三峡库区农村环境连片整治工程设计实例

针对三峡库区农村环境治理设施严重缺乏的现状,结合全国农村环境连片整治技术需求,提出了与经济欠发达地区农村生活生产相适应的农村环境连片综合整治经济适用技术与总体方案:生活污水根据村落规模选用不同形式的人工湿地处理工艺,畜禽养殖废水采用沼气池发酵后还田的处理方式,生活垃圾采用户分类、村收集、镇转运、县市处理的处理模式。     

自主移动机器人路径规划中的点云噪声处理

机器人在自主导航过程中,图像处理算法通过对路径中障碍物的三维点云平面夹角进行分析,实时计算障碍物的高度,判断是否可以通行。而RGB-D相机输出的原始点云数据存在大量噪声,严重影响分割的准确性,需要进行滤波处理。本文在Table Scene数据集中分析比较了统计滤波中不同参数的去噪效果,得到了最佳参数K=20,α=2。移动机器人通过ORB-SLAM2算法在户外环境下构建点云地图,然后分别进行直通滤波、体素滤波、统计滤波和平面分割,计算斜坡夹角,实施运动规划。实验结果表明,在Table Scene数据集中获得的最优统计滤波参数能适用于户外环境,机器人能根据运算结果自动进行路径规划,完成指定任务。     

基于论域空间模糊划分的粗集神经网络

针对粗集神经网络构建过程中的论域空间划分问题,提出一种基于模糊聚类的论域划分方法。将带交叉变异算子的粒子群优化算法(PSO)与模糊C-均值聚类算法(FCM)相结合,给出一种新的模糊聚类算法CMPSO-FCM,该算法具有良好的搜索能力和聚类效果。提出一种基于信息熵的模糊粗糙集决策规则获取方法,并用获取的规则指导粗集神经网络的构建。实验结果表明,该方法构造的神经网络具有更精简的结构、较好的分类精度和泛化能力。     

基于二维图像三维重建的人脸特征提取技术研究

采用基于二维图像的三维重建对人脸特征进行提取.首先应用平行双目视觉原理获取人脸的二维图像,然后对图像进行预处理,消除图像上的噪音点,增强图像,以便提取特征点,对这些二维图像上的特征点进行优化计算,最后得到整体人脸的三维特征点信息.     

病变视网膜图像的血管骨架提取方法研究

现有血管提取方法很少考虑到视网膜病变后,受病变区域边界干扰,很难正确提取血管结构.针对眼底视网膜病变图像,利用不同相位下Gabor滤波函数对不同特征模式的响应特性,提出一种基于Gabor滤波的非血管结构抑制血管提取方法,同时结合非极大值抑制细化以及滞后多阈值处理技术,最终实现眼底图像血管骨架提取.实验结果表明,该方法优...     

AutoCAD对叶轮质量及转动惯量的计算

介绍了AutoCAD系统对风机转子转动惯量方便而快捷的精确计算方法.     

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。     

CPLD和ADS1210在加速度计并行高速数据采集中的应用

介绍了加速度计的数据采集方法。用CPLD实现对可编程高精度A／D转换器ADS1210的初始化设计和数据读取，提高了系统的稳定性，实现捷联惯导系统数据的快速采集。     

FCM聚类算法和粗糙集在医疗图像分割中的应用

本文通过结合FCM聚类算法和粗糙集，提出了一种新的图像分割方法。首先，以不同聚类数情况下FCM的分割结果为依据构建属性值表，基于属性构成的不可分辨关系将图像分成多个小区域；然后，通过值约简获得各属性权值并以此为依据，计算各区域之间的差异度，进而通过差异度定义的等价关系，实现各区域相似度评价；最后，通过相似度定义的最终等价关系实现区域合并，完成图像分割。该方法在人工生成图像和大脑CT图像及MRI图像的分割中得到验证，实验结果表明，本文方法和FCM方法相比，可以降低错分率，且对模糊边界区域的分割效果较好。     

基于目标数据修正的差异性神经网络集成方法

通过对目标数据修正的原理进行分析,提出了一种新颖的基于目标数据修正的差异性神经网络集成方法.该方法利用对个体网络期望输出的动态修正,将其作为新的训练集,引导个体网络实现差异性学习.将其应用于变压器故障诊断,实验结果表明,该方法的故障诊断准确率优于个体网络独立训练的神经网络集成方法;与ADL(active diverse learning)方法相比,大大减少了集成网络的通信成本,是一种更为高效的神经网络集成方法.