摘 要：足迹图像作为刑侦与生物识别中的关键个体特征，在采集过程中易受多种环境因素干扰，常伴随复杂噪声与图像质量下降等问题。针对足迹图像中常见的复合噪声，该文提出一种改进的双分支循环去噪网络，来实现高保真图像的还原与纹理结构的重建。网络整体包含两个生成器与两个判别器，生成器部分由两个协同优化的分支（去噪映射分支与颜色校正分支）组成。去噪映射分支设计了增强型多尺度结构块（EMSB）强化结构建模与纹理恢复能力，并融合多尺度卷积、深度可分离卷积与多注意力机制，有效增强纹理敏感区域的特征表达能力；颜色校正分支构建了自适应颜色一致性模块（CCM），通过多尺度残差卷积提取颜色特征，并在RGB空间中进行通道归一化与残差融合，抑制生成图像中的色偏问题。此外，设计了多层级结构感知损失函数，联合像素精度与结构相似性引导网络在恢复细节的同时提升整体感知质量，并在自建足迹数据集FSD-Real上开展了实验评估。结果表明，所提方法在峰值信噪比与结构相似性指标上分别达到30.3 dB和0.926，显著优于现有主流方法；同时，在主观视觉效果上亦展现出更强的去噪能力与细节保留能力，验证了其在实际足迹图像处理任务中的应用潜力。

作者简介：鲍文霞（1980—），女，博士，教授，主要从事机器学习、图像视频处理和模式识别研究。

引用格式：鲍文霞, 佘成龙, 王年, 等. 基于双分支循环网络的足迹图像去噪方法[J]. 华南理工大学学报(自然科学版), 2026, 54(5): 1-14.  

BAO Wenxia, SHE Chenglong, WANG Nian, et al. Denoising Method for Footprint Images Based on Dual-Branch Cyclic Network[J]. Journal of South China University of Technology(Natural Science Edition), 2026, 54(5): 1-14.

摘 要：战场环境中，基于贝叶斯网络的目标意图识别需要利用不确定样本进行参数学习，然而，目前的贝叶斯网络参数学习方法均没有考虑样本中不确定信息的问题，使之不能有效地学习参数，降低了参数学习精度。为解决此问题，该文提出了一种不确定样本下的贝叶斯网络参数学习方法，其在不损失样本数据信息的前提下直接利用不确定样本进行参数估计，以提高参数学习的精度。首先从贝叶斯网络精确推理的角度、结合消息传播推理和判别学习方法，建立了不确定样本下的条件对数似然函数，并作为参数学习的目标函数；为了缓解小样本集下的过拟合问题，依据最大熵原理构建了参数的 L₂范数正则化项；然后采用梯度下降法对目标函数进行优化求解，得到参数估计值。在基于朴素贝叶斯分类的目标意图识别实例测试中，将所提方法与其他6种方法进行比较，结果表明：所提方法有效提高了不确定样本下参数学习的精度和目标意图识别的准确率；在不同样本量的小样本集测试中，所提方法的测试准确率均高于主要对比方法，表明该方法有效缓解了过拟合问题，增强了小样本集下目标意图识别的泛化性能。

作者简介：柴慧敏（1976—） ，博士，副教授，主要从事信息融合与态势感知、贝叶斯网络建模研究。

引用格式：柴慧敏, 卫红云. 不确定样本下基于判别参数学习和朴素贝叶斯网络的目标意图识别[J]. 华南理工大学学报(自然科学版), 2026, 54(5): 15-27.  

CHAI Huimin, WEI Hongyun. Target Intention Recognition with Uncertain Samples Based on Discriminative Parameter Learning and Naive Bayesian Networks[J]. Journal of South China University of Technology(Natural Science Edition), 2026, 54(5): 15-27.

DOI:10.12141/j.issn.1000-565X.250133

摘 要：针对现有深度学习方法在古壁画图像修复过程中仅依赖自身先验信息、缺乏外部特征信息引导，导致修复结果易出现语义不一致与细节模糊问题，提出一种参考图像引导与风格增强的古壁画图像修复方法。首先，构建壁画图像修复主干网络，设计基于自适应跨尺度卷积的壁画特征编码模块，跨尺度提取壁画内容特征，增强模型细节修复能力。其次，设计风格特征编码模块，通过其学习并提取参考壁画图像不同尺度的风格特征。接着，设计特征对齐融合模块，将壁画图像修复网络编码器提取的壁画内容特征与参考壁画图像风格特征进行对齐并融合，作为外部风格特征引导信息。然后，构建风格感知增强模块，对融合后的风格特征进一步细化，同时在修复网络解码部分设计动态特征引导层，引导模型解码修复过程，提升修复结果的语义一致性，输出修复后壁画图像。最后，在敦煌壁画数集上进行修复实验，并采用峰值信噪比与结构相似性指数客观评价指标进行量化分析。结果表明，所提方法能够有效完成破损壁画图像的修复，且主客观评价结果优于比较方法。

作者简介：陈永 （ 1979— ） ，男，博士，教授，主要从事人工智能、图像处理研究。

引用格式：陈永, 张世龙, 范志欣. 参考图像引导与风格增强的古壁画图像修复方法[J]. 华南理工大学学报(自然科学版), 2026, 54(5): 28-36.  

