����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。     

船舶搁浅于台型礁石场景极限强度解析预报方法

针对双层底油轮搁浅于台型礁石的事故场景,通过对船底构件结构损伤机理的分析,提出一套结合船底结构损伤程度推算方法和Smith方法,评估损伤后船体剩余极限强度的解析计算预报方法。研究中应用数值仿真技术,模拟了船舶搁浅过程中的结构损伤及搁浅后船体极限承载过程,并与解析预报方法的结果进行了对比。结果表明,文中提出的对搁浅损伤后船舶剩余强度的解析预报方法准确性较好,对船舶双层底耐撞性结构设计和安全性评估都有一定的指导意义。     

基于全耦合技术的船体结构碰撞性能研究

由于船舶碰撞问题的复杂性,通常是将船舶碰撞的外部机理与内部机理分开研究。作者基于“全耦合”分析技术,建立撞击船与被撞船整船模型,成功解决了船体与流场、撞击船与被撞船的耦合。此外,考虑撞击船与被撞船同步损伤,将内部机理同外部机理同步分析。通过数值仿真计算,分析了碰撞后撞击船与被撞船的运动、能量转化以及碰撞力、损伤变形及各构件的吸能情况。另外,开展多种碰撞工况计算研究,得出了便于工程应用的极限撞速曲线,为后续的船舶碰撞研究提供了技术支撑。     

典型加筋板拉伸疲劳试验方法

加筋板是船体结构的主要组成部分,针对船用加筋板试件在疲劳试验过程中连接段先于考核段破坏的技术问题,文章开展了加筋板拉伸疲劳试验技术研究,提出了加筋板拉伸疲劳试件设计方法。在此基础上,依据疲劳累积损伤理论,结合声发射动态裂纹检测技术,建立了基于声发射技术的疲劳累积损伤试验方法。通过加筋板拉伸疲劳试验验证了该方法的可行性和适用性,实现了疲劳试验的考核目标,可为以后类似结构疲劳试验提供方法参考。     

某型号制导电子箱的检测系统设计*

为解决现有导弹检测设备存在的缺陷,设计了一种模块化、通用化、智能化和标准化的综合检测修理平台。论文介绍了系统的硬件组成以及基于Labwindows／CVI的软件开发。通过部队实践证明,该系统具有重大军事效益和经济效益和广泛的运用前景。     

基于贝叶斯网络的车辆目标功能毁伤评估模型

应用贝叶斯网络在解决不确定性事件方面的推理优势,根据车辆目标的毁伤特征分析建立了贝叶斯网络功能毁伤评估模型。在目标物理毁伤信息分析的基础上,通过实例演示了评估过程,验证了用贝叶斯网络进行功能毁伤评估的可行性与有效性。     

基于频域搜索的梳状谱信号检测方法

由于梳状谱信号多普勒容限较小,利用常规的匹配/相关检测方法进行检测时,需要较大数量的拷贝信号与计算量。针对这一问题,本文提出一种基于频域搜索的梳状谱信号检测算法。通过利用梳状谱信号频域多峰结构的特点,根据信号的先验信息计算出不同径向速度下回波信号的频点分布,对接收的信号在频域进行搜索累计的方法同时实现信号的检测与速度估计。仿真分析证明了本文算法的有效性。     

一种基于DSP的实时图像处理仿真技术

海面运动舰船目标的定位检测是军事图像处理领域的一个重要方向,同时海面对光线的折射放射对检测的准确性造成了干扰。本文重点对目标检测法进行研究,分析了算法利弊。为解决目标检测算法对于目标背景的敏感度问题,以及提高算法的实时性,把小波变换运用到目标运动检测中,通过小波变换更新图像背景框图,使实时图像在可变模板背景进行运动物的提取。最后,设计基于DSP的仿真系统,通过实验证明新的方法能较好解决因背景更新以及目标物变形造成的检测误差,提高检测精度。     

基于图像融合与处理技术的舰船目标检测

舰船目标检测在国民经济、国家安全和环境保护等诸多方面有非常重要的地位。本文首先获取原始的光学遥感图像,进行预处理去除噪声等不良因素的干扰;其次进行目标增强,利用CRC自适应控制的结构元素尺寸,便于感兴趣的视觉焦点提取,运用自适应滤波器提取出划定的感兴趣区域的特征信息,利用图像信息融合检测出舰船目标;最后通过实验进行验证本文设计的算法,与传统舰船目标检测相比,提高了检测率,即使存在噪音等不利因素也能有效地检测出目标,并且降低了漏检率和虚警率。