多尺度相似性迭代查找的可靠双目视差估计

目的 双目视差估计可以实现稠密的深度估计,因而具有重要研究价值。而视差估计和光流估计两个任务之间具有相似性,在两种任务之间可以互相借鉴并启迪新算法。受光流估计高效算法RAFT （recurrent all-pairs field transforms）的启发,本文提出采用单、双边多尺度相似性迭代查找的方法实现高精度的双目视差估计。针对方法在不同区域估计精度和置信度不一致的问题,提出了左右图像视差估计一致性检测提取可靠估计区域的方法。方法 采用金字塔池化模块、跳层连接和残差结构的特征网络提取具有强表征能力的表示向量,采用向量内积表示像素间的相似性,通过平均池化得到多尺度的相似量,第0次迭代集成初始视差量,根据初始视差单方向向左查找多尺度的相似性得到的大视野相似量和上下文3种信息,而其他次迭代集成更新的视差估计量,根据估计视差双向查找多尺度的相似性得到的大视野相似量和上下文3种信息,集成信息通过第0次更新的卷积循环神经网络和其他次更新共享的卷积循环神经网络迭代输出视差的更新量,多次迭代得到最终的视差估计值。之后,通过对输入左、右图像反序和左右翻转估计右图视差,对比左、右图匹配点视差差值的绝对值和给定阈值之差判断视差估计置信度,从而实现可靠区域提取。结果 本文方法在Sceneflow数据集上得到了与先进方法相当的精度,平均误差只有0.84像素,并且推理时间有相对优势,可以和精度之间通过控制迭代次数灵活平衡。可靠区域提取后,Sceneflow数据集上误差进一步减小到了历史最佳值0.21像素,在KITTI （Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago）双目测试数据集上,估计区域评估指标最优。结论 本文方法对于双目视差估计具有优越性能,可靠区域提取方法能高效提取高精度估计区域,极大地提升了估计区域的可靠性。     

基于径向基概率神经网络的输电导线缺陷状态识别

输电导线作为承担电能传输任务的重要部件,及时发现其本体缺陷对指导维修避免重大电力事故的发生具有重要意义。考虑到无人机巡检中输电导线背景的复杂性和导线表面缺陷检测的困难度,提出一种基于径向基概率神经网络的输电导线缺陷状态识别方法。首先,依次采用加权色差法、最大类间方差法以及形态学滤波实现复杂背景下输电导线的准确分割。其次,将分割出的导线区域等距划分为10个导线子图像,通过Gabor滤波器获得输电导线8个角度、5个尺度的40幅纹理增强子图像,提取各个子图像的粗糙度、对比度和方向度3个纹理特征量,结合特征方差比筛选出10个强纹理特征;最后,将10个强纹理特征量作为径向基概率神经网络的输入,完成输电导线缺陷状态的识别。实验结果表明所提方法可以实现复杂背景下输电导线快速分割与缺陷状态的准确识别,为无人机巡检中输电导线的运行状态检测提供了新的思路。     

基于混合半云模型的风速-功率曲线建模方法

风速-功率曲线的准确建模是风电机组出力态势评估和风电功率预测的关键基础之一。计及风电映射关系的不确定性及功率曲线的分布形态,提出一种基于混合半云模型的建模策略来实现对风功率数据固有和随机分布特征的挖掘和建模。引入最优组内云熵算法快速有效地剔除异常数据;采用逆向云发生器求取期望、熵与超熵数字特征来定量刻画风速-功率对应关系的不确定性,构建腰部数据的半云模型;通过X条件云发生器和正向云发生器分别求取腰部和上部数据的功率云滴,实现定性数字特征向定量数据的转换。以中国东北某大型风电场的实测数据为例,从数据质量、频率分布和风功率预测等维度分析混合半云模型,验证了所提方法的可行性。     

基于无人机巡线图像的地面油气管道识别方法

限于成本,无人机搭载的任务设备主要为普通数码相机,采集的是可见光图像,针对此种情况,提出了一种利用彩色分割及形状检测识别油气管道的方法,首先需要设定感兴趣区域ROI,计算出协方差矩阵C和均值m,并使用欧氏距离、马氏距离对图像进行彩色聚类分割,然后对分割图像填色后进行边缘检测,最后根据边缘图像进行霍夫变换来检测直线特征,实现复杂环境下对管道位置的自动定位.测试图像库包含300幅图像,识别准确率达到80.3%,实验结果表明,在色彩差异较大背景中,基于颜色和形状特征的识别方法能有效进行管线跟踪定位.     

