后视镜布置与视野安全性分析

后视镜属于汽车重要安全件,是驾驶员获得间接视野最重要的途径之一,在进行布置设计时必须考虑视野是否符合法规要求,是否能够满足使用要求。文章探讨了后视野中眼点的确定方法,利用UG软件进行后视镜布置和视野校核,使其满足法规及人机要求。     

一种基于Graph Cuts的SAR图像分割方法

在最小化由马尔科夫随机场(MRF)图像分割模型建立的能量函数方面,基于Graph Cuts的alpha-expansion是一种比较有效的算法.但是,由此算法构建的s/t图中边的数目非常多,运算速度很慢.为了减少alpha-expansion算法的计算量,本文在标号为alpha的像素向其它像素膨胀的过程中,先隔离非alpha类间的联系,而只考虑alpha类与非alpha类之间的关系,从而避免了alpha-expansion算法需要构造辅助结点的问题,减少了s/t图中边的数目,提高了算法的计算效率.因放松了非alpha类间的关系对alpha膨胀的约束,使得算法可以更容易得跳出能量函数的局部极小点而获得更优的分割结果.实验中将改进的算法与传统的基于Graph Cuts的算法做了对比,显示了新算法在运算时间和最小化能量方面的有效性.     

密集子区域切割的任意方向舰船快速检测

目的 遥感图像上任意方向舰船目标的检测,是给出舰船在图像上的最小外切矩形边界框。基于双阶段深度网络的任意方向舰船检测算法速度较慢;基于单阶段深度网络的任意方向舰船检测算法速度较快,但由于舰船具有较大长宽比的形态特点,导致虚警率较高。为了降低单阶段目标检测的虚警率,进一步提升检测速度,针对舰船目标的形态特点,提出了基于密集子区域切割的快速检测算法。方法 沿长轴方向,将舰船整体密集切割为若干个包含在正方形标注框内的局部子区域,确保标注框内最佳的子区域面积有效占比,保证核心检测网络的泛化能力;以子区域为检测目标,训练核心网络,在训练过程对重叠子区域进行整合;基于子图分割将检测得到的子区域进行合并,进而估计方向角度等关键舰船目标参数。其中采用子区域合并后处理替代了非极大值抑制后处理,保证了检测速度。结果 在HRSC2016（high resolution ship collections）实测数据集上,与最新的改进YOLOv3（you only look once）、RRCNN （rotated region convolutional neural network）、RRPN （rotation region proposal networks）、R-DFPN-3（rotation dense feature pyramid network）和R-DFPN-4等5种算法进行了比较,相较于检测精度最高的R-DFPN-4对照算法,本文算法的mAP （mean average precision）（IOU （inter section over union）=0.5）值提高了1.9%,平均耗时降低了57.9%;相较于检测速度最快的改进YOLOv3对照算法,本文算法的mAP （IOU=0.5）值提高了3.6%,平均耗时降低了31.4%。结论 本文所提出的任意方向舰船检测算法,结合了舰船目标的形态特点,在检测精度与检测速度均优于当前主流任意方向舰船检测算法,检测速度有明显提升。     

农村低压普通工业用户私增容量探索

当前农村低压电网一般工商业私增容量的情况非常普遍。文章就新时期农村低压一般工商业用户(普通工业用户)私增容量展开分析和探讨。介绍了一般工商业用户私增容量的现状及后果,阐述了其存在原因,并提出了解决办法。     

基于尺度预估的SAR图像相位相关配准算法

高精度的图像配准是SAR图像融合的前提条件之一.针对相位相关匹配方法用于强相干斑噪声的多波段、多极化SAR图像匹配时存在的缺点,提出了一种基于尺度预估的SAR图像相位相关配准算法.首先,利用图像问的中心频谱值之比实现尺度预估计;然后,在相位相关过程中,针对强噪声图像的互功率谱的逆傅里叶变换图存在多峰的情况,通过脉冲值的局部搜索得到最佳的匹配参数;最后,校正待配准图像,达到精确配准.实验结果表明,文中算法对于多波段、多极化SAR图像具有良好的匹配效果.     

基坑开挖土体应力路径分析

对某一窄长形基坑从理论分析及数值模拟两方面分析其开挖过程中周围土体的应力路径。数值模拟的结果与理论分析基本一致:基坑底部土体主要表现为竖直方向卸荷、水平方向荷载不变;侧壁土体主要表现为水平方向卸荷、竖直方向荷载不变;对介于底部和侧壁之间的土体,其应力状态受到侧向卸荷和竖向卸荷双重影响,因而应力路径呈现出两者共同作用的结果。对比分析开挖前后基坑侧壁土体球应力p和广义剪应力q随深度的变化发现:开挖前后侧壁土体的p,q均随深度的增加而线性增加,且直线的斜率与土体的重度有关,且随着开挖深度的增加,p,q随深度变化所拟合直线的斜率越来越小。     

双窗口特征的SAR图像丛林区域MRF分割算法

针对固定窗口灰度共生矩阵纹理特征对合成孔径雷达(SAR)图像丛林区域分割存在的局限性,讨论了丛林区域纹理特征值的聚类特性,分析计算窗口大小对分割的影响。基于马尔科夫随机场(MRF)分割方法对SAR图像噪声抑制能力,提出一种基于小窗口纹理特征分割作为初始标记计算初始吉布斯分布,大窗口纹理特征作为样本估计高斯分布的MRF分割方法。该方法经实验验证,能够改善分割噪声和边缘模糊的问题,很好地对SAR丛林区域进行分割。     

用外循环法制备42—氯烃工艺

简介国内外氯生产烃工艺，用外部换热器代替夹套移热的外循环法生产氯烃工艺及原料消耗、产品质量及工艺优越性。     

基于深度强化学习的多目标跟踪技术研究

在随机有限集多目标跟踪过程中,由于跟踪问题的复杂性,会耗费大量的计算成本,特别是在目标和杂波密集的复杂情况中,计算成本呈指数增长。随机有限集中通常采用的分配算法——例如Murty算法的时间复杂度为滤波器生成的代价矩阵规模的三次方。为了减少跟踪耗时,结合组合优化的思想,将代价矩阵重定义为二分图,采用了一种基于深度强化学习的二分图匹配算法,取代传统随机有限集中的分配算法,并通过仿真实验验证了所提方法的可行性。实验表明,所提方法在保证跟踪性能的前提下减少了跟踪耗时,提升了跟踪实时性。     

基于支持向量AAM迭代学习的性别分类算法

为了提高性别检测的精度，提出了一种支持向量机（SVM）与主动外观模型（AAM）相结合的迭代学习算法.采用AAM对初始训练样本建模，在此基础上构造SVM分类器.在当前迭代过程所产生的支持向量中随机选择不同性别的样本，对其AAM参数线性插值而生成一系列伪样本，并从中选取被当前分类器误分类或正确分类但分类可信度低的样本参与下次迭代学习.实验结果表明，采用该算法所构造的伪样本是初始训练样本的有效补充，提出的伪样本选择方案优于传统的Bootstrap方法，迭代学习方法逐步提高了性别分类器的检测精度.