CHEN Yong, ZHANG Shilong, FAN Zhixin. A Reference Image-Guided and Style-Enhanced Restoration Method for Ancient Mural Images[J]. Journal of South China University of Technology(Natural Science Edition), 2026, 54(5): 28-36.

DOI:10.12141/j.issn.1000-565X.250284

摘 要：光伏电池片表面缺陷尺度细微、与背景特征高度重叠，传统检测算法频繁出现漏检与误检，现有方法的缺陷识别鲁棒性亟待提升。该文对YOLOv8n模型进行改进，提出SBC-YOLOv8n（SE-BiFPN-CA-YOLOv8n）模型提升其在复杂工业场景中的识别准确率与稳定性，增强对光伏电池片微小缺陷的检测能力。首先在主干网络SPPF（快速空间金字塔池化）模块前后融合双重注意力机制（坐标注意力机制+压缩与激励注意力机制），分别从空间位置感知和通道权重调整两个维度，增强对细微缺陷的特征提取能力；其次采用加权双向特征金字塔网络（BiFPN）替代原颈部网络结构，通过精简节点和双向加权融合机制强化多尺度特征交互，抑制背景干扰；最后针对类别不平衡问题，优化焦点损失函数参数，将聚焦参数γ从2提升至3，以加强对难分类样本的关注，并将类别平衡因子α从0.25调整至0.5，显著增加缺陷样本的损失权重、降低背景权重。改进后的SBC-YOLOv8n模型在测试集上达到mAP0.5为80.2%，较原始YOLOv8n模型提升了4.2个百分点；同时，精确率、召回率和F1分数也均显著提升，在保持模型实时性的前提下有效改善了对微小缺陷的检出能力与整体鲁棒性。

作者简介：郭建 （ 1987— ） ，男，硕士，副教授，主要从事移动机器人定位与导航、机器视觉技术及应用、工业机器人技术及应用研究。

引用格式：郭建, 谢鹤鸣, 钟琪峰, 等. 基于SBC-YOLOv8n的光伏电池片缺陷检测[J]. 华南理工大学学报(自然科学版), 2026, 54(5): 37-46. 

GUO Jian, XIE Heming, ZHONG Qifeng, et al. Defect Detection of Photovoltaic Cells Based on SBC-YOLOv8n[J]. Journal of South China University of Technology(Natural Science Edition), 2026, 54(5): 37-46. 

DOI:10.12141/j.issn.1000-565X.250294 

摘 要：路面作为交通基础设施，在长期承受荷载和环境侵蚀作用下易产生裂缝等病害，而传统人工巡检方法存在效率低、主观性强、安全风险大等问题，难以满足大规模路面网络的高效养护需求。该文提出一种轻量级高精度路面裂缝检测算法LMC-YOLO（Lightweight MobileNetV4 with CAA for YOLO），针对细长裂缝在图像中易出现的特征丢失和检测精度不足问题，对检测网络的主干结构、注意力机制融入方式和轻量化策略进行了系统性优化。算法通过在主干网络中引入轻量化的MobileNetV4（MNV4）结构，利用其高效的通用倒置瓶颈模块（UIB），实现了强大特征提取能力与低计算开销的统一；通过将改进的上下文锚点注意力机制（CAA）融入检测网络的颈部，并在条带卷积基础上引入裂缝形状感知模块，有效增强了对细长裂缝的检测能力；通过精细化的网络设计，模型参数量减少23.3%，计算量降至4.6 GFLOPs。结果表明，LMC-YOLO在裂缝检测任务中取得了91.1%的精确率、84.6%的mAP@0.5和70.3%的mAP@0.5∶0.95，F1分数达到80.40%，推理速度达到345 f/s，在DIOR和DOTA-v2数据集上的交叉验证进一步证实了所提模型的跨领域迁移能力。该方法成功实现了高精度与高效轻量化的有机结合，为移动端和嵌入式设备上的路面裂缝实时检测提供了切实可行的解决方案。

作者简介：纪泳丞 （ 1986— ） ，男，博士，教授，主要从事交通土建方面的研究。

引用格式：纪泳丞, 李毅, 陈汉平, 等.基于改进 YOLOv11 的轻量化裂缝检测算法[J]. 华南理工大学学报(自然科学版), 2026, 54(5): 47-58. 

