嘉兴投约6.6亿建设7大污泥项目

《嘉兴市污水处理设施污泥处理处置规划》(以下简称《规划》)已经出台,规划2013年启动建设七大污泥集中处置项目,重点处理污水处理厂和印染、造纸、制革、电镀及化工等企业污水预处理产生的污泥。在嘉兴五县(市)各开建污泥处置工程,来规范化消化本地的污泥,总投资约6.6亿元。目标是到2015年,     

基于RGB-D图像与头肩区域编码的实时人流量统计

为解决基于彩色摄像机的人流量统计存在精度低、易受光照影响等问题,研究了利用RGB-D图像与头肩区域编码进行实时人流量检测的方法.在对RGB-D图像前景检测与空洞修复的基础上,采用随机点和漫水填充法提取潜在目标区域,并度量随机点与区域内极值点间的欧式距离以剔除噪声点的干扰,减少了冗余信息的计算量.根据人体头肩区域的先验信息,提出了一种七维头肩特征描述符对潜在目标区域编码,从而避免人体运动过程中产生的头肩部形变对头部区域检测的影响,采用SVM和阈值限制得到满足区域特征的头部区域.根据图像中不同区域的圆形度排序的思路,提出了头部区域筛选方法以去除无效区域,并构建了一种帧间目标匹配算法和多条计数线的方法,对已获得的头部区域实现计数,计数后获取人的身高数据.实验结果表明,该算法在教学楼楼道口和楼门口场景中人流量统计正确率高达99.30% 以上,身高测量平均相对误差在2.59% 以内,处理单帧图像的平均时间仅为18.31 m s.     

螺旋桨尾流动态结构实验研究

  目的  为研究船舶横摇过程中粘流场细节以提高横摇阻尼数值模拟精度,  方法  开展了粒子图像测速（PIV）技术在静水强迫横摇水动力测试中的应用研究。首先,采用自制的强迫横摇装置在水池中开展某驳船在不同摇幅和振荡周期下船舶横摇水动力与舭部流场的同步测试。观测舭部粘流场在船体振荡过程中的变化规律,研究横摇阻尼系数随摇幅和周期的变化规律。然后,将模型试验测试结果与计算流体动力学（CFD）软件模拟结果进行对比。  结果  结果表明,CFD预报船舶横摇整体阻尼系数精度较好,但预报的局部流场细节与模型试验测试结果间存在一定的差异,  结论  需在模型试验技术和CFD预报技术上开展进一步研究。     

基于距离分布的AIS异常数据处理方法

为消除由于环境、设备和传输等影响所导致的船舶自动识别系统(Automatic Identification System,AIS)数据在时间和空间上的异常或错误,保证数据挖掘质量,提出一种基于距离分布的AIS粗数据处理算法.以2018年3月28日上海洋山港附近海域的AIS粗数据为例,标绘出船舶AIS轨迹图,验证算法的可...     

剪切波变换下的侧扫声呐图像降噪方法

针对侧扫声呐图像对比度低、噪声强度大特点导致的部分传统滤波方法降噪能力的不足,提出一种基于剪切波变换的侧扫声呐图像降噪方法。首先对侧扫声呐图像进行剪切波变换,在考虑噪声水平的基础上,对剪切系数进行阈值处理,再将修正后的系数进行剪切波逆变换,重构侧扫声呐图像,实现了侧扫声呐图像的降噪。实验结果表明,该方法相比于维纳滤波、小波滤波和非局部均值滤波等常用降噪方法,可以获取更好的图像效果,在侧扫声呐图像降噪中具有综合优势。     

多元线性拟合船舶遥感图像条带噪声分离技术

本文介绍多元线性拟合方法,分析多元线性拟合模型以及参数估计、多元线性模型拟合优度和显著性检验,重点阐述船舶遥感图像信号特征以及船舶遥感图像噪声,提出船舶条带噪声模型及分布规律。最后,结合傅里叶变换以及小波函数研究船舶遥感图像条带噪声分离技术。     

基于改进DCP水下图像增强算法研究

为提高舰员对舰船的维修保障能力,尤其是舰船水下部分及附属装置的检查、清洗、切割或维修等,需借助水下视觉辅助设备,但利用视觉设备在水下所取得的图像存在着清晰度低模糊、色偏严重对比度不高、亮度偏暗等缺点。为解决这一问题,在深入分析常用图像增强算法的基础上,经过筛选采用改进后的暗通道优先算法对水下图像进行增强,提高水下图像的对比度和对水下图像进行颜色校正,以适应人眼对图像信息的获取。首先使用传统的暗通道先验算法对图像颜色校正,使图像看起来颜色更加均匀对比度更高,随后利用改进的暗通道先验算法进行改进。改进后的算法模型传输率更高,PSNR更均衡,图片中噪声更小,更清晰,可以满足水下图像的观测要求,为实际舰船水下检修提供可靠的帮助。     

舰船遥感图像非线性畸变自适应校正研究

针对摄像机成像模型受非线性映射导致所获取舰船遥感图像存在的非线性畸变,根据Tsai畸变模型和Brown畸变模型构建改进处理的非线性畸变模型,通过实验场校验法解算非线性畸变模型的校正参数,实现目标坐标的校正处理,采用双线性内差值法对原始舰船遥感图像作重采样处理,获取畸变校正后的舰船遥感图像。实验结果表明：该方法可实现舰船遥感图像的非线性畸变校正,校正后畸变误差均值、畸变百分比较小。     

远洋船舶目标检测中图像分类识别研究

为准确划分远洋船舶类别,实现远洋船舶目标检测,保障海洋生态环境、海洋交通与国防安全,研究远洋船舶目标检测中图像分类识别方法。采用小波分析法,通过二维小波变换获取低频子图像、水平细节子图像、垂直细节子图像和对角细节子图像,将其作为远洋船舶图像特征;采用采用双向递归神经网络(BRNN)的深度学习方法构建分类器,将远洋船舶图像特征作为输入向量,通过递归神经网络将输入向量映射至输出向量,得到船舶目标图像分类结果。同时利用改进粒子群算法优化分类器中的权重与偏差参数,提升船舶目标图像分类精度。实验结果显示,所研究方法能够有效划分船舶目标图像类别,且划分精度高于97%。     

一种基于机器视觉和Kalman滤波的水下电缆定位方法

为了有效检测水下电缆,利用机器视觉技术处理采集的水下电缆图像,根据水下系统坐标模型和相机内参数获取电缆相对位置信息,通过Kalman定位融合算法减小航迹推算后产生的偏差值以达到修正水下机器人(ROV)跟踪路径的目的。实验表明,所提方法适用于成像质量较低的水下检测环境,可识别弯曲度较小的水下电缆轨迹并进行准确定位,检测成本低且易于实现,为水下电缆巡检工作提供技术支持。