径向基函数在图像修复中的应用

提出了径向基函数的图像修复算法．由用户手工标记出要修复的区域，算法自动计算修复区域的轮廓并沿法向扩张，确定合适的径向基函数重构区域，并将该区域内图像上的每个点的像素值看成高度场中该点的高度值，这样一张图像就张成了以像素值为高度的三维曲面，从而将图像修复问题转化为三维散乱数据点的曲面重建问题．该算法能正确，稳定地处理各种破损区域。     

客运量预测模糊时间序列和灰色模型的比较

基于模糊集理论在模糊时间序列分析的基础上分别建立铁路、公路及民航客运量模糊时间序列模型,并与基于灰色理论的GM(1,1),修正GM(1,1)和Markvo三个模型进行标杆对比,结果表明:模糊时间序列模型能有效提高Markvo模型的预测效果;模型的外推预测能力比Markvo模型强;模糊时间序列模型和灰色模型相比,传统ARIMA时间序列模型及人工神经网络模型具有不需要大量历史时间序列样本的特点.     

多媒体通信中的图像数据压缩编码

介绍了在多媒体通信中常用的图像数据压缩编码方法，重点介绍JPEG和MPEG．     

基于RBF神经网络的混沌时间序列前后向联合预测模型

提出综合利用系统前向预测和后向预测对混沌时间序列进行建模,从物理学原理上解释了该模型相对于前向预测模型和后向预测模型的好处.计算机仿真结果表明:对于时间可逆性较好的混沌系统,前后向联合预测模型的建模性能比前向预测模型好,前向预测模型比后向预测模型预测性能好,但对于时间可逆性差的混沌系统,前后向联合预测模型的建模性能较前向预测模型略差,而后向预测模型比前向预测模型的预测性能差了很多.     

应用神经网络-时间序列预测路面平整度

以神经网络和时间序列分析方法为基础,采用零均值化、标准偏差预处理方法、规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模,利用BP网络对平整度非平稳时序进行趋势项提取,使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法,建立了适合平整度预测的神经网络时间序列分析联合模型,并以江苏省某高速公路的平整度数据为例进行了预测分析。研究结果表明：新模型的预测精度高、实时可靠,可应用于实际工程。     

基于无碰撞区跳频码的准同步组网方案

根据无碰撞区(No Hit Zone,NHZ)跳频码的特点,提出了一种基于NHZ跳频码的跳频通信系统多址接入准同步组网方案.仿真结果表明,该方案保证了跳频系统工作在NHZ跳频码的无碰撞区范围内,有效地降低了系统的多址干扰,改善了系统的整体误码率性能,适合于多用户跳频通信系统.     

数据序列稳健分析方法中RYW估计及其收敛性

根据对Ｍ估计，ＬＳ估计及Ｙ－Ｗ估计的分析，提出一种新的稳健估计方法－ＲＹＷ估计，讨论证明了这各估计的渐近性质，结果证明了ＲＹＷ是一种行之有效的简明稳健方法。     

基于深度学习方法的路面裂缝目标检测

公路和城市道路最主要的路面损坏类型是裂缝类病害。能否准确识别,尤其在众多路面信息图像中高效甄别各类表观病害,为路面技术状况评定、养护科学决策和路面病害处置提供基础数据,是当前领域研究的重难点。为此,对横向裂缝、纵向裂缝、斜裂缝长度类和龟裂、破损板面积类等典型裂缝类病害几何特征进行分析,确定了自动识别裂缝样本标注方法,构建了路面裂缝目标检测样本库,包含沥青裂缝长度类图像样本6 311个、龟裂面积类图像样本4 086个、水泥裂缝长度类图像样本37 945个、破碎板面积类图像样本7 310个。基于Faster-RCNN进行训练验证,开展路面裂缝目标检测并实现自动识别。利用北京市政道路2 000 km路面图像进行试验验证,并与路面裂缝Unet分割自动识别方法进行对比。试验结果表明,开展路面裂缝目标检测可通过提出的深度学习方法,有效提高召回率和准确率,其值高达85%以上,自动识别运行效率为12.3帧/s,与Unet分割自动识别方法对比更接近路面裂缝实际情况。     

铁路工务设备图像管理与传输系统的研究

综合运用多媒体、图形分析、数据库管理及计算机联网技术，设计出铁路工务设备图像管理与传输系统。进行软硬件的开发和实现，满足铁路工务设备的现代化管理、维护与决策的各种需要。