基于Hopfield神经网络的遥感图像超分辨率识别算法

提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法，它是利用模糊分类技术进行模糊分类，然后用分类结果约束Hopfield神经网络的方法．通过实验，可知Hopfield神经网络在学习样本少时．也能够输出分辨率相对较高的地物目标信息．因此．基于Hopfield神经网络的遥感图像处理方法，能够提高遥感图像的目标分辨率．使其目标特征信息更清晰．     

A New Robust Image Matching Method Based on Distance Reciprocal

Object matching between two-dimensional images is an important problem in computer vision. The purpose of object matching is to decide the similarity between two objects. A new robust image matching method based on distance reciprocal was presented. The distance reciprocal is based on human visual perception. This method is simple and effective. Moreover, it is robust against noise. The experiments show that this method outperforms the Hausdorff distance, when the images with noise interfered need to be recognized.     

单幅图像的超分辨率重建方法

在分析单幅图像超分辨率重建问题的基础上，建立一种新的图像退化模型，并分析了提出的模型和经典图像恢复中模型的异同点，然后分析了算法实施步骤，针对提出的分层剥离算法，采用级联模板运算方法，从而简化了方程计算的复杂度．试验结果表明：提出的一种基于剥离方法的单幅图像超分辨率方法是有效可行的．     

LCD定标器X级图像缩放引擎的VLSI设计

LCD定标器的X级图像缩放引擎负责对输入图像进行水平方向的缩放．文中介绍了定标器的总体结构，以及实现X级图像缩放引擎的算法及其滤波器结构，并详细地阐述了X级图像缩放引擎硬件实现中的时序关系．     

动车组主要关键部件安装状态图像检测系统的设计与实现

动车组关键部件安装状态图像检测系统(SEDS)以图像自动识别技术为核心,采集动车组关键部位(闸片及其附件、裙板三角锁、底板螺栓等)可视部位图像,自动检测动车组关键部位的安装状态,对关键部位安装状态的异常图像进行预警。文章还对安装在南昌西动车所出入库咽喉处的SEDS系统的应用情况进行了分析。     

基于HCRD的列车锁紧板偏转自动识别方法

针对货车故障轨旁图像检测系统(TFDS)中锁紧板偏转故障,提出一种基于霍夫变换、Canny边缘检测和形状模板相结合的HCRD(Hough-Canny-Right angle Detection)方法.通过霍夫变化及数学几何模型定位转向架锁紧板部位,再对Canny边缘检测后的边缘图像进行角度特征的检测,整个识别只需要一个形状模板就能实现锁紧板偏转图像高精度自动识别,具有很好的判别能力.采用python编程,平均每张图像识别时间为0.067 s.且锁紧板下边缘处是否有角度特征作为锁紧板是否偏转的判断依据,具有很高的可靠性.实验证明,HCRD方法能精确检测出锁紧板的非正常范围(>5°)的偏转,且具有较好的鲁棒性和抗噪能力.该方法为TFDS故障图像识别提供了一种新的思路.     

图像识别技术在接触网悬挂状态检测中的应用

提出了一种新型基于计算机图像自动识别的接触网零部件悬挂状态检测算法。它与之前的人工肉眼图像判断和传统人工巡检相比,具有检测精度高、检测速度快、环境适应力强等优点。     

铁路车辆监测图像识别模型训练及验证平台研究

针对铁路车辆轨边图像检测系统现有图像自动识别模型训练及评价过程中训练数据不足、数据质量不高、评价标准不一致等问题,研究铁路车辆监测图像识别模型训练及验证平台。设计故障图像数据统一接入,专家标定数据形成,自动识别模型接入、训练、对比评测等方法,为故障图像自动识别模型提供标准训练数据、统一评测验证与管理服务的能力。实践表明,该平台实现了车辆故障图像数据的集中汇总与统一管理,为铁路车辆监测图像自动识别技术的发展提供了有力支持。     

一种基于BM3D的接触网图像自适应去噪新方法

为了更好地检测和识别接触网图像,首先要降低图像中的噪声。目前,BM3D是针对高斯等多种噪声降噪性能较好的算法,但它自身也存在一些不足,为此,本文提出一种基于BM3D的自适应去噪新方法(简称ABM3D)。该方法在假设噪声方差未知的前提下,无需人为设定滤波阈值,通过自适应估算较为准确的阈值,实现二维和三维DCT变换域的自适应滤波,得到基础估计图像,利用估算的阈值计算出较为准确的噪声方差,实现联合维纳滤波得到最终估计图像,同时简化了参数设置,尤其是对降噪效果影响较大的参数。实验结果表明:本文提出的算法是有效的,即使在噪声强度非常高的情况下,利用其得到的降噪图像也能较好地保留边缘等细节信息,更具有实用价值。     

基于oracle的统一瓦片分块栅格数据库模型

以Oracle数据库为基础,在分析了当前常用栅格数据库建立方式的基础上,提出了基于统一瓦片分块的栅格数据库模型。并描述了本模型在Oracle中的建立方法,比较了本模型与GeoRaster模型之间的区别及优势。实验证明,统一瓦片分块模型适用于涉及面积广泛、数据源尺度一致的栅格数据存储,具有简单高效、查询快速等特点,并能为各种应用提供易于实现的数据访问。