基于IHS变换与直方图匹配法的遥感影像融合

针对IHS变换法(彩色空间变换法)对多光谱图像和高分辨图像进行融合会丢失较多的光谱信息,称之为光谱扭曲,文中研究并实践了一种新方法,该方法利用直方图匹配的方法来解决光谱特征扭曲的问题,经过直方图匹配处理后的高分辨图像和多光谱图像的光谱强度分量具有较强的相关性,经IHS反变换后可以得到具有较好空间分辨率和光谱信息的融合图像．文中以TM图像和SAR图像融合为例进行分析,其结果表明,该方法得到的融合图像优于传统的IHS变换法．     

近50年珠江三大支流水沙关系变化研究

基于西江高要站、北江石角站和东江博罗站的水沙数据,分析近50年来珠江三大支流水沙关系的变化。利用交叉小波变换分析水沙关系时发现,西江和北江水沙波动能量的稳定性及水沙的正相关性强于东江。水沙幂指数曲线拟合反映了水沙在不同年代的变化关系及相关程度,其中西江水沙拟合斜率和相关系数整体较大。此外,月均水沙的年内分布曲线揭示了三大支流间水沙年内分布的差异。水沙关系的变化不仅与流域风化沉积物的来源有关,而且更是受到水土保持工程和水库建设等人类活动的影响。     

利用声压信号基于HHT方法识别结构模态参数

文章基于结构振动声辐射的近场声压信号,结合Hilbert-Huang变换推导出声压信号和结构模态参数的关系,实现了利用声压信号对结构模态参数的识别。该方法既结合了声压信号非接触测量的优点,也结合了HHT适合处理非线性非平稳信号的优点,且只需适当一位置近场声压测量值,就可以准确地识别结构的固有频率和模态阻尼比。数值模拟实例也表明了该方法准确有效,为工程实际中结构的模态参数识别提供了一种新的简单实用方法。     

结合小波变换和K均值聚类的SAR舰船目标分割

对SAR舰船目标分割方法进行研究,给出一种基于小波变换与K均值聚类相结合的舰船目标分割方法。在该方法中,首先利用双密度双树复小波变换优秀的图像去噪能力,对SAR图像进行降噪处理,以减少相干噪声对分割结果的影响;然后通过改进的K均值聚类方法进行舰船分割。实验结果表明本文方法能有对SAT舰船目标进行有效区分。     

匹配傅里叶变换技术的研究与应用

首先分析匹配傅里叶变换的特点,阐述了将匹配傅里叶变换应用于线性调频信号的优点,将其与传统的傅里叶变换进行比较,说明匹配傅里叶变换是线性的。最后将匹配傅里叶变换应用于高动态信号多普勒频率偏移的仿真中,实验结果表明了此算法能够更好地去除混合信号中的噪声,准确地估计出信号的频偏。     

虚拟层合单元与杆单元在桥梁预应力混凝土结构分析中的合成方法

对预应力混凝土的计算方法和研究现状做出了评价,提出针对预应力混凝土结构分析的单元形式。通过自由度变换,把空间杆单元的节点自由度用空间虚拟层合单元的节点自由度来表示,即杆单元的节点无需固定在体单元节点上,共同模拟了预应力混凝土结构。在单元内采用选择性积分的方法计算单元刚度矩阵,用较少的单元模拟出了复杂的断面形式;并采用单独的空间杆单元模拟预应力束,能直接求解预应力对结构产生的变形和内力。经实例验证分析,使用该单元进行预应力混凝土结构分析,在网格划分比较稀疏的情况下,仍然获得较为精确的结果,较传统的预应力计算方法更为简单、更为准确。     

基于单目视觉的区域交通智能车辆道路边界检测方法研究

基于单目视觉的道路边界检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。指出图像边缘检测现有算法的不足,采用领域平均法对图像进行平滑处理,根据图像的边缘特征运用Prewitt算子实现边缘增强,以获取精确的边缘信息。使用最大熵算法分割二值化图像进一步减少噪声,从而得到良好的道路特征图像数据。利用道路约束条件,建立视觉系统动态感兴趣区域(DAOI),运用改进的Hough变换最终识别道路边界。试验结果表明:本文所述算法不仅能准确、实时检测出道路板边界,而且能有效地抑制噪声,为区域交通智能车辆的换道和超车提供研究基础。     

一种基于模糊增强的多尺度边缘检测算法

图像的边缘检测技术是图像处理中最重要的内容之一,且已在图像分析和识别领域得到了广泛的应用.本文提出一种基于模糊增强的多尺度边缘检测算法.该算法首先用模糊增强算子对原始图像进行预处理,加大边缘两侧灰度的差异,然后利用多尺度边缘检测算法提取图像的边缘.最后,将该算法与经典的Sobel算子和Canny算子进行比较.实验结果表明,这种方法较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾.     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

基于奇异值分解的灰色模型参数估计

提出了一种新的基于奇异值分解的GM(1,1),GM(1,N)等灰色模型参数估计方法,该方法在进行奇异值分解时,借助2个辅助矩阵将奇异值分解矩阵分解为多个矩阵之积.研究了该估计方法下对原始序列进行数乘变换后参数的变化特征.研究表明该方法充分利用了奇异值分解的优点,回避了由于最小二乘法给灰色模型带来病态性的缺点,提高了模型的稳定性,同时还减少了计算量.