山地坡度自适应星载光子计数激光雷达点云去噪方法

星载光子计数激光雷达在接收信号的过程中会产生大量噪声,并且在复杂的山区地形中信噪比低,极大地影响对植被点云信号的准确提取。为解决该问题,提出了一种基于山地坡度的密度聚类算法。通过分析点云数据的密度和森林目标地形特征,用最大密度中心搜索法进行粗去噪,基于点云数据计算坡度角以优化密度聚类,完成数据精去噪。通过对提取的森林区域信号进行分类,拟合植被冠层廓线和地表廓线,结果表明本算法提取植被光子信号的准确率较高,地面与冠层廓线的RMSE分别为0.3588 m和3.7449 m,更适用于植被遥感点云数据处理。     

优化的小波变换和改进的LDA相融合的人脸识别算法

提出了一种优化的小波变换与改进的LDA相融合的人脸识别算法。首先对经过预处理的人脸图像进行2层小波变换并提取特征,然后对小波分解后的高频子带进行融合,并在改进的LDA下利用交替方向法求出投影矩阵和最优融合系数,再结合低频子带在改进的LDA下的特征表示,利用最近邻分类器进行分类。实验结果表明,该算法在ORL及YALE人脸库上的识别效果较传统的人脸识别算法更优。     

论高职院校人文教育及其培养途径

人文教育以其独特的作用,影响着高职学生的素质,制约着其发展。加强人文精神的培养,不断探索人文教育的途径,提高高职学生的人文素养,对其自我发展和社会发展都会产生积极作用。     

铝含量对GCr15钢带织构和深冲性能的影响

在杭钢集团大生产的条件下,分析了不同铝含量对退火后GCr15钢带的织构、金相组织、晶粒取向、硬化指数n和塑性应变比r以及凸耳指数Δr的影响。试验结果表明:在[Al]s的质量分数为0.017%~0.027%时,铝对高碳的GCr15钢带的深冲成型性能影响规律与铝对低碳钢板基本一致,随着钢中铝含量的升高,r值升高,且{111}面有利织构含量增加,但相同铝含量下GCr15钢的r值比低碳钢却要小很多,n值则相差不大,Δr指数比低碳钢更小,晶粒取向也有明显的区别,说明高碳的GCr15钢各向性能比较均匀,能满足一般用途的深冲成型要求。     

城市消防预警系统的模糊综合评价方法研究

针对城市消防预譬提出了模糊综合评价理论,建立了系统、合理的评价指标体系;运用AHP法构建了系统评价的递阶层次结构,在此基础上建立了一个简单、实用的三级模糊综合评价数学模型,该模型为城市消防预譬做出客观评价提供了有效的手段。     

利用改进变色龙算法进行有障碍物体聚类

聚类分析由于其应用较为广泛,已经成为数据挖掘、数理统计等学科的一个活跃的研究领域。聚类技术可以应用于模式识别、数据分析、图像处理、网页挖掘、电子商务等。以往的聚类分析都没有考虑现实世界存在的物体障碍问题从而影响聚类结果。该文对有障碍物体聚类问题进行了初步的探讨,并且提出了一种称之为改进的变色龙(ADP-Chameleon)的算法来解决有障碍物体聚类问题。     

零部件光学影像精准定位的轻量化深度学习网络

光学影像精准定位是提高工业生产效率和质量的重要环节。传统图像处理定位方法由于光照、噪声等环境因素的影响，在复杂场景下定位精度低、易受干扰；而经典深度学习网络虽然在自然场景目标检测、工业安检、抓取、缺陷检测等得到了广泛应用，但是其海量数据的训练需求、复杂系统的深度学习大模型、检测框的冗余及不精确等问题，导致它不能直接应用于工业零部件像素级精准定位。针对以上问题，构建了一种零部件光学影像像素级精准定位的轻量化深度学习网络方法。网络总体选用Encoder-Decoder架构，Encoder使用三级bottleneck级联，在降低特征提取参变量的同时充分提升了网络的非线性；Encoder与Decoder对应特征层实施融合拼接，促使Encoder在上采样卷积后可以获得更多的高分辨率信息，进而更完备地重建出原始图像细节信息；最后，利用加权的Hausdorff距离构建了Decoder输出层与定位坐标点的关系。实验结果表明：轻量化深度学习定位网络模型参数为57.4 kB，定位精度小于等于5 pixel的识别率大于等于99.5%，基本满足工业零部件定位精度高、准确率高和抗干扰能力强等要求。     

非监督子空间学习中关联度量多维尺度分析

多维尺度分析已经在维度约减和数据挖掘领域得到了广泛应用。MDS的主要缺点是其定义在训练数据上,对于新的测试样本无法直接获得映射结果。另外,MDS基于欧氏距离度量,不适合获取相似数据中的非线性流形结构。将MDS扩展到关联度量空间,称为关联度量多维尺度分析(CMDS)。与传统MDS在训练数据中完成映射,进而缩小空间范围相比,CMDS 能够直接获得测试样本映射结果。此外,CMDS基于关联度量,能够有效学习相似数据中的非线性流形结构。理论分析表明,CMDS可以利用核方法扩展到新特征空间,解决非线性问题。实验结果表明,CMDS及其核形式KG-CMDS性能优于常用传统降维方法。     

透烟雾红外数字全息像的亮度增强算法

红外数字全息具有强穿透性，可以透过烟雾成像，但研究发现在烟雾环境下，红外数字全息重建像存在部分阴影区域，不能满足对成像质量的要求。为此提出了一种透烟雾红外数字全息像的亮度增强算法。该算法首先使用双边滤波器去除图像的散斑噪声，然后利用二值化、边缘提取、形态学算法分割阴影区域，最后使用基于Tent优化的麻雀搜索算法寻找阴影区域与明亮区域的类间方差最小值，实现增强阴影区域亮度的目的。在烟雾环境下进行实验，拍摄一系列红外全息图后，选取一个完整烟雾周期内的六张样本图像进行处理。实验结果表明，经提出的算法处理后，图像的峰值信噪比（PSNR）、均方误差（MSE）和特征相似度（FSIM）值都优于其他图像增强算法，验证了此算法对透烟雾红外数字全息图像阴影区域亮度增强的有效性与优越性。