“十三五”交通扶贫脱贫攻坚思路与方向

本文首先从拓宽贫困群众致富渠道、增强贫困地区经济发展内生动力、改变贫困地区落后面貌、促进贫困地区社会文明进步等方面,论述了交通运输发展为农村脱贫致富做出的主要贡献;然后分析了全国脱贫攻坚对交通扶贫三方面的主要需求,包括交通运输基本公共服务需求、产业脱贫方面的交通运输服务支撑需求,以及交通运输自身可持续发展需求;最后提出了“十三五”交通扶贫在范围确定、目标任务设置、中央投资政策制订方面的总体思路。     

基于图像分割与目标提取的舰船遥感影像分析技术

舰船遥感影像分析技术在舰船目标识别、海上航运交通管理、资源探测和军事侦察等领域发挥着重要的作用,是一种快速、高效和准确的海上舰船信息获取方法。遥感技术的理论基础是电磁波原理,该技术利用遥感卫星等设备采集和分析远距离物体辐射和反射的电磁波信号,从而进行地面物体的探测和识别。由于遥感技术存在巨大的优势,因此,基于遥感技术的舰船遥感影像分析和目标提取有重要意义,决定了海上目标识别和海上监察的水平。本文针对舰船的高分辨率遥感影像,详细的介绍了图像分割原理和目标提取原理,在此基础上研究了一种全新的舰船遥感图像分析技术。     

基于碳排放考量的集装箱海陆多式联运模式选择

为使集装箱海陆多式联运模式选择能更符合节能减排的要求,分析碳排放影响因素并建立海陆多式联运碳排放计算模型和运输成本计算模型,在此基础上建立基于碳排放量、运输成本、运输时间的多目标决策模型,通过决策模型进行联运模式的比较选择。以哈尔滨市至泰安市的集装箱海陆多式联运为例,应用以上多目标决策模型得出"铁―海―铁联运"模式为最优方案。     

卡尔曼滤波器在舰载雷达目标跟踪中的实现

舰载雷达目标追踪系统可以探测和跟踪海面、水下和空中的目标,为船舶导航等提供重要的目标数据,保障船舶安全和正常航行。卡尔曼滤波器(CKF)是基于容积卡尔曼滤波算法设计的一种典型非线性滤波器,近几年来获得了广泛的关注。本文利用容积卡尔曼滤波器,对传统舰载雷达系统进行鲁棒性和近似线性的优化,提高舰载雷达目标追踪的效率和精度。     

被动多传感器改进交互多模型粒子滤波算法

将改进的粒子滤波算法即基于均匀重采样的粒子滤波(AUPF)与交互式多模型算法(IMM)相结合,提出交互式多模型均匀重采样粒子滤波算法(IMM-AUPF),并将其应用于被动多传感器的机动目标跟踪中。均匀重采样粒子滤波在标准粒子滤波的基础上通过改进重采样过程,在解决粒子退化问题的同时,增加了粒子的多样性,提高了滤波性能。在多模型中应用均匀重采样粒子滤波,提高被动多传感器系统的机动目标跟踪精度。将该方法与交互式多模型粒子滤波算法(IMM-PF)进行仿真对比,结果表明该方法具有更好的跟踪性能。     

无人机在海上舰船目标识别中的应用

随着海洋开发的深入,卫星、无人机等遥感设备在获取海洋信息图像方面的能力得到了广泛的关注。利用遥感技术得到海洋图像,对于舰船目标识别具有重要意义。本文克服传统的Zernike矩算法易受外界干扰的问题,利用四元数进行改进,最后通过仿真实验说明本文算法识别率高、鲁棒性强。     

舰船辐射噪声1(1/2)维谱的自适应子波特征提取

现代化战争对信息技术的依赖日益增强,水中目标识别成为各国夺取海洋战争主动权研究的新领域。有效提取目标的本质特征是目标识别的关键。由于1(1/2)维谱保持了高阶谱的性质但其计算量却相对下降,本文结合自适应滤波理论,采用1(1/2)维谱对船舰辐射噪声进行特征提取,由对特征量的分析表明1(1/2)维谱可以有效对船舰类型识别。     

基频线谱提取技术在船舶水下目标识别系统的应用

基于目标物的辐射雷达回波信号是船舶水下识别系统的主流技术,水下噪声的混入会对识别产生干扰,时域分析很难区分噪声与目标信号特征。频域特性分布是区分雷达回波辐射噪声及干扰噪声的主要手段,通过对辐射信号及噪声的频谱提取,可以获取目标信号和干扰信号在基频频谱的特性,设计滤波器去除噪声。本文研究目标雷达回波信号及水下噪声信号的特性,在基础上提出基于基频线谱提取技术的噪声分离策略,最后对算法进行仿真。     

基于矩阵分析和D-S证据理论的时空数据融合及目标识别

在矩阵分析和D-S证据理论的基础上,给出一种时空数据融合的方法,并将它应用于飞机特征识别的数据融合中.实验结果证明了基于融合后的识别结果较单传感器的识别结果好,验证了这一方法的正确性和有效性.     

顾及小目标特征的视频人流量智能统计方法

人流量统计对智能安防等领域具有重要研究价值. 针对视频监控系统中人流量统计准确率较低的问题,提出一种顾及小目标特征的视频人流量智能统计方法,重点研究用于小目标检测的Faster R-CNN （Faster region-convolutional neural network）改进算法、运动目标关联匹配以及双向人流量智能统计等关键技术,根据人头目标的小尺度特点对Faster R-CNN网络结构进行适应性改进,利用图像浅层特征提高网络对于小目标的特征提取能力,通过基于轨迹预测的跟踪算法实现运动目标的实时追踪,同时设计双向人流量智能统计算法,以实现人流量高准确率统计;为证明方法的有效性,在密集程度不同的场景中进行了测试. 测试结果表明:改进的目标检测算法相较于原始算法,在Brainwash测试集和Pets2009基准数据集上的平均准确率分别提高了7.31%、10.71%,视频人流量智能统计方法在多种场景下的综合评价指标F值均能达到90.00%以上,相较于SSD-Sort算法和Yolov3-DeepSort算法,其F值提高了1.14% ~ 3.04%.