铁路客票检票方式的新思路

迄今为止,铁路旅客车票的检票(包括验票)仍处在"人工"方式下.即使已有的检票设备或计划中的自动检票功能也不能有效地防范非法客票.根据我国铁路的特点,经研究,提出一种新的自动检票的思路,并对其进行有效的分析和试验,同时对产品的实施方案进行了探索.     

舰船遥感图像的分类方法研究

遥感图像分类一直是舰船应用领域的关键技术,由于遥感图像具有多波段、高维特征等特点,当前遥感图像分类技术面临一定的挑战。为了获得更优的舰船遥感图像分类结果,提出一种多分类器加权组合的舰船遥感图像分类方法。首先分析舰船遥感图像分类研究的历史,找到导致单分类器的舰船遥感图像分类错误率高的原因,然后引入双边滤波算法对原始舰船遥感图像进行去噪,并提取舰船遥感图像分类纹理特征,最后采用多种方法建立舰船遥感图像分类器,并对它们进行加权组合,输出舰船遥感图像的最终归属。仿真测试结果表明,本文方法获得了比单分类器更优的舰船遥感图像分类正确率,舰船遥感图像分类结果更加可靠。     

图像感兴趣区域提取技术研究

感兴趣区域提取技术在图像分析与处理领域中起着重要的作用。文中对现有的感兴趣区域提取技术进行了深入探讨，详细研究了当前几种较具代表性的感兴趣区域提取技术，并对其提取效果做了评价。总结了它们的优缺点以及适用场景，为用户选取合适的感兴趣区域提取方法，提供了实验依据。     

层次极限学习机用于高光谱图像预测绝缘子污秽度

高光谱图像具有图谱合一、光谱范围广及分辨率高等优势，能精细化地反映物质微观特性. 为此，引入高光谱成像技术以非接触式预测绝缘子污秽度. 考虑到极限学习机具有学习效率高和泛化能力强等优点，提出基于正则化约束极限学习机的绝缘子污秽度预测（extreme learning machine-insulator pollution degree prediction，ELM-IPDP）模型. 此外，为进一步提升预测性能，引入层次极限学习机从复杂的高光谱图像中学习出有效、抽象、判决性特征表示，继而建立基于层次极限学习机的绝缘子污秽度预测（hierarchical ELM-IPDP，HELM-IPDP）模型. 在不同的训练集与测试集比例和不同隐含层神经元个数的情况下分别进行实验，从实验结果可知:ELM-IPDP模型和HELM-IPDP模型的预测性能基本上随着隐含层神经元个数和训练样本的增加而不断提高；当训练集与测试集比例为9∶1时，ELM-IPDP模型的均方根误差和相关系数分别为0.040 3和0.944 7，而HELM-IPDP模型的均方根误差和相关系数分别提升到0.022 3和0.972 0.      

受电弓滑板图像式测量装置的开发

东日本铁路客运公司以往使用超声波滑板计测装置,定期校验滑板厚度,发现达到磨耗极限及异常时便更换滑板,而这种装置使用已长达20年以上,设备出现老旧化趋势。介绍了能以高精度计测且降低维修费用的图像式受电弓滑板计测装置的性能、结构原理及应用效果。     

SAR图像技术在船舶目标检测和参数提取中的应用

SAR技术飞速发展,大量的船载SAR系统已经运用到了船舶目标检测和参数提取中。本文在传统的船舶目标检测的基础上进行改进,提出基于分解理论的极化SAR图像船舶目标检测,并在检测过程中利用边缘检测模板和Freeman分解理论提取边缘信息,解决边缘模糊的问题。本文还提取船舶目标的运动参数。最后进行仿真实验,实验结果表明本文具有可行性和一致性。     

SAR图像舰船目标长宽特征提取技术

SAR图像特征提取是目标识别中的关键步骤,直接影响目标识别的结果。长度类特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对SAR图像舰船目标长宽特征提取问题,本文提出一种新的方法。首先通过水平集分割获得目标轮廓,其次采用区域消除方法滤除杂波,获得预处理后的目标图像;其次通过最小外接矩形拟合目标,获取舰船目标切片的长轴、旋转的角度;再次采用最小二乘法椭圆拟合获取舰船目标短轴;最后得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,本文方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。     

基于DSP平台的海上目标跟踪监测系统

针对传统海上目标跟踪监测系统目标跟踪监测性能较差的问题,提出一种基于DSP平台的海上目标跟踪监测系统。系统硬件包括图像采集模块、数据存储控制模块,其中图像采集模块主要由摄像头传感器、关联寄存器组成;数据存储控制模块主要由存储芯片、模块控制接口组成。系统软件配置为目标跟踪监测软件,通过硬件与软件相结合实现了海上目标的跟踪监测。为了验证该海上目标跟踪监测系统的目标跟踪监测性能较为优越,将该系统与基于目标选择算法的海上目标跟踪监测系统、基于卷积神经网络的海上目标跟踪监测系统、基于计算机视觉的海上目标跟踪监测系统进行对比实验,实验结果证明该系统的监测成功率更高,即目标跟踪监测性能优于传统海上目标跟踪监测系统。     

基于卷积神经网络的舰船图像边缘检测算法

为合理分布舰船行驶图像卷基层结构中的边缘化网络参数,设计基于卷积神经网络的舰船图像边缘检测算法。按照图像数据特征可视化处理依据,设定必要的神经动量值,完成基础卷积神经网络设计。在此基础上,命名舰船图像节点,再以基本边缘数据结构连接原理为参照,配置检测链接库,实现舰船图像边缘检测算法的顺利应用。对比实验结果,与理论检测手段相比,应用舰船图像边缘检测算法后,最大化网络参数值达到9.0×1015 T,图像边缘化检测覆盖率超过80%,舰船行驶图像卷基层结构中的边缘化网络参数达到理想化分布状态。