一种新的自适应红外图像增强算法

传统的直方图均衡和灰度变换增强算法,不能针对红外图像的目标进行有效地增强.鉴于此,在研究红外图像特点的基础上,提出了一种基于直方图的自适应红外图像增强算法.该算法通过对原始图像的直方图进行自适应双阈值映射和欠采样投影处理,实现了对图像灰度级的重新分配;在减少冗余灰度级的基础上,有效拓宽了目标部分占据的动态范围,既提高了目标与背景间对比度又突出了目标细节层次.     

智能工地可视化在管道施工管理上的应用探讨

为全面落实中国石油天然气集团有限公司大力推进可视化监控,尽快实现对输油气站场、管道高后果区和管道施工现场的视频监控全覆盖工作要求,确保工程质量和安全,本文根据智能工地的可视化平台的应用现状,并结合实践及未来应满足的条件,提出了开展可视化平台的必要性,讨论了工地人员行为分析方法、安全和质量检测判别应用场景等,并对未来可视化平台的应用做出了预测。     

炼油装置含油凝结水除油技术应用研究

国内炼油化工企业含油凝结水回收利用问题一直未能彻底解决,采用传统的“吸附”除油处理技术,无法达到锅炉用水含油指标要求,我们总结经验教训,在国内首次采用先进的“阻截”除油技术,成功地进行了小除油装置试验和除油装置工业应用试验,实现了含油凝结水彻底回收利用。     

井壁和地层骨架力学稳定性分析和完井方式选择

通过对井壁力学稳定性、地层骨架出砂机理和判断方法等的分析,得出了地层力学稳定性和骨架出砂、防砂对完井方式选择的判断方法和标准①可以通过Bradley井眼周围应力计算方法和Von·Mises剪切破坏理论法判定井眼是否会发生力学上的不稳定,从而作出裸眼完井或支撑井壁的完井方式的选择;②根据岩石破坏理论,当岩石的抗压强度小于最大切向应力时,井壁岩石不坚固,将会引起岩石结构的破坏而出砂,据此可判断在各种生产压差下地层骨架砂是否会遭到破坏,从而选择合适的防砂完井方式.同时,分析了注水、压裂、酸化、稠油、防砂方式、垂直或高陡角裂缝油层、层间压力差异大小等因素对力学稳定性分析的影响.     

爆炸冲击荷载作用下拱结构的弹塑性动力响应研究

采用数值模拟方法,研究拱结构在爆炸冲击荷载作用下的弹塑性动力响应。结构动力屈曲临界荷载由B-R 准则判定。研究结果表明:拱结构的动力响应过程可划分为4 个典型阶段,即弹性振动阶段、弹塑性稳定振动阶段、反直观动力响应阶段和压溃破坏阶段,拱结构反直观动力响应是其发生动力屈曲以后处于不稳定平衡状态中的一种动力响应模式;爆炸冲击持续时间越长,拱结构动力屈曲临界荷载越小;当冲击持续时间在某一范围内时,结构发生动力屈曲以后会出现反直观动力响应;爆炸冲击持续时间太长或太短,结构发生动力屈曲以后将不会出现反直观动力响应,即结构一旦发生屈曲就会出现毫无征兆的突然破坏,动力屈曲临界荷载就是动力失效荷载。     

色彩感知中的脑电信号多域特征选择算法研究

针对目前在不同色彩感知中的脑电信号识别方面的研究还不多见,本文提出采用随机森林算法对信号的时域特征和频域特征进行最优组合的方法对不同色彩感知中的脑电信号进行识别。首先采用小波变换,对脑电信号进行7层分解,提取脑电信号在delta、theta、alpha和beta节律频带上的小波能量,并结合脑电信号在时域上的统计量偏度和峰度组成特征向量。然后通过基于随机森林的特征选择算法提取最优的特征组合方案,删除冗余的特征量。使用自适应增强算法进行分类识别,识别的平均正确率可达到85.07%。该结果表明使用本文所提出的特征提取与选择方法用于不同色彩感知中的脑电信号识别上是可行的,并且能够取得较好的识别率。      

基于ZigBee的远程火灾监测系统研究

针对传统火灾监测系统准确性差、灵活度低和远程传输等问题,文章设计了一种基于ZigBee传感器网络的火灾监测系统,通过多个ZigBee节点采集烟雾、温度和CO气体数据并发送给协调器。处理控制中心以STM32F103为核心负责数据接收处理,将数据通过以太网传输至yeelink网络平台,便于随时查看监测和长期数据分析。     

基于Kohonen神经网络的深度图像分割方法

提出一种基于Ｋｏｈｏｎｅｎ神经网络无监督的深度图像分割方法。首先计算了深度图像各点的导数,进而得到各点的法向,以法向和深度值作为每一点的特征矢量,引入自组织神经网络进行初始的聚类;为消除初始聚类产生的过分割现象,采取相邻表面片法向分析的方法进行再分割,得到最终的分割结果。本方法避免了通常的区域分割方法初始种子不易选取的弱点,聚类所用样本少,速度快。实验结果表现了算法良好的性能。     

基于神经网络的红外焦平面非均匀性自适应校正算法

由于材料、工艺等原因,红外焦平面阵列(IRFPA)各单元普遍存在响应不一致的现象,从而导致IRFPA都存在非均匀性.非均匀性校正(NUC)是红外图像处理系统中的重要环节.本文在研究了传统的基于神经网络的NUC算法的基础上,提出了一种改进的基于神经网络的非均匀性自适应校正算法,并对比了传统的基于神经网络的算法和本文算法的校正效果和收敛速度,实验表明本文提出的算法校正效果好,收敛速度快.     

三维物体识别研究进展

出于工业和医疗等领域大量现实应用的需要,如今三维物体识别已成为一个很活跃的研究领域。一般来说,三维物体识别系统可以通过两个阶段的处理来完成三维物体的识别和定位,首先用传感器获取的场景输入数据来得到场景的表达;然后将它与数据库中存储的物体表达相匹配。为了推动该领域研究进一步发展,因而对近１０ａ年中该识别过程中必须解决的感传器类型、三维物体表达方法和匹配策略等３个方面问题的研究成果进行了综述,对主要方法进行分类和总结;并提出了一些三维视觉系统中还需要深入研究的问题,包括对所研究物体形状的限制、复杂背景的影响和表达以及识别中的“整体和局部”的矛盾等。