道床轮廓测量系统的研制

线路道床及边坡的整形作业,既要保证道床有足够的横向阻力,又要避免道砟的浪费,提高线路道砟资源的利用率,降低线路建设成本.由此可见对道床轮廓的准确测量是十分必要的.以激光测距扫描为基本原理,对激光束扫描道砟表面的回波进行信号转换和处理,将得到的激光发射点到道砟的距离和激光束的角度,形成所测道床的实际轮廓;通过图像比较可得到道床实测轮廓与标准轮廓的偏差:经过系统的积分计算,得到该断面道砟量的盈亏;在车行过程中对道床连续扫描,将全部断面的测量结果进行积分计算,可以得到该段线路道床道砟的总量盈亏,为线路补砟提供准确依据.     

一种隧洞探测型AUV及其图像拼接方法研究

裂缝是输水隧洞最普遍的缺陷和潜在威胁,AUV巡检与拍摄输水隧洞中的裂缝,通过拍摄的水下图像进行处理,以确定裂缝位置。但由于水下环境极大限制了光视觉图像可视范围与分辨率,单幅水下图像所获得的视角范围有限,所以本文提出了基于SURF算法的AUV水下图像拼接方法研究。该方法首先在图像预处理阶段对水下图像进行去畸变与限制对比度自适应直方图均衡化处理,用于解决水下图像存在的畸变、对比度低、噪声严重等问题。接着将SURF特征点检测算法应用于水下图像配准当中,并与RANSAC算法相结合对特征点进行精确匹配,然后应用线性渐变融合算法实现水下图像融合,有效去除拼接缝隙,完成水下图像拼接,最终通过水池与外场实验拼接图像来验证该方法的正确性。     

三维视觉识别下推进器模糊故障图像清晰化仿真研究

现有推进器生成图像时采用的传统算法存在噪声辨识度低、图像噪声边缘计算精度差的问题。导致生成的故障图像模糊,无法精准对其分析。针对此种问题,提出三维视觉识别下推进器模糊故障图像清晰化仿真研究。首先,通过展开三维视觉高斯差算法对图像噪声粒子进行差分计算,明确有效图像轮廓;其次,引入噪声循环分解算法,对确定的噪声轮廓内噪声点进行弱化计算,提升有效图像锐度,视线清晰图像的效果。最后,通过仿真实验对提出的设计方法进行对比性数据验证,证明提出的三维视觉识别下推进器模糊故障图像清晰化仿真方法能够有效解决推进器故障图像模糊的问题。     

海洋卫星遥感图像对比度特征同步检测方法研究

传统的海洋卫星遥感图像对比度特征同步检测方法具有运算复杂、检测效率低的缺陷,为了解决上述问题,提出海洋卫星遥感图像对比度特征同步检测方法研究。以提取的海洋卫星遥感图像对比度特征为依据构建图像对比度特征图,以此为基础,采用最大熵估计算法对遥感图像对比度特征进行分割,得到遥感图像对比度特征熵,通过LBP方法对遥感图像对比度特征进行同步定位,实现了海洋卫星遥感图像对比度特征的同步检测。通过测试结果显示,与传统的海洋卫星遥感图像对比度特征同步检测方法相比较,提出的海洋卫星遥感图像对比度特征同步检测方法极大地降低了运算复杂度,提升了检测效率,充分说明提出的海洋卫星遥感图像对比度特征同步检测方法具备更好的检测性能。     

基于机器学习的大规模船舶图像检索机制

船舶图像具有大规模、多样性等变化特点,传统船舶图像检索机制难以获得高精度检索结果。为了获得理想的船舶图像检索结果,设计了基于机器学习的大规模船舶图像检索机制。首先分析当前船舶图像检索研究进展,阐述船舶图像检索基本流程,然后采集不同类型的船舶图像检索特征,选择最优的船舶图像检索特征作为机器学习算法的输入、船舶图像类别作为输出,最后通过机器学习算法的训练建立船舶图像检索的分类器,并与其它船舶图像检索机制进行了对照测试。测试结果表明,本文机制可以满足大规模船舶图像检索要求,船舶图像检索正确率要高于对比船舶图像检索机制,可以更快找到用户需要的船舶图像,获得了令人满意的船舶图像检索结果。     

2011款奥迪A8夜视辅助系统(三)

三、系统元件1.夜视辅助系统控制单元J853夜视辅助系统控制单元J853(如图17所示)是夜视辅助系统的电子中心。该控制单元要完成下述任务:     

基于高分辨图像声呐的舰船声尾流实测研究

利用基于高分辨图像声呐对水面船的尾流散射特性进行海试测量,测得水面船的船体亮点和尾流空间分布图像。对尾流数据进行分析,获得水面船声尾流散射强度随时间变化特性和对应舰船的声尾流时间长度数据。     

卫星图像辅助测绘技术在港口工程地形测量中的应用

随着卫星遥感技术的不断发展,卫星图像的精度和清晰度越来越高,利用公用卫星图像辅助测绘小比例尺地形图成为可能.以某港口工程项目为例,研究利用卫星图像辅助测绘技术绘制小比例尺地形图的方法,探讨其具体操作流程和主要技术问题,提出相关实用性建议.     

基于放大曲波基的方向性超分辨率图像重构技术

为解决传统图像放大算法边界视觉效果不佳的问题,提出基于二代曲波变换的方向性超分辨率图像重构算法.对图像进行j层曲波分解,利用不同尺度上曲波基的空间比例关系获得放大图像j层分解系数,通过最外层曲波基空间模型可构建(j+1)层放大图像的曲波分解系数,采用新的非线性函数对全部曲波系数进行增强处理,根据曲波分解的方向性,最终可通过曲波重构获得边缘特征较好的放大图像.实验结果表明,基于曲波方向性图像放大算法,可以较好地保留原图的几何特征,增强边缘清晰度;将两幅典型图像放大后的峰值信噪比与经典方法(差值算法)比较分别提升了2.2及0.6 dB.     

基于目标空间分布特征的无人机航拍车辆实时检测技术研究

针对无人机航拍视角下存在整体图像分辨率高但占比较高的小尺度车辆检测特征点稀少这一问题,从卷积网络检测器针对性优化与基于目标分布特征的航拍图像自适应切分2个角度综合考虑,提出一种基于目标空间分布特征的无人机航拍车辆检测网络DF-Net。以单阶段目标检测框架SSD为基础,引入深度可分离卷积和抗混叠低通滤波器对网络结构进行优化搭建E-SSD,为后续检测网络搭建提供高效检测器;接着基于条件生成对抗CGAN思想构建密度估计网络生成器,从而得到航拍图像中车辆的准确分布特征,生成高质量的车辆密度图;将E-SSD与车辆密度估计网络结合,对车辆密度图进行自适应切分,并将切分后的局部图像与全局图像一同输入E-SSD,最后在决策层融合检测结果,由此实现对航拍视角道路交通场景下车辆目标的精确高效检测。在试验中,一方面将设计的基于目标空间分布特征的无人机航拍车辆检测网络DF-Net与E-SSD进行对比分析,另一方面将DF-Net与航拍目标检测领域表现较为优秀的网络进行比较。研究结果表明：设计的方法对于2个试验在均值平均精度指标上均有提升,与E-SSD网络对比时提升了至少4.4%,与航拍目标检测领域优秀网络比较时也有一定提升,并保持了较好的实时性。