基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

火山岩圈闭识别描述方法及其应用

中国沉积盆地内火山岩分布广泛，松辽、准噶尔及四川等盆地不断取得重大突破与发现，火山岩已成为我国油气勘探的重要领域之一。松辽盆地长岭断陷发育火石岭组和营城组火山岩，是油气增储上产的重要领域，但其勘探成效直接取决于对火山岩圈闭的识别与刻画成果。与碎屑岩圈闭相比，火山岩圈闭成藏条件要求更为苛刻，储层条件、侧向及顶底板封堵条件是控制火山岩圈闭有效性关键要素。在解剖已发现火山岩油气藏基础上，通过攻关研究，提出了火山岩体刻画和火山岩储层的描述是火山岩圈闭识别的重点。以火山岩岩性圈闭为例形成了火山岩岩性圈闭识别描述“五步流程”，并实际应用于龙凤山鼻状构造带。钻后结果表明，火山岩岩性圈闭与钻前认识整体一致，圈闭落实可靠，验证了火山岩岩性圈闭识别描述技术方法的有效性，推进了长岭断陷火山岩的油气勘探，对国内其他盆地火山岩油气勘探具有一定的指导应用价值。      

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

黔北桑木场背斜铅锌矿深部找矿实例分析*#br#

黔北桑木场背斜位于上扬子地块黔北隆起区毕节弧形褶皱带与赤水克拉通盆地的交汇部位，属于有利的铅锌成矿区带。区内铅锌矿的赋矿层位主要有震旦系灯影组、寒武系清虚洞组、高台组及石冷水组，矿体多产于背斜核部并受断层或裂隙控制。通过对地层岩性特征、地表矿化特征、控容矿构造特征、化探异常特征、物探异常特征等进行综合研究，选择在成矿有利地段进行了工程验证，为进一步开展桑木场背斜铅锌矿深部找矿工作提供了思路。     

DOCSIS接入层IPv6网络部署

目前,广电行业存量DOCSIS网络用户较多,需结合几种现存主流接入设备进行探索。重庆有线于2019年开始在接入层大规模部署IPv6网络,本文介绍了部署思路及实际经验,以主流思科CMTS设备为例进行实践。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

基于机器视觉的运煤车车号识别技术研究

在铁路运煤装车过程中为了快速、准确地识别车号,提出一种基于机器视觉的运煤车车号识别技术。将连通区域提取与投影分割法结合,实现车号的粗定位、细分割,并对图像中的断裂字符进行二次分割,构建了基于BP神经网络的分类模型进行车号识别,提升了煤炭装车的效率和精度。