基于泊松噪声-双边滤波算法的桥梁裂缝修补痕迹图像分割方法

裂缝作为混凝土桥梁的主要病害大量存在,部分裂缝修补后会二次开裂,在病害智能识别中,裂缝修补痕迹易与混凝土剥落等缺陷混淆,因此,裂缝修补痕迹的准确识别不仅是二次裂缝准确识别的基础,也是混凝土桥梁整体病害识别的重要环节。为了获取边缘清晰连续的裂缝修补痕迹,先对裂缝修补痕迹的图像添加泊松噪声,再利用双边滤波对添加的噪声及原有噪声进行平滑。然后用Otsu算法对裂缝修补痕迹进行图像分割,并使用峰值信噪比（PSNR）和结构相似性（SSIM）评价滤波效果,使用运行时间和最大连续可用内存块（LCFB）使用情况评价分割效果。最后以河南省某高速公路桥梁历年定检中的裂缝修补痕迹图像为例,对方法进行实际验证。结果显示：经过泊松噪声-双边滤波算法处理后,裂缝修补痕迹图像PSNR值最高约35.090 1 dB,SSIM值可达约0.880 1,说明添加泊松噪声可改善图像质量并优化双边滤波效果;经过Otsu算法进行图像分割的运行时间比其他方法约短25%～50%,LCFB比其他方法约提高0.25%;经过处理的裂缝修补痕迹图像达到理想预期效果,验证了提出方法的有效性和可行性。     

沿空留巷底板变形力学分析及底臌防控

上覆岩层垮落产生的动载荷通过巷帮煤体、巷内支护体以及巷旁支护体传递给底板,造成工作面后方一段距离的沿空留巷底臌变形加剧。为了控制上覆岩层垮落引起的底臌变形,在分析沿空留巷力学环境的基础上,建立底板力学模型,计算出沿空留巷煤帮弹性压缩区、塑性区、破裂区的宽度,以及煤帮对底板的作用力。应用关键层理论,确定顶板硬岩层位置及其破断顺序,以及垮断极限层的层位;采用顶板载荷条带分割法,计算出巷旁支护体对底板的作用力,并引入等效载荷的概念,构建底板等效载荷分布力学模型,将沿空留巷底臌与上覆岩层垮落紧密联系起来,分析上覆岩层垮落对底板的受力及变形影响,推导出底臌变形计算式。研究结果表明:上覆岩层垮落引起的底臌主要是由于塑性区煤体和巷旁支护体下方底板岩层高应力压剪破坏,以及巷道底板和采空区底板在强卸荷条件的拉伸破坏共同影响造成的。基于此,提出了降低塑性区煤体和巷旁支护体传递给底板的作用力,提高采空区冒落矸石对底板的作用力,防止巷道底板岩层拉伸破坏,巷旁支护体宽度、刚度与底板岩层强度相匹配等底臌防控措施,并应用于工程实践。     

我国资源环境承载力的时空分布特征及研究热点——基于在线新闻文本分析

与学术文献的长周期性相比,新闻报道则体现出了时效性的特征,通过新闻的报道,能够快速了解到社会各界对于资源环境承载力的关注和最新动态。文章借助网络舆情的分析方法和工具,系统地介绍了基于百度新闻搜索引擎和网络抓取工具的在线新闻文本分析过程,通过对获取的资源环境承载力主题的691篇在线新闻标题及相关属性信息的统计分析、分词等,全面的分析了资源环境承载力主题在线新闻报道的媒体分布特征、新闻随时间的变化趋势、不同层级区域分布特征、热点词汇年度变化情况等,在可视化工具的帮助下,将分析结果进行可视化呈现。该研究为资源环境承载力领域的研究提供了重要的基础和补充性工作,也为社会各界更加了解资源环境承载力提供了有效的方法。     

用于金属板图像分割的自适应阈值算法

针对生产线上金属板表面光照不均匀和白、灰细颗粒相间的特点,将一维、二维Wellner自适应阈值算法应用到这种场景,并结合高斯加权距离,将算法推广,提出了一种针对金属板表面图像分割的高斯加权自适应分割算法.该方法首先通过计算区域内像素间的高斯加权距离,形成一张加权距离图,然后利用Wellner的“中心-周围比较思想”直接求算二值图像.最后对实际产线上采集的图片进行了实验,将二维otsu算法、均匀性度量算法、一维、二维Wellner自适应算法和最后改进的算法在分割效果进行比较.实验结果表明,相对于其他算法,最后应用的算法在分割效果上具有明显的优势.     

基于RANSAC分割的点云数据K-近邻去噪算法研究

针对基于TOF深度相机的空间目标表面重建的点云源数据容易受到仪器本身、扫描环境、外界干扰等影响,而含有大量的无效点和噪声点,增加了计算负担且影响了重建质量等问题,提出了一种基于随机采样一致性背景分割的点云K 近邻去噪方法,以消除目标数据的异常值和无效点。首先,改进RANSAC算法,通过设置不同的阙值对原始点云进行背景分割,以确保准确提取待重建目标的主要特征。然后,通过K 近邻点云平均算法和双边滤波算法移除离群点,最后使用体素化网格方法实现点云大数据的下采样,简化了目标点云,保留了局部特征,加快了曲面重建速度。实验结果表明,该算法能够有效的剔除噪声点,准确率高,实时性好,满足应用的要求。     

基于二次聚类弱监督学习的图像语义分割

针对在给定大量用户标注图像基础上,将图像分割成一系列具有单一语义的完整区域,并同时对各区域实现语义标注的问题,提出了一种基于弱监督学习的二次聚类的图像语义分割算法。将谱聚类和判别式聚类相结合,用谱聚类学到的类标指示函数来指导判别式聚类,学习特征的潜在数据结构,利用弱监督信息对聚类分配标签。该方法能够充分利用区域上下文信息,为每个类别选择判别式特征,并且输出鲁棒的多类分类器,对外来没有标签的图像也可以进行有效的区域标注。通过在公用数据集上的充分实验,证明了本方法的有效性。