基于遥感影像的道路边缘提取方法设计

从遥感影像中提取道路信息一直是遥感影像数据应用研究的一个重点和难点。文中采用将阈值分割和Canny边缘检测算子相结合的方法对遥感影像中道路的边缘信息进行提取。首先采用灰度直方图阈值分割的方法分割遥感影像,得到初始道路信息;其次进行面积阈值滤波处理滤除干扰信息;再次采用Canny算子检测道路的边缘信息;最后将得到的道路边缘叠加到原图像中显示。     

基于数字图像处理技术的遥感影像道路提取

本文针对道路提取目标,首先,对图像进行对比度扩展和均值滤波处理;然后利用图像分类方法对道路进行分类并对其进行二值化处理;最后对二值化图像进行腐蚀和膨胀运算处理,实现了道路的全局提取。实验结果表明,该方法对提取遥感图像中的道路效果明显。     

基于不同算法的道路混凝土干缩神经网络预测

针对多种因素下道路混凝土干缩预测模型难以建立的难题,基于BP神经网络理论建立了干缩预测模型.结果表明：BP神经网络预测道路混凝土干缩可获得较高准确度,且具有良好的泛化能力,在5种算法中,Trainlm训练速度快,但误差大,Traingda函数训练速度居中,误差最小,用其训练的神经网络可很好映射道路混凝土配合比与干缩率之间的非线性关系.     

风景区道路的美学意义

风景区道路是景观审美中重要的构图要素。风景区道路规划应科学处理保护和利用的辩证关系,注重道路本身的“自然”及其与周围风景相接的“自然”,注重路线、审美景观、图像景观的选择。     

脊椎图像预处理与特征提取研究

随着机器学习技术的快速发展,计算机辅助诊断已经成为临床医疗的重要支撑,在脊椎病变识别中广泛应用。然而,脊椎图像具有边缘模糊、多病变特征难以表达和区分度不明显的特点,使得脊椎多病变分类难以取得理想效果。因此,文章研究的脊椎图像预处理与特征提取方法具有理论指导意义和临床实用价值。     

基于深度卷积神经网络的科研项目不端行为识别研究

随着科研项目数量大幅增长,随之而来的问题是科研项目不端行为(SRPM)层出不穷.本文研究大数据环境下科研项目不端行为的特征提取方法,探索提出基于深度卷积神经网络(DCNN)的语句表示模型和匹配架构,并对其进行有效训练,以学习得到语句匹配在不同层次上的表示,提高模型的表示能力,从而提高文本相似度计算的准确度和精度.     

基于形态学及边缘检测的雷达图像特征提取

介绍了雷达技术在混凝土结构无损检测中的应用原理,制作了模拟空洞、裂缝、不密实缺陷的混凝土试件,得到了缺陷的雷达图像典型特征.将数字图像处理技术应用于雷达图像的后处理中,形态学腐蚀、膨胀处理后图像的主要特征得到体现,次要因素得以忽略,为雷达图像的判读、解释起到良好的区分作用.边缘检测结合腐蚀、膨胀能快速而准确地得到图像的...     

一种基于Fast-RCNN的道路病害检测算法

采用Fast-RCNN方法,将图像识别技术、GPS位置信息和车载信号信息有机结合,并将道路巡查车辆采集的道路图片进行自动化识别,包括坑槽、裂缝在内的道路病害信息,再根据从赤峰市道路巡查收集到的8000张道路病害数据,建立病害样本库,基于病害特征训练和测试Fast-RCNN模型,最后引入自动分区算法优化模型测试性能。实验结果表明,基于Fast-RCNN的目标检测模型能够达到84.9%的识别精度,并且能够生成包含病害定位、时间属性、病害信息在内的病害识别报告,能够有效提升道路病害识别的准确率与道路养护效率。     

基于神经网络的短时道路交通流预测研究综述

短时交通流预测是可以为交通流诱导提供理论支撑,能够有效缓解交通拥挤,节约出行成本。神经网络在目前已有几十种不同的模型,每个模型都有其不同的优缺点。本文主要综述了常用的BP神经网络模型、小波神经网络、RBF神经网络、广义回归神经网络研究现状,为后续开展更深入的短时道路交通预测研究工作提供一定的借鉴意义。