排序方式: 共有30条查询结果,搜索用时 328 毫秒
11.
12.
13.
嵌入式系统(Embeddedsystem),是一种"完全嵌入受控器件内部,为特定应用而设计的专用计算机系统"。嵌入式系统是面向用户、面向产品、面向应用的,软硬件可裁剪。数字化钻井仪表采用嵌入式系统,其可靠性、成本、体积、功耗等更具有优势。本文针对目前工业上应用较多的嵌入式PC104系统,进行方案设计与软件硬件开发,并在VDX钻井参数仪得到实际应用,取得了良好的效果。 相似文献
14.
高分辨率卫星遥感图像场景信息的分类对影像分析和解译具有重要意义,传统的高分辨卫星遥感图像场景分类方法主要依赖于人工提取的中、低层特征且不能很好的利用图像丰富的场景信息,针对这一问题,提出一种基于频带特征融合与GL-CNN(Guided Learning Convolutional Neural Network,指导学习卷积神经网络)的分类方法。首先通过NSWT(Non-Subsampled Wavelet Transform,非下采样小波变换)提取出图像的高低频子带,将高频子带进行频带特征融合得到融合高频子带,然后联合频谱角向能量分布曲线的平稳区间分析实现融合高频子带与低频子带的样本融合,最后指导卷积神经网络自动提取图像的高低频子带包含的高层特征来实现场景分类。通过对UCM_LandUse 21类数据进行试验表明,本文方法的分类正确率达到94.52%,相比以往算法有显著提高。 相似文献
15.
改进的基于最大似然估计的多通道InSAR高程重建方法 总被引:1,自引:0,他引:1
在通过InSAR技术获取地表数字高程模型(DEM)的应用中,为了提高该技术对大斜坡或突变等复杂地形的测绘能力,解决单基线情况下的高度模糊问题,可以利用多通道(多频率或多基线)InSAR技术实现。该文比较了最大似然估计法(ML)和最大后验概率估计法(MAP)的性能,并在最大似然估计法的基础上增加了坏点判断和加权均值滤波的环节,通过聚类分析和与相邻点的关系来判断目标像素是否为误差比较大的坏点,然后再利用加权均值滤波的方法将这些坏点剔除。这样,既保留了ML估计法速度快的特点,又提高了DEM的精度。仿真结果表明,在相同条件下,该方法既能保持较好的精度,同时又大大提高了算法的运行效率,非常有利于大规模数据的处理。 相似文献
16.
为解决现有高分辨率SAR图像道路提取算法自动化较差、普适性不高的问题,提出了一种基于多路径优化网络的多特征提取算法。首先,对SAR图像进行Gabor变换及灰度梯度共生矩阵变换,获取丰富的道路特征信息,联结级联优化网络和残差网络形成多路径优化网络;然后,对SAR原图、获取的低级特征图和标签图进行训练,充分利用每层网络提取的道路特征获取初始分割的道路结果;最后,利用数学形态学运算连接初始道路断裂处并去除虚警。利用所提算法对不同分辨率的SAR图像进行道路提取,实验结果表明,该算法在提取SAR图像道路方面适用范围广且道路提取效果佳。 相似文献
17.
VDX数字化多参数钻井仪表是一款集监测、存储、打印为一体的多参数数字化仪表系统,不仅能够为现场的司钻和钻井工程师及时提供钻井信息,还可以做到远程监控和历史回放。人性化的操作界面和直观动感的画面倍受用户的好评。 相似文献
18.
雁林寺韧性剪切带是在湖南大瑶地区中元古界地层中发育的一条近北东向的剪切带,带内发育有S-C组构、核幔构造、旋转碎斑和压力影等韧性剪切标志。利用磁组构和有限应变对该剪切带的剪切类型和变形特征进行了分析。研究结果表明雁林寺韧性剪切带以纯剪切为主,也有部分的简单剪切。运动方式以挤压为主,含有部分走滑的成分,走滑分量是右行剪切。剪切带中岩石的磁化率椭球体与应变椭球体存在共轴关系,磁化率椭球可以作为岩石形变的"显示器"。磁化率主值与主应变值具有相关性,因此磁化率椭球与应变椭球具有相同的形状。对于缺乏应变标志物地区,磁化率椭球可作为应变椭球分析的一种替代手段。 相似文献
19.
采用单轴拉伸法对原状和重塑黄土干湿循环下的抗拉强度进行试验研究,通过试验数据探讨原状和重塑黄土的抗拉强度与含水率和干湿循环次数的关系,分析干湿循环下黄土的抗拉强度衰减机制。试验结果表明:原状和重塑黄土的抗拉强度随含水率的减小呈非线性的增大,为负指数函数关系;同一含水率下的原状和重塑黄土的抗拉强度随干湿循环次数的增加而减小,最后基本趋于稳定。多次的干湿循环后原状黄土的抗拉强度衰减值与重塑黄土的抗拉强度衰减值和黄土抗拉结构强度之和基本相等,证明多次的干湿循环作用打破了原状黄土的原有结构,使得其抗拉结构强度消失;间接说明经过多次干湿循环后原状和重塑黄土的吸附强度衰减值相同,并使得原状和重塑黄土具有基本相同的结构。 相似文献
20.
高分辨率卫星遥感图像场景信息的分类对影像分析和解译具有重要意义,传统的高分辨卫星遥感图像场景分类方法主要依赖于人工提取的中、低层特征且不能很好的利用图像丰富的场景信息,针对这一问题,提出一种基于频带特征融合与GL-CNN(Guided Learning Convolutional Neural Network,指导学习卷积神经网络)的分类方法。首先通过NSWT(Non-Subsampled Wavelet Transform,非下采样小波变换)提取出图像的高低频子带,将高频子带进行频带特征融合得到融合高频子带,然后联合频谱角向能量分布曲线的平稳区间分析实现融合高频子带与低频子带的样本融合,最后指导卷积神经网络自动提取图像的高低频子带包含的高层特征来实现场景分类。通过对UCM_LandUse 21类数据进行试验表明,本文方法的分类正确率达到94.52%,相比以往算法有显著提高。 相似文献