结合边界约束和引导滤波的航空图像去雾算法

针对尘雾天气条件下,航空图像受大气粒子的散射作用而导致对比度和色彩保真度差等问题,提出一种结合边界约束和引导滤波的航空图像去雾方法。该方法基于暗通道优先原理估算出大气光强度,通过添加边界约束条件来解目标函数,进而求出透射率,再用引导滤波对透射率进行精细化调整,达到去雾目的。与Ｆａｔｔａｌ、Ｔａｒｅｌ、Ｈｅ和Ｍｅｎｇ算法对比分析表明,本文方法运算速度快,能够提高图像的细节清晰度,增大去雾深度,有效克服颜色过饱和现象,去雾图像自然逼真。     

MC-最优变权组合模型在建筑物变形中的应用

提出一种基于马尔科夫链(MC)误差修正的最优变权组合预测模型。该模型用马尔科夫链误差修正理论分别对GM(1,1)模型和线性回归模型的预测值作进一步的修正,充分发掘残差序列隐含信息,再建立最优变权组合预测模型,给出了MC-最优变权组合预测模型算法的实现流程。通过算例验证表明,该模型继承各单一模型的优点,并克服其模型缺陷,同时具备了马尔科夫链的误差修正特性,在一定程度上可以确保较优的局部预测数据和较好的全局预测精度,在建筑物变形预测中具有应用价值。     

试论公路沥青路面的施工技术

沥青是公路建设中常用的材料,对路面使用性能起到了重要的保护作用。在沥青路面施工期间常会遇到不同的困难,导致施工质量与设计好的标准方案不符。本文分析了沥青路面施工技术的相关运用,旨在进一步提高公路路面的使用性能,让沥青路面的施工质量得到提升。     

基于小波分解和遗传小波神经网络的卫星钟差预报

星载原子钟在空间环境中受到多种不确定因素的影响以及原子钟本身所具有的复杂特性,导致卫星钟差呈现出非线性和非平稳性变化。为此提出了一种新方法：先采用小波分解将原始钟差序列分解成高频分量和低频分量,然后利用遗传小波神经网络对低频分量和高频分量分别进行预报,最后将各分量的预报结果进行叠加得到最终的预报值,并与灰色模型、最小二乘支持向量机和遗传小波神经网络的预报结果对比分析。结果表明：该方法预报精度较高,预报残差更为平稳,应用于卫星钟差预报是可行有效的。     

基于超虚干涉法约束的模糊C均值聚类地震初至自动提取

在静校正和层析成像等地震数据处理中,准确并快速地拾取初至是随后速度结构成像和地震资料综合解释的前提。手动拾取方法难以适用于海量地震数据处理,且存在人为误差。对于低信噪比地震数据,相关法、能量比值法（STA/LTA）、分形维法等常规自动拾取方法需不断调整参数以达到设定拾取精度,导致稳定性变差。为此,提出一种基于超虚干涉（SVI）约束的模糊C均值（FCM）聚类地震初至自动拾取方法。FCM聚类分析是一种非监督的机器学习方法,仅依赖数据本身进行分类,可更灵活、方便地应用于实际地震初至拾取;对于低信噪比数据,须预先利用SVI法加强远炮检距等弱初至信号的能量,提高地震数据的信噪比,以实现地震初至的准确、稳定拾取。理论模型数据和实际地震资料测试结果进一步表明了该方法的稳定性和高效性。