采用形态神经网络背景自适应预测的图像弱小目标检测*

提出一种有效的背景杂波预测形态神经网络模型,用于检测图像数据中的弱小目标.目标被假设为只有很小的空域扩展度,而且淹没于强背景杂波干扰中.通过形态神经网络,杂波背景被准确地估计并从输入数据中去除,只剩下残留噪声和目标信号.采用扩展输入层数据的办法修正了传统的形态开、闭运算三层前馈BP网络模型.为了跟踪包含不同子结构的复杂背景,原始图像被划分为多个子块,并在相应的子块中选择训练样本对结构元进行优化.对真实图像数据的计算机仿真表明该算法在性能上优于其他传统算法.     

图像的多尺度几何分析概述*

以函数的稀疏表示为主线,详细介绍了各种多尺度几何分析产生的背景、发展历程和逼近性能,并分析了它们各自存在的优缺点,最后指出了其发展方向.     

PBL在专业背景课教学中的探索与实践——以陆军军事交通学院为例

为提高军队院校学员综合素质和解决实际问题的能力,探索将项目式学习法(PBL)运用于专业背景课教学过程中.分析PBL的内涵,从准备、实施和评价3个阶段构建基于PBL的教学模型,并以军事交通技术课程中“杂货船配载图编制”的教学为例,从教学准备、自主学习、课堂教学和教学反思4个步骤进行分析探讨,为专业背景课教学改革提供借鉴.     

军校专业背景课程群"课程思政"建设与运用路径

专业课程"课程思政"是新时期军校教育重要的时代命题和现实难题.为培养德才兼备的高素质、专业化新型军事人才,基于系统科学思维方式(SSTM)视角,对军校专业背景课程群"课程思政"价值取向进行了认知,并遵循"成果产出导向(OBE)"教育教学理念,提出了基于"三重"育人核心要素的专业背景课程群"课程思政"教学体系构建与"理实一体化"运用路径.这为军校专业课程群"课程思政"提供了一种范式.     

基于局部上下文信息的电力线提取算法

从无人机采集的具有复杂背景的可见光航拍图像中准确提取电力线是极具挑战的任务,因而提出了一种新的基于局部上下文信息的检测算子(detector based on local context information, DLCI)。首先,基于电力线在航拍图像中局部特殊的语义特征设计具有空间对称结构的DLCI算子,并分别定义特征同质性能量函数H_1和特征异质性能量函数H_2,利用H_1和H_2实现对电力线像素点的初步筛选。然后,定义电力线空间局部一致性响应函数H_3实现对电力线像素的提取。最后,采用基于包络线分段拟合(envelope-based piecewise fitting, EPF)算法实现对电力线的拟合。实验结果表明,所提算法在多种航拍场景下均能实现对电力线的准确提取,不仅兼顾建模简单和相对高精度的优点,而且具备一定程度的算法稳定性,具有较高的工程应用价值。     

“双一流”背景下,电气工程及其自动化优势特色专业建设的研究

当前时期,面对高等教学的教学管理,必须有针对性地促进教学质量的优化提升,并通过更加合理的教学改革来实现整体技术的提升,基于“双一流”背景下,必须要有针对性地搭建电气工程和自动化专业的专业性人才培养模式,并做好有效的优化更新,结合电气工程和自动化的专业建设,不断培养良好的人才梯队达成教学管理目标,本文主要结合“双一流”背景下,对电气工程及其自动化优势特色专业建设展开了研究分析。     

Accu Roll轧管机的背景、现状及前景

对Accu Roll轧管机的产生背景进行了回顾,对目前国内Accu Roll轧管机的使用现状进行了分析,在肯定其优点的同时,指出了该类轧管机存在的共同问题,提出了完善轧管机性能的可能途径及选择轧管机应注意的问题。     

稳定的N-溴代-2-吡咯烷酮的制备方法及其在水处理中的使用

发明背景 本发明提供了一种组成物及其在水系统中抑制微生物繁殖的方法。本发明特别提供了一种稳定的N-溴代-2-吡咯烷酮。目前次氯酸钠和溴溶液用于各种丁业和娱乐用水系统控制生物污染，但是，次氯酸钠不稳定，必须为这些水系统提供一种能够稳定存在化学品。由于溴具有低挥发性和在高pH及胺环境中的良好特性，使其比氯更适用于水处理。但是，与次氯酸钠类似，次溴酸钠在常规贮存条件下是不稳定的。文献报道显示，次溴酸钠溶液能够在氨基磺酸、水和氢氧化钠溶液中稳定存在。从文献中可知，稳定剂可从糖精、脲、硫脲、肌酸酐、氰尿酸、烷基海因、有机氨磺酸、有机氨磺酸盐、蜜胺中选择，最好选择氨基磺酸。     

基于混合高斯模型的异常检测算法改进

针对视频监控系统中分离出合适的运动目标是进行目标识别的关键步骤,并且需要在分离目标时对光线的连续变化有相应的自适应能力并保持检测目标的准确性。为适应应用环境对背景构建和前景的获取与释放控制,对所使用的自适应混合高斯背景模型进行了相应的优化。背景构建和前景控制算法为:构建一个静态背景图像,然后让一个包含场景中移动对象和静态背景图像的视频序列对背景模型进行初始化。对前景消融时间的调整引入前景消融时间控制机制和独立的模型学习效率。通过多次的实验证实了该算法有很好的鲁棒性和准确性。