纤维对CA砂浆塑性开裂的影响

为研究纤维对CA砂浆抗塑性开裂性能的影响规律,采用自制开裂试验装置结合图像分析法研究了纤维品种、掺量及长径比等参数对CA砂浆抗塑性开裂性能的影响。结果表明,PVA纤维对CA砂浆抗裂性的影响最为显著,并略优于PET纤维,PP纤维最次;三角形截面的PP纤维抗裂性优于圆形截面的PP纤维;CA砂浆的抗塑性开裂性能随纤维掺量的增大逐渐提高,当体积掺量超过0.14%后,抗裂性增幅趋缓;纤维的长径比对其抗裂性有一定影响,直径相同的情况下,12 mm及3 mm长的PP纤维抗裂性优于6 mm长的PP纤维。研究结果可为CA砂浆用纤维的技术标准提供一定的理论与技术支撑,具有一定的理论和工程意义。     

改性沥青显微图像的观测及采集技术探讨

近几年国内外对聚合物改性沥青微观领域的研究越来越多,而图像观测及采集方法的不同又会对后续分析产生很大影响。针对这一问题,对改性沥青显微图像观测方法的科学性以及采集方法的准确性进行了分析与探讨。     

一种基于相似度的汽车车牌号码自动识别系统

章介绍了一种基于相似度的汽车车牌号码自动识别系统。介绍了系统的软、硬件设计，分析了车牌图像的预处理、车牌定位、车牌区域二值化和车牌字符识别。实验结果表明，基于相似度的车牌号码识别系统具有很高的稳定性。     

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%。     

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。     

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。     

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。     

日本使用综合检测车采集图像确认轨道状态

JR西日本公司在综合检测车前方和地板下部安装摄像装置,结合定期的轨道检测数据,进行垂直和斜方向拍摄,采集扣件、夹板螺栓和钢轨图像,数据传送到维护工区的数据库,利用专用图像生成软件,检查轨道部件状态。检查的项目有：     

一种基于角点特征的场景锁定新方法

为了消除由飞机旋转、平移等运动造成的场景变化,使机载吊舱能对感兴趣场景连续侦察和跟踪,本文提出一种基于角点特征的场景锁定新方法。本文将参考图像等分成16块,选取每块中响应值最大的角点作为特征点,采用SAD(sum of absolute differences)算法进行特征点匹配,然后利用改进的RANSAC算法进行角点的一致性检测,利用最小二乘法解算全局运动参数,最后计算图像之间的累积运动。该算法便于在DSP+FPGA硬件平台上实现,能在20 ms内完成处理,实验结果表明,该算法匹配精度高,稳定性好,能较好地实现场景锁定。