船舶行业科研声像档案工作探讨

探讨在全面推进知识管理进程背景下船舶科技声像档案的首要工作,论述科技声像信息从采集、整理归存到知识提取过程环节的基本要求和手段,为实现全方位知识资源库建设和以声像为媒介的知识共享、知识交流、知识创造夯实基础。     

低照度三维船舶图像的重建方法研究

随着现代化的发展,船舶行业图像数据应用量日益增加,对三维船舶图像重建技术的要求也越来越高。但现阶段低照度三维船舶图像重建过程中仍存在分辨率低、介质分布不适应等问题。为有效解决上述问题,在深入分析现阶段三维图像重建方法的基础上提出结合ECT技术的新型低照度三维船舶图像的重建方法,从而达到高效、准确实现三维船舶图像重建技术的目标。为验证系统的准确性和实用性,进行相关仿真实验,根据图像需求采用电极对检测模式,通过传感器将三维船舶重建图像进行次对和检测,实验结果表明,基于ECT技术的三维船舶重建系统方法可以更加准确真实的对图像进行重建,相对比传统的图像重建方法,该系统灵敏度和精准度得到有效的改善和提高,证实了该方法的可行性。     

“80后”公交驾驶员管理对策研究

“80后”是指1980年1月1日-1989年12月31日出生的人群. “80后”由于受教育背景、家庭背景和社会背景的影响，造就了他们个性张扬、敢于表达、充满朝气、理解能力强的性格特点。但同时在他们中一些人身上也存在缺少理想和信仰、过分自我和追求个性、漠视责任等缺陷。     

一种二极管特征参数的提取方法

本文提出了一种二极管导通时伏安特性曲线提取二极管特征参数的方法。通过对导通后电压电流的超越方程合理简化,转换为多维线性方程,并利用线性回归的方法提取出二极管的主要参数:反向饱和电流、非理想化因子、串联电阻及并联导纳。仿真结果表明,该方法是简单和可行的。最后,根据二极管GP20、GP30测试得到的伏安特性曲线,提取了二极管GP20、GP30的特征参数。     

一种基于DSP的实时图像处理仿真技术

海面运动舰船目标的定位检测是军事图像处理领域的一个重要方向,同时海面对光线的折射放射对检测的准确性造成了干扰。本文重点对目标检测法进行研究,分析了算法利弊。为解决目标检测算法对于目标背景的敏感度问题,以及提高算法的实时性,把小波变换运用到目标运动检测中,通过小波变换更新图像背景框图,使实时图像在可变模板背景进行运动物的提取。最后,设计基于DSP的仿真系统,通过实验证明新的方法能较好解决因背景更新以及目标物变形造成的检测误差,提高检测精度。     

基于改进LSD直线检测算法的钢轨表面边界提取

针对传统LSD直线检测算法容易丢失图像细节,造成提取直线不连续等不足,提出一种基于双边滤波改进Canny提取边缘图像的LSD直线检测算法.利用Canny算法提取边缘图像,基于边缘图像采用LSD直线检测算法进行直线提取;考虑到Canny边缘检测中使用高斯滤波,在降噪的同时会模糊图像边缘,而双边滤波对于图像边缘有较好的保护...     

基于背景建模的钢轨表面缺陷像素级检测方法

钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战.提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真...     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类...     

交通场景中基于注意力机制神经网络的人群计数

人群计数是计算机视觉领域的重要任务。交通场景中的人群计数任务对于维护公众出行安全、实现交通智能化具有重要作用。公共交通场景中通常存在行人相互遮挡、背景复杂等现象,给人群计数带来了困难。为了实现高精度的人群计数,研究了基于注意力机制的人群密度估计网络。网络包含3个部分：特征提取模块通过生成多尺度的特征图,增强网络的特征表达能力,提高网络对行人大小变化的鲁棒性;注意力模块通过抑制背景噪声响应,强化人群特征响应,生成特征图中人群区域的概率分布,增强网络区分人群区域与背景区域的能力;密度估计模块在注意力机制的约束下指导网络回归高分辨率的人群密度图,提高网络对人群区域的敏感性。设计了基于背景感知的结构损失函数,能够降低模型的错误识别率,提高模型的计数准确率;采用多级监督机制指导网络进行学习,能够帮助梯度反向传播和减少过度拟合,进一步提高网络的人群计数精度。在公共数据集ShanghaiTech上进行了实验,实验结果表明：与目前最先进的算法相比,在ShanghaiTechA和ShanghaiTechB数据集上,平均绝对误差（mean absolute error,MAE）分别提高了2.4%和1.5%...