基于最大方差理论的大津法在沥青混合料数字图像分割中的应用

针对目前沥青混合料自动检测的要求,借助于数字图像处理技术,给出最大方差理论在沥青混合料智能检测与参数提取中的应用,可为实现沥青混合料自动检测与分析奠定良好的基础。     

Image segmentation based on competitive learning

lmage segment is a primat.‘y step in image analysis of unexploded ordnance (UXO) detection by ground penetrating radar (GPR) sensor which is accompanied with a lot of noises and other elements that affect the recognition of real target size. In this paper we bring forward a new theory, that is, we look the weight sets as target vector sets which is the new cues in semi-automatic segmentation to form the final image segmentation. The experiment results show that the measure size of target with our method is much smaller than the size with other methods and close to the real size of target.     

考虑出行者不同理性程度的拥堵交通流分配方法

为研究出行者感知偏好对交通分配结果的影响,本文构建了微观路径选择模型,提出拥堵条件下受路段通行能力限制的交通分配算法。引入出行者决策过程中的后悔和无差别化阈值,考虑出行时间和排队时间的心理感知差异,构建不同理性程度下的路径选择概率模型。在集计水平上,考虑当前路段及其上下游路段通行能力限制、路段车辆空间排队和溢出,提出路段车流量流入、流出的修正方法。采用增量加载分配方法,研究路段车辆的消散特性,再现了从个体路径决策到宏观路网状态的演化过程。基于Nguyen-Dupuis仿真网络,比较不同算法下各路段的拥堵车辆和各路段车辆流入、流出情况。结果表明：出行者个人偏好感知会显著影响拥堵路段的成本函数,是出行者路径选择的关键因素,但是出行者个人偏好对非拥堵路段的车辆流入、流出影响较小;考虑个体偏好的交通分配方法能降低路网的平均饱和度。本文提出的考虑有限理性的拥堵交通分配方法可应用于拥堵路网的交通诱导,有利于促进道路资源的合理利用。     

基于改进Canny算法的噪声图像边缘检测

针对经典Canny算法应用中常出现的无法滤除椒盐噪声且滤波后图像细节信息易丢失、Sobel卷积核定位的边缘信息精度较差、双阈值选取存在偶然性等问题,对Canny算法进行改进。首先采用自适应中值-高斯滤波法代替传统的高斯滤波,并融合Laplace边缘增强法,滤除大量噪声的同时保留图像边缘细节信息;使用精度更高的Scharr算子代替Sobel算子计算图像梯度幅值和方向;然后通过最大类间方差法自适应计算图像的最优阈值;最后选用BSD500数据集进行实验,结果表明：文中算法相对于经典Canny算法,峰值信噪比平均提升14.5 dB,边缘检测评价指标C/A提高0.07～0.24,C/B提高0.06～0.14,算法性能指标提高24.8%。     

深度学习的车道线检测方法

随着人工智能技术的不断发展,无人驾驶技术已经成为当下社会发展的热门,车道线检测是无人驾驶技术的关键一环,但传统的基于视觉的车道线检测方法处理时间较长、过程繁琐、需要人为干预。基于深度学习的车道线检测可大大减少此类问题。文章设计了一个完成双任务的Enet网络,分别解决目标区域分割问题和不同车道区分问题,以实现端到端的检测。与主流车道线检测网络模型deeplab v3和YOLO v3进行对比。实验验证表明,网络模型的最终训练准确率为99.8%,相对于deeplab v3和YOLO v3网络分别提升1.2%和0.8%。     

高桩码头结构安全监测预警模型及工程应用

高桩码头结构在服役期内会出现不同程度的损伤,导致码头结构安全性降低。为保证码头长期安全运行,可通过实时监测确定码头运行状态并及时预警。提出一种高桩码头结构安全监测预警模型,采用不同结构状态的设计控制值作为不同级别的预警阈值,每级预警阈值对应不同的风险程度,针对不同级别的预警提出相应处置措施。将该预警模型应用于南京港某高桩码头的安全监测,对可变荷载作用下码头结构位移和桩基应变进行实时监测,并计算设置码头结构位移和桩基应变三级安全预警阈值。结果表明,码头安全预警阈值的设置及安全告警的应对措施科学有效,实现了码头结构全工况整体技术状态评估和安全预警。     

基于孤立森林算法的轨道交通实时客流告警阈值设定方法研究

在轨道交通客流实时监视业务中,车站实时客流告警的目的是帮助业务人员快速、准确地定位到网络中可能存在大客流风险的车站,达到提示预警的作用。如果告警阈值偏小,则告警频率会增加,使业务人员无法准确判断最需要关注的大客流风险车站,并对告警提示产生麻木心态;如果报警阈值偏大,则车站的突发大客流风险有可能未被监测到,从而无法及时采取应对措施。因此,需要提出一套科学、合理、适用性强的告警阈值。研究利用传统统计学方法和基于孤立森林的异常检测方法训练设定告警阈值,并通过应用效果测试验证对两种算法进行比选,确认利用孤立森林异常值判别思路训练的告警阈值更满足业务目标。研究成果按照“一站一方案”“一个时段一方案”的原则,为北京市轨道交通指挥中心路网调度指挥平台提供车站实时进站量与出站量告警阈值,支撑客流实时监视与大客流风险预警。     

基于出行效用无差异阈值的组合交通客流分配模型

为探究出行者的感知差异对组合交通方式客流分担的影响,将出行效用无差异阈值引入出行者的决策过程中,建立了Nested Logit客流分配模型。模型将出行决策过程划分为三个层级,出行逻辑为出行者先选择出行方式,其次考虑换乘位置,最后考虑路径选择。模型确定各层级出行效用的影响因素,并假设当两种出行方案的效用差小于出行者感知的无差异阈值时,出行者无法在两种选择方案中做出确定的选择,而是基于个人偏好或随机进行选择;反之,出行者会选择效用最大的出行方案。通过连续平均算法对模型进行求解,并采用数值算例分析无差异阈值对出行决策过程中三个选择环节的影响,从而验证了模型的合理性。模型结果表明：考虑出行效用无差异阈值的客流分配模型会影响组合交通方式的选择分担,可以更准确地反映出行选择过程中的随机性。此外,模型下级的无差异阈值会影响上级的选择概率,对换乘点与路径信息采取措施可以在一定范围内优化各交通方式的分担比率,从而引导出行者选择更为绿色的出行方式。     

基于特征的单帧红外小目标检测

针对红外小目标自身的特点,给出了一种改进的检测方法：首先通过低通滤波进行预处理,然后保留灰度值大于预处理图像均值的点。由于小目标在红外图像上所占像素很少且是区域能量较高的点,遍历整幅图像,滤除连续的像素点,得到小目标或斑目标,为了进一步检测分割出候选目标点,考虑到目标点的局部能量较大的特征,通过合理的设定阈值,缩小目标点的范围,为后续目标轨迹的检测提供基础。     

基于频域残差及局部协方差的红外弱小目标检测

在复杂背景及强噪声干扰的场景中,红外小目标因其尺寸小、信号弱、缺乏文理特征等特点,极易湮没在背景和噪声中,导致检测虚警率高、算法复杂、计算量大等问题。为此,本文提出一种基于频域残差及局部协方差的红外弱小目标检测方法。首先,通过频域残差计算红外图像的显著图,以获得目标可能存在的区域。然后,在此区域内利用局部协方差检测方法做识别。最后,通过自适应阈值分割得到真实目标。对不同复杂背景的红外图像进行小目标检测实验,结果表明,与传统检测算法相比,该算法在不同场景下都能有效抑制背景和噪声,准确检测目标,且满足实时性要求。