自然场景下交通标志的自动识别算法

对自然场景下的交通标志进行准确的识别分类,是智能汽车的重要组成部分。交通标志本身数量众多,其形态复杂,而自然场景下存在着光照变化、褪色污损、扭曲变形等情况对交通标志表观的影响,为自动识别带来了很大的挑战。本文在分析交通标志特征的基础上,将Adaboost算法与SVM算法融合用于自然场景下的交通标志识别。实验证明,该方法具有较高的识别率和较快的识别速度,在智能汽车系统中具有较高的应用价值。     

跨域遥感场景解译研究进展

遥感对地观测中普遍存在多平台、多传感器和多角度的多源数据,为遥感场景解译提供协同互补信息。然而,现有的场景解译方法需要根据不同遥感场景数据训练模型,或者对测试数据标准化以适应现有模型,训练成本高、响应周期长,已无法适应多源数据协同解译的新阶段。跨域遥感场景解译将已训练的老模型迁移到新的应用场景,通过模型复用以适应不同场景变化,利用已有领域的知识来解决未知领域问题。本文以跨域遥感场景解译为主线,综合分析国内外文献,结合场景识别和目标识别两个典型任务,论述国内外研究现状、前沿热点和未来趋势,梳理总结跨域遥感场景解译的常用数据集和统一的实验设置。本文实验数据集及检测结果的公开链接为：https://github.com/XiangtaoZheng/CDRSSI。     

高铁山地场景下的车地无线信道建模

高铁列车经过山地场景时由于散射体分布不均匀使得无线信号呈现明显的衰落特性。针对这一现象,提出一种在高速运行状态下列车与基站之间的车地无线信道建模方法。在列车相对基站的不同位置区间内,采用马尔科夫链模拟平均接收信噪比的状态变化,根据高铁山地场景中的路径损耗模型计算得到平均接收信噪比阈值、量化值及信道状态转移矩阵,从而建立有限状态马尔科夫链(FSMC)信道模型。仿真结果表明,与通过均匀与非均匀划分列车位置范围建立的信道模型相比,FSMC模型均方误差最小,可有效评估列车与基站之间的通信质量。     

建筑物三维场景重建方法

针对建筑物模型的规则性问题,基于一幅或多幅非标定图像,对建筑物结构进行多视角三维场景重建,得到360°观测模型。区别于传统三维重建方法,该方法无需先标定摄像机参数与逐点配准、不依赖深度数据和高分辨率图像。实验结果表明该方法解决了单张图像方向性感知视野受限的问题,在系统复杂度和速度上优于传统方法。     

建筑物地震受力场景模拟的实现

地震是不可控的,但是如果震前对建筑物进行有效的受力场景模拟,不仅为提高建筑物的抗震水平提供必要的理论依据,而且为地震时应躲藏在建筑物的哪些角落保存生命的效率更高,为震后制定快速搜索救援方案制定提供了科学的依据。本文分析地震的地点、深度、震级等参数,结合力学属性计算建筑物的受力程度,利用三维GIS技术实现建筑物在地震时的受力场景模拟,将地震时建筑物的受力情况模拟表现出来。     

一个设计模式自动识别技术研究框架

在程序代码中自动识别设计模式可以为面向设计模式的软件理解、维护和重构等活动提供自动化支持.比较系统地分析了该领域十余年来的研究状况和存在的问题,提出了一套以准确和通用的设计模式识别技术为目标,以层次化识别特征的确定、基于静态分析技术的语义特征发掘与识别技术、基于语义特征和排除性约束的软件框架描述技术、基于描述逻辑的设计模式形式化技术等为内容的研究框架.介绍了各项技术的基本思想和主要内容,论述了其可行性.     

汉语框架自动识别中的歧义消解

该文研究了汉语框架自动识别中的歧义消解问题,即对给定句子中的目标词,基于其上下文环境,从现有的框架库中,为该目标词自动标注一个合适的框架。该文将此任务看作分类问题,使用最大熵建模,选用词、词性、基本块、依存句法树上的若干特征,并使用开窗口技术和BOW策略,以目前汉语框架语义知识库中的88个词元的2 077条例句为训练、测试语料,进行了3-fold交叉验证实验,最好结果取得69.28%的精确率(Accuracy)。     

高铁沿线GSM-R电磁环境实时检测系统

为了适应高速铁路工程测试的实际需要, 提出了高铁沿线GSM-R电磁环境实时检测系统的设计方案. 该系统使用ESPI、GPS等仪器, 通过控制技术实现了对GSM-R电磁环境数据实时、连续地采集, 并对测试数据进行筛选处理, 最终实现了对被测路段GSM-R电磁环境数据的曲线显示及质量评价.     

一种用于建筑物场景重建的方法

应用计算机视觉的方法,提出了一种针对建筑物的、基于图像造型的方法,这种方法首先对建筑物进行射影重建,然后利用建筑物的表面特征完成欧氏重建并对结果进行了优化。从实验结果上看,该疗法比较好地恢复了物体的三维信息,并且存在操作简单、需要附加信息较少的优点。     

框架元素语义核心词自动识别研究

该文基于汉语框架网,利用框架核心依存图形式化地表示一个汉语句子,使得对句子能够进行深层语义理解。为了得到框架核心依存图,需要提取其中框架元素的语义核心词。该文较为系统地描述了框架元素的语义核心词的识别问题。我们利用条件随机场模型、最大熵模型和支持向量机模型来识别框架元素语义核心词,并分别对这三种不同的模型所选的特征集进行了分析,且通过构造不同的特征模板进行对比实验,选取其中较优的特征模板和模型。结果表明,条件随机场模型具有较好的识别性能,在对其特征模板做进一步改进的基础上,识别效率也得到一定的提高。其中对简单型和复合型短语类型框架元素语义核心词识别的平均正确率分别达到了97.34%和94.03%。     

