等發表學術論文20余篇；獲得軟件著作權3項，國家發明專利1項；獲得省部級以上科研項目4項。（計算機工程學院）
發布時間：2021-07-21主校區：山東省濰坊市東風東街5147號
安順校區：山東省濰坊市濰城區臥龍西街2829號
Copyright ? 2005- 版權所有：濰坊學院 魯公網安備 37079402000792號 魯ICP備05002384號-1
