基于广义Beta函数的图像自适应增强方法*

针对传统Beta函数的图像增强方法应用于较暗区域、较亮区域,以及两端区域拉伸与中间压缩图像增强中的不足,引入增强算子和新的形状控制参数,提出了新的直方图变换函数,即广义Beta函数.在此基础上,给出了广义Beta函数增强算子选择机制,并建立了新形状控制参数的自适应选取模型.实验结果表明,提出的基于广义Beta函数的图像增强方法不仅增强了图像的对比度,而且保留了较多的图像细节信息,增强结果明显优于传统Beta函数.     

基于支持向量机的主动红外式结冰冰型分类方法研究*

针对飞机机翼等部位的结冰探测,提出了一种主动式红外结冰冰型分类的方法。该方法基于支持向量机,通过测量不同冰型结冰表面的红外激光反射系数,达到对结冰冰型分类的目的。初步试验结果表明,该方法能够以一定的准确性对物体结冰的冰型进行实时动态分类,为飞机结冰探测提供了一种新的技术思路。     

双阈值法在文字轮廓提取中的应用

在图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法区分了阶梯型边界和跳跃型边界,从而提取了阶梯型边界．上述算法中需选择峰值阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,对变换后的整幅图像取固定阈值时,那么微弱边缘将会随着因灰度不均匀、噪声等一并被滤除．针对这一问题,在上述算法中用双阈值法代替固定阈值,在文字图像轮廓提取中取得了较好的效果．     

均苯四酸二酐凝华结晶精制的最佳条件研究

研究了均苯四酸二酐（简称均酐或PMDA）凝华结晶精制的最佳条件,并以均酐在定温下的平衡蒸汽压为基础,推导出凝华结晶条件数学关系式．该式把氧化反应的空速,气相组成及捕集温度等工艺参数与捕集率关联起来,并制作出捕集温度对均酐凝华结晶效率和均酐纯度关系曲线图．同时讨论了拉乌尔数学关系式在处理本体系的适应范围．指出在低捕集率情况下,引入修正项后的拉乌尔数学关系式才能与实验值吻合．     

基于积分法的热非平衡效应下剪切液膜流的表面波演化模型

当液膜表面同时存在热非平衡效应和切应力作用时,引发液膜流动不稳定的扰动及其影响将更为复杂。基于边界层理论,通过建立气液界面受热非平衡效应和切应力耦合作用的液膜流动的理论模型,采用包含弱非线性项的积分法,推导出热非平衡效应下剪切液膜流的表面波积分演化模型,模型中包括了相变强度、切应力、雷诺数和倾斜角度等不同参数的影响,为分析复杂边界条件下的液膜流的演化特征和稳定性提供了一种可借鉴的理论模型。     

快速高吸油性丙烯酸酯树脂的合成研究

以丙烯酸丁酯与甲基丙烯酸甲酯为共聚单体，在聚合体系中引入致孔剂和大分子增容剂，采用悬浮聚合法合成了快速高吸油性树脂，考察了致孔剂用量、增容剂用量、乙酸乙酯／异戊醇混合致孔剂质量比等对高吸油性树脂吸油性能的影响。结果表明：通过引入致孔剂乙酸乙酯，不仅使树脂对甲苯和汽油的吸油率分别达到了3300％和1000％，而且吸油速度加快，2h内可达到饱和吸油；在致孔的基础上引入增容剂，可使树脂对汽油的吸收率显著提高，达到了1500％。     

面向垂直行业的5G定制专网应用探讨

5G定制专网建设是5G网络发展的关键、是5G业务增长的核心,5G定制专网在各类园区（工厂、办公园区、港口、校园、医院）的部署应用,可提供可靠网络、数据安全、云网协同等服务,满足智慧工厂、智慧园区、智慧交通和智慧校园等的定制化网络服务需求。分析各类园区不同行业的5G定制专网部署需求、部署模式,分析并提出所面临的挑战,望为5G定制专网的应用提供参考。     

一种适应光照多变的夜间前景提取方法

夜间前景提取是智能监控的必要处理过程,也是新时代下店铺防盗的高效手段。提出了一种在强弱光多变下具有检测鲁棒性的动态目标自动提取算法。在亮度通道上利用直方图均衡技术根据设置参数自适应灰度增幅,结合Canny边缘图像进行差分处理,最后给出前景提取算法。实验结果表明:在强弱光不同光照环境下,该方法可以很好的削弱不同光照对前景提取带来的多噪声、过度曝光等影响,提高前景对比度,相比其他方法,显示效果清晰完整,并满足实时性要求。     

基于多重差异特征网络的街景变化检测

街景变化检测对于自然灾害破坏和城市发展变化的研究起着重要作用.其主要目标是将成对的输入图片中变化的区域标注出来,其实质是二分类的语义分割问题.不同时间拍摄的街景图片可能受到如光线、天气、背景噪声、视角误差等诸多干扰因素的影响,这给传统的变化检测方法带来挑战.针对该问题,提出了一种新的神经网络模型(Multiple Difference Features Network,MDFNet).该模型首先使用孪生网络提取成对输入图片的不同深度特征,并使用差异模块对相同深度特征计算差异,以此有效获得不同尺度的变化信息;然后通过JPU模块融合多重差异特征,在不损失细节信息的情况下提取其深层语义信息;最后使用金字塔池化模块结合全局和局部信息生成二分类的变化检测图像.在PCD数据集上的GSV和TSUNAMI部分分别采用5折交叉验证法对模型进行实验,实验结果表明,MDFNet获得了0.787和0.862的F-score,相比排名第二的DOF-CDNet方法,其值提高了约11.9％和2.9％,同时其能够更精准地分割变化细节.因此,所提模型可以有效应对干扰,对于复杂场景也具备优秀的检测能力.     

基于质心法的车联网目标跟踪方法与应用

车辆目标跟踪是实现车联网不可或缺的一环,旨在获取车辆的动态信息,以提高交通运行效率.其核心是对大量监控探头采集的视频图像进行分析处理,实现车辆的实时检测与跟踪.为了进一步提高目标检测效率,降低硬件成本,文中提出了基于二帧差分法的前景检测方法,以及基于质心法的车辆轮廓检测与跟踪方法.基于OpenCV3.4.1和VS2017进行验证实验和仿真测试,结果表明,该算法对车辆跟踪的精确率达到89.1％,平均处理耗时42.63 ms,具有较好的实时性和鲁棒性,可在车联网嵌入式设备上进行部署和应用.