高铁场景3G网络优化技术研究

高铁场景由于高铁列车高速移动特性,容易导致频繁的切换,增大多普勒频移发生的概率,抬升误码率,降低网络解调性能。同时,高铁车体穿透损耗过大,不同车体的穿透损耗存在较大差异性,产生过多的掉话/掉线等问题,影响用户感知。因此,通过研究高铁覆盖技术、基站布局合理性、优化流程、参数设置等优化方案解决上述问题。     

网络靶场攻防场景设计框架

随着网络威胁的暴露范围越来越广,开发新的工具来改进网络防御是一个重大挑战。网络防御中最重要的问题是人员技能培训,网络靶场就是用于此目的。它提供用于训练和对抗比赛的虚拟环境。本文用VDSL语言定义了一个定制的网络环境,并实现了一个框架,允许将网络靶场场景转换为Prism模型。这样就可以进行训练和赛事结果的定量分析并可以对这个框架进行持续优化。     

建筑物场景宽基线图像的准稠密匹配

室外建筑物纹理通常重复而且单一,在进行宽基线图像匹配时,得到的初始种子点匹配数量通常比较少,而且在匹配和扩散时存在匹配多义性问题,使得应用传统的宽基线准稠密匹配算法不能得到满意的结果。针对这一问题,提出了一种针对室外建筑物的宽基线图像准稠密匹配算法。算法从高斯差分空间提取最大稳定极值区域,以获取数量更多的初始种子点匹配;在仿射传递过程中,采用自适应支持加权计算匹配分数,去除匹配多义性问题。实验表明,提出的算法能获得比较满意的准稠密匹配结果。     

复杂场景三维点云中未知球形目标的自动识别方法

为了从散乱三维点云中识别并定位非确定个数、未知半径的球形目标,提出了复杂场景三维点云中未知球形目标的自动识别方法.首先利用局部邻域点集的二阶曲面逼近方法估计每个点的微分几何属性值;再根据各点的2个主曲率差异初步筛选疑似球面点,并根据法向和平均曲率推算各点对应的球心坐标;然后利用专门设计的层次聚类算法以球心坐标和估计半径为特征值对疑似球面点实施非监督聚类,将分属不同目标球的球面点区分开;最后逐类完成球面精确拟合.针对实验室布置场景的三维激光扫描点云进行实验的结果表明,该方法不仅具有较高的目标球定位精度,而且能够稳健地解决被障碍物遮挡情况下的非完整球面的半径识别和球心定位问题.     

自然环境下果实的自动识别技术

利用计算机视觉技术可以识别自然环境下植株上的果实,为自动化采摘提供可能。常用的果实识别方法都具有一定的局限性。以番茄为研究对象,提出基于区域特征的果实自动识别方法,该方法克服了常规方法的局限性,具有一定的通用性和实用价值。     

基于机载LiDAR和多光谱图像的建筑物震害自动识别方法

地震破坏的建筑物在遥感影像上和空间上表现出的特征各异,致使遥感定量化估计其破坏程度较困难.本文介绍了基于LiDAR和多光谱影像相结合的多源遥感影像进行倒塌建筑物的面向对象识别的方法、分析处理步骤和特征参数选择,并以2010年1月12日海地地震后的太子港局部LiDAR数据和高分辨率卫星影像为例,提取了倒塌和未倒塌建筑物,经与高分影像目视解译结果比较,面向对象分类结果具有较高的分类精度.     

一种场景驱动的情境感知计算框架

情境感知系统通常以情境信息直接驱动上层服务或应用。普适计算环境的情境信息在来源及种类上存在较大差异,情境信息的多样性导致由情境直接驱动的情境感知系统的扩展性、稳定性不足。对此提出一种场景驱动的情境感知计算框架。该框架以场景为基础,屏蔽了原始情境信息的异构性和多样性;以场景识别为核心,由系统中的基本情境信息识别当前用户的场景信息,由场景信息驱动相关的应用。该框架简化了系统设计的复杂度,有助于提高系统的扩展性和稳定性;同时场景识别采用神经网络的算法,避免了因采用推理所带来的知识库暴涨问题。所开发的原型系统验证了框架的有效性。     

基于Vega Prime的多场景仿真系统框架

介绍了基于MFC的Vega Prime视景仿真开发方法.分析了多场景仿真系统中不能正常进行场景切换的原因,提出了基于进程的场景切换方法.该方法将基于MFC的主控进程和基于MFC的Vega Prime仿真进程分离开来.主控进程通过创建/中止仿真进程的方式实现场景间切换;进程间采用内存映射文件和消息机制两种方式进行数据通讯,以传递Vega Prime环境初始化参数、仿真控制参数和场景属性数据,能够保证仿真系统的大数据量通讯要求和实时性要求.构建了基于Vega Prime的多场景仿真系统框架.     

带场景和关键路径的商业组件自测试框架

商业组件的开发者和用户都需要测试组件在未知部署环境下的运行情况.给组件添加自测试功能后,测试效率大为提高.设计了一个商业组件的自测试框架STCCF,在组件代码中嵌入关键运行路径,使用XML描述组件的运行场景、关键路径和与之相关的参数条件,然后读入该描述文件,据此生成基于XML的测试用例集.框架还提供基于反射的自动测试类,执行所有测试用例,并记录测试结果.STCCF已运用到VisualDware工程,结合工程中一个分布式组件实例介绍它的实现步骤.