一种多地球物理特征匹配自主导航方法

针对地球物理场具有多个特征和匹配可操作性较强的特点,文中提出了一种多地球物理特征匹配的自主导航方法,研究了导航方法的实现方式和对应的匹配算法。导航方法通过同步测量航迹上的地磁场的多个特征和重力梯度,采用固定点数的滑动窗口构造测量序列后与基准图匹配,最后对匹配结果做融合,得到实时位置信息。匹配算法设计了基于"初始位置+初速度+加速度"实值编码的遗传算法作为搜索策略,采用平均平方差准则(MSD)作为每个特征的匹配相似性度量,并使用加权最大值原则融合所有特征的相似性度量。最后由仿真算例验证了方法的可行性,表明了导航方法具有良好的匹配精度,可用于低空、低速运动载体的导航。     

大尺寸图片的复制粘贴检测*

针对目前图像复制粘贴检测算法有时间复杂度高、当图像中有光滑区域时错检率大的缺点,将图像角点区域及其八方向邻接圆形区域作为伪造检测区域,提取每个检测区域的矩特征后用k-d树进行排序,并通过比较每个区域矩特征的相似性来定位伪造复制区域.该算法效率高,且对经过旋转、添加噪声、模糊、JPEG压缩等后处理的复制粘贴伪造图像检测效果很好.     

叶盘结构频率转向特征的量化分析研究

研究叶盘结构频率转向的曲线特征,是预测叶盘结构的失谐敏感性及振动局部化程度的重要前提。文章基于叶盘系统的集中参数模型,分析了频率转向曲线特征参数(频率曲线转向处曲率、频率曲线斜率、两频率曲线转向处最小距离)与叶盘系统结构参数(耦合刚度,轮盘质量)之间的内在联系,仿真研究了频率转向曲线特征参数随叶盘系统结构参数的变化规律。研究结果表明:频率曲线转向处曲率越大(或斜率越大),系统失谐敏感性越大;频率转向曲线间隙处附近的系统模态局部化变化剧烈,该区域模态对结构失谐非常敏感。     

电玩具结构设计特征

在电玩具设计开发过程中,相关各部分结构须严格遵循安全标准要求及相关客户的个别条件要求。以下以电池箱、LCD显示屏结构组件为例说明设计注意事项。     

基于纹理特征的自然图像鉴别方法*

采用图像的纹理特性建立模型,实现了自然图像和人工图像（主要是简笔画、表格、函数图像）的鉴别。首先,计算两类图像的纹理特征,统计并分析数据找出规律;其次,选择图像的平滑度、一致性和图像熵作为代表性的纹理特征,组建数学模型;最后,利用三个特征的线性组合构成鉴别函数,并用模拟退火算法确定权值。实验表明,该方法可以很好地鉴别两类图像,识别效率较高。     

基于SIFT特征点的双目视觉定位

提出了一种结合了SIFF特征点的双目立体视觉定位方法.介绍了对尺度、旋转、视角等变化具有良好鲁棒性的SIFT特征向量,利用SIFT特征向量匹配算法在双目视觉系统采集的左、右图片中分别检测目标、获取匹配的目标SIFT特征点.经过空间匹配点选择、标定点坐标计算等步骤获取左、右图片中具有空间位置一致性的目标标定点,并在摄像机坐标系中恢复目标标定点三维信息.实验结果表明,利用该方法进行目标定位具有较强的适应性.有一定的实用价值.     

一种基于投影的特征选择方法

以轴承故障诊断为应用背景,基于低维投影能够反映原高维数据某些特征的思想,提出了一种基于投影的特征选择方法。该方法利用遗传算法找到最能反映样本分类特性的投影方向,并利用该方向剔除与投影值无关的特征指标,克服了传统特征选择方法在高维空间中计算复杂的缺点,有效避免了"维数灾难"。仿真结果表明,该方法能够在不降低投影值类别特性的情况下,有效降低样本数据维数,完成特征选择,提高了分类效率及准确率。     

ASP.NET网站重构建与调查

随着互联网技术的发展,目前网站已经成为最流行的信息获取和发布平台,承担着至关重要的作用,同时利用网站发布虚假信息、诈骗、赌博等事件也层出不穷,在调查取证过程中,需要相关工作人员调查网站运行平台,对网站进行重构建等操作。文章研究了ASP.NET网站工作原理、关键配置文件功能,通过大量实验分析研究,给出了网站的重构过程及常见网站构建问题的解决方案;并详细分析了ASP.NET平台的运行进程及IIS软件特征文件,提出了ASP.NET网站服务调查方法,特别是在关机状态下如何调查分析网站特征信息的具体方法。     

通过颜色变化获得红外线效果

通过强烈的颜色变换,明亮的绿色地带,灰暗的蓝色,可以让彩色照片变成几乎有红外效果的照片。对于红外射线,我们人类的肉眼是看不到的,但是却可以用相应的红外滤镜来帮助我们看到。这一点很重要,因为数码相机的传感器对光线中的红外线区域很敏感。但是传感器前面的阻隔滤镜限制了它对红外线的感应范围。在拍摄风景的时候,通过透镜前面的红外线滤镜和比较长的曝光时间,草地和树木更引人注目,因为叶绿素强烈反射红外线。相反,天空就呈现深蓝色。     

可判断火势大小的智能建筑火灾检测方法研究

当前智能建筑火灾状态检测方法是对火灾的单一特征进行自主检测,只能实现报警功能,无法对火焰的大小做出判断,不能指挥后续调度;设计了一种可判断火势大小的智能火灾检测方法,将建筑中前100帧的过火图像均值看成原始背景;按照不同的火焰燃烧程度采集背景图像进行及时的调整;对当前图像和背景图像进行差分分析,采集差分图像,并对其进行形态学操作;按照二值图中运动目标的特征,分析火灾处于哪种状态,及时有效的检测出烟雾状态、初始火场、大火事件等建筑火灾的火势大小;以大连消防中队提供的2010年火灾视频进行系统测试实验,结果表明,该方法可以实现实时检测,能够有效检测火焰的多种不同状态,准确度比传统方法提高65.4%,具有很强的实际应用价值。