JI Yongcheng, LI Yi, CHEN Hanping, et al. A Lightweight Crack Detection Algorithm Based on Improved YOLOv11[J]. Journal of South China University of Technology(Natural Science Edition), 2026, 54(5): 47-58. 

DOI:10.12141/j.issn.1000-565X.250158 

摘 要：针对交通运输业碳排放数据序列的非线性、波动性特征，以及因多源影响因素耦合导致预测精度低的问题，提出了一种基于混合特征工程（RF-MIC）、改进变分模态分解（IVMD）、长颖燕麦优化算法（AOO）及双向长短期记忆网络（BiLSTM）的碳排放预测模型。首先，构建基于随机森林（RF）和最大互信息系数（MIC）的混合特征选择策略，在量化因素贡献度并剔除冗余干扰后，提取关键驱动因素；其次，构建基于逃生优化算法（ESC）与帕累托最优解的变分模态分解（VMD）多目标分解理论，自适应寻优模态分解数K与惩罚因子α，将原始碳排放序列分解为一系列平稳模态分量，从而弱化其非线性和波动性；然后，构建基于AOO的BiLSTM参数优化理论，利用AOO对BiLSTM的隐藏层神经元数、学习率等超参数进行全局寻优，避免模型陷入局部最优；最后，对各模态分量构建基于AOO-BiLSTM的预测子模型，将各分量预测结果集成重构得到最终预测值。采用中国交通运输业1990—2023年的碳排放数据对模型进行验证，结果表明，所提模型较最优对比模型的均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）分别降低了35.77%、40.48%和59.52%，能够有效预测交通运输业的碳排放量。

作者简介：王庆荣 （ 1977— ） ，女，教授，主要从事交通运输系统优化与分析研究。

引用格式：王庆荣, 张金鹏, 朱昌锋, 等. 基于混合特征选择与IVMD-AOO-BiLSTM的交通运输业碳排放预测[J]. 华南理工大学学报(自然科学版), 2026, 54(5): 59-76.  

WANG Qingrong, ZHANG Jinpeng, ZHU Changfeng, et al.  Carbon Emission Prediction in Transportation Industry Based on Hybrid Feature Selection and an IVMD-AOO-BiLSTM [J]. Journal of South China University of Technology(Natural Science Edition), 2026, 54(5): 59-76. 

DOI:10.12141/j.issn.1000-565X.250240

摘 要：量子计算的快速发展威胁着现有公钥密码体制，基于同源的密码体制便是推动抗量子密码研究的重要组成部分。基于可交换超奇异同源的密钥交换协议（CSIDH）因兼具安全性与效率，成为目前少数可用的同源密钥交换协议之一。该文针对类CSIDH系列协议进行研究与加速，利用特征为p ≡ 7（mod 8）的素域上的、自同态环同构于

 的Montgomery超奇异椭圆曲线，构造了新的基于同源的密钥交换协议CSIDH-G，并证明了Montgomery超奇异椭圆曲线系数与曲线同构类的一一对应关系，以确保协议中公钥规模低的优势。与此同时，证明了该协议中不存在CSIDH协议中阶为3的密钥碰撞和CSURF协议中阶为1的密钥碰撞，并提出了紧凑的用户私钥选取区间。最后，开展了协议运行效率实验，通过扩大3-同源和5-同源等低阶同源的指数选择区间等优化密钥选取区间的方式。结果表明，该文所提协议比原始CSIDH协议运行效率提高约5.95%，验证了协议的准确性和有效性。该算法具有提升同源密钥交换协议效率、保证公钥验证过程简洁、避开现有CSIDH系列协议中私钥碰撞、增加Diffie-Hellman形式抗量子密码体制多样性等多方面优势。

作者简介：樊雪君 （ 1993— ） ，女，博士，讲师，主要从事信息安全、抗量子密码学研究。

引用格式：樊雪君, 赵飞, 徐秀. 类 CSIDH 抗量子密钥交换协议的设计与加速[J]. 华南理工大学学报(自然科学版), 2026, 54(5): 77-84. 

FAN Xuejun, ZHAO Fei, XU Xiu. Design and Acceleration of CSIDH-Like Post-Quantum Key Exchange Protocols[J]. Journal of South China University of Technology(Natural Science Edition), 2026, 54(5): 77-84.

DOI:10.12141/j.issn.1000-565X.250174