单片机下的多功能计数器的设计研究

计数器在生活中较为常见,传统的计数器计算方法单一,无法完成多功能检测,也无法满足工业测量要求。设计具有测量频率、周期及相位差的计数器,有利于满足工业测算需求,可以在物流领域及产品生产领域等应用。在设计过程中,对计数器、系统软硬件进行分析,信号处理幅度保持在合理范围,对矩形波分析后,输送到计数器中,获得的数据在显示屏中显示。本设计的计数器误差小,满足精度要求。     

纤维素酶法提取川芎多糖的工艺条件研究

采用单因素实验和正交实验研究了时间、温度、pH值、酶加量四个因素对提取川芎多糖的影响.得到提取川芎多糖的最佳工艺条件为:纤维素酶0.25%,时间120min,pH值4.0,温度50℃,在此条件下,多糖的提取率为7.26%.     

一种基于TSVM-MRF的变化检测方法

变化检测可以视为一个二分类问题,因而可以采用分类器实现变化检测。由于支持向量机没有考虑到各样本之间的空间约束,利用支持向量机分类得到的变化检测结果存在零碎噪声。为了解决这个问题,结合直推式支持向量机(TSVM)和具备上下文约束关系的马尔可夫随机场(MRF)进行变化检测。方法首先采用 TSVM 对样本进行训练和分类,接着将 TSVM变化检测结果作为 MRF 的输入,利用 MRF 方法进行二次变化检测。该方法将 TSVM 的训练学习能力和 MRF 的邻域特性相结合,在实验数据集下获得比一般方法更好的变化检测效果。     

智能遥感：AI赋能遥感技术

随着人工智能的发展和落地应用,以地理空间大数据为基础,利用人工智能技术对遥感数据智能分析与解译成为未来发展趋势。本文以遥感数据转化过程中对观测对象的整体观测、分析解译与规律挖掘为主线,通过综合国内外文献和相关报道,梳理了该领域在遥感数据精准处理、遥感数据时空处理与分析、遥感目标要素分类识别、遥感数据关联挖掘以及遥感开源数据集和共享平台等方面的研究现状和进展。首先,针对遥感数据精准处理任务,从光学、合成孔径雷达等遥感数据成像质量提升和低质图像重建两个方面对精细化处理研究进展进行了回顾,并从遥感图像的局部特征匹配和区域特征匹配两个方面对定量化提升研究进展进行了回顾。其次,针对遥感数据时空处理与分析任务,从遥感影像时间序列修复和多源遥感时空融合两个方面对其研究进展进行了回顾。再次,针对遥感目标要素分类识别任务,从典型地物要素提取和多要素并行提取两个方面对其研究进展进行了回顾。最后,针对遥感数据关联挖掘任务,从数据组织关联、专业知识图谱构建两个方面对其研究进展进行了回顾。除此之外,面向大智能分析技术发展需求,本文还对遥感开源数据集和共享平台方面的研究进展进行了回顾。在此基础上,对遥感数据智能分析与解译的研究情况进行梳理、总结,给出了该领域的未来发展趋势与展望。     

基于形状统计模型的多类目标自动识别方法

形状是人类视觉系统分析和识别目标的基础。针对现有方法的不足,该文提出了一种新的基于形状统计模型的多类目标自动识别方法。该模型定义形状基元对作为特征描述子,从样本图像中抽取典型基元对,聚类量化后组成形状字典。然后综合分析各类信息,通过无监督学习来统计目标的特征分布状况,构建类别形状模型。快速定位目标区域并辨识对象类别后,可结合图像分割获取精确形状。实验结果表明,该方法能准确、高效地提取多种类型和复杂结构的目标,较好解决了噪声干扰、旋转侧偏等问题,具有较强的实用价值。     

一种基于形状的近岸舰船检测

高分辨率光学遥感图像上近岸舰船的灰度、纹理特征往往和码头比较接近,其自动检测比较困难,但是舰船独特的形状特征却能将其很好地区分开;不变性广义霍夫变换是一种可以在未知位置、大小和朝向的条件下定位形状的非常有效的方法,但是它对局部形状变形的适应性比较差。改进了不变性广义霍夫变换,提出了一种基于鲁棒不变性广义霍夫变换的近岸舰船检测方法。实验结果表明该方法能有效地进行高分辨光学遥感图像中各类近岸舰船的自动检测。     

基于空间语义对象混合学习的复杂图像场景自动分类方法研究

场景分类是将多幅图像标记为不同语义类别的过程。该文针对现有方法对复杂图像场景分类性能欠佳的不足,提出一种新的基于空间语义对象混合学习的复杂图像场景分类方法。该方法以多尺度分割得到的图像对象而非整幅图像为主体进行产生式语义建模,统计各类有效特征挖掘对象的类别分布信息,并通过空间金字塔匹配,构建包含层次数据和语义信息的中间向量,弥补语义鸿沟的缺陷,训练中还结合判别式学习提高分类器的可信性。在实验数据集上的结果表明该方法具备较高的学习性能和分类精度,适用于多种类型和复杂内容图像的解译,具有较强的实用价值。     

食品微生物检测技术

本文介绍了多种微生物检测方法,尤其详细介绍了恒温扩增技术。并对这些检测方法的原理、应用及发展前景进行了详尽的阐述。     

基于InSAR相干系数统计建模的建筑物检测

相干系数图由两幅配准的合成孔径雷达（SAR）图像做交叉相关运算获得。在很多应用中它既可以作为SAR亮度数据的补充信息,也可以作为独立的信息源。针对SAR亮度图像,已经有大量研究者研究过其统计特性。相比之下,对相干系数统计特性的研究非常缺乏。在已有的文献中,所有涉及InSAR相干系数统计特性的工作,都直接采用Gaussian分布对相干系数值进行建模,而不考虑数据的分辨率和场景的类型。本文的主要贡献为研究了几种典型的统计模型对城市场景下的高分辨率InSAR相干系数进行建模表示时的精确程度。在地物目标方面,本文选取城市中3类典型的地物目标,包括树木、建筑物和阴影,作为有代表性的城市目标。在统计模型方面,评估了5种常用的概率分布模型,包括Gaussian、Weibull、Rayleigh、Nakagami和Beta。在高分辨率TanDEM X数据上的实验证明使用Beta分布建模,精度优于其它几种常见分布。最后,Beta分布被用在建筑物检测中。     

高分辨率SAR图像中矩形建筑物特性分析与三维重建

近年来不断发展成熟的合成孔径雷达技术将获取的图像分辨率提高到分米级.在高分辨率条件下,建筑物在SAR图像上表现出的空间信息更加丰富,结构特征更加明显.首先提出了分解模型对高分辨SAR图像中矩形建筑物的特性进行详细分析.在此模型中,散射效应根据不同的贡献来源被细分,以便于解析建筑物图像特征在不同的SAR成像条件下的几何结构和空间分布规律.然后基于建筑物图像表征的结构先验,提出了一种新的单幅高分辨率SAR图像建筑物检测和3-D重建算法,其中包括模型匹配的图像特征的提取,以及先验引导的重建过程.最后,选用了实际高分辨率SAR图像进行建筑物检测和三维重建实验并对重建结果进行了讨论.