改进的最小交叉Tsallis熵的小目标声呐图像分割

利用一维属性直方图改进交叉Tsallis熵,在此基础上提出了一种基于一维属性直方图的对称最小交叉Tsallis熵水下小目标声呐图像分割方法。该方法的主要步骤是:①抑制水下小目标声呐图像的散斑噪声;②根据图像像素的灰度值和该像素邻域的灰度平均值的大小建立属性集,在属性集上建立与该属性集约束对应的一维属性直方图;③根据一维属性直方图的对称交叉最小Tsallis熵法确定灰度二值化阈值;④对二值化后的图像去除孤立区。实验结果表明:该方法适用于直方图为复杂非双峰形状的水下小目标声呐图像,而且与现有的属性直方图上的一维最大熵阈值化法比较,具有更强的抗噪能力。     

利用邻域质心投票从分类后影像提取道路中心线

目的 利用分类算法对高分辨率影像中的道路进行分割时,得到的二值图像往往混杂了许多非道路区域,且道路区域呈面状,无法直接应用于生产与研究。针对该问题,提出一种利用邻域质心投票提取道路中心线的算法。方法 首先检测像素在各方向上的连通距离以构建邻域多边形,随后进行质心投票来提取道路的中心线,与此同时估算道路宽度并判断出连通距离较长的方向数目,以排除非道路区域的干扰,最后经形态学处理得到细化的中心线。结果 选取测试图像及具有不同道路分布特征的高分辨率航空影像的分类结果进行实验,并将该算法与Zhang和Couloigner提出的算法进行了对比分析。结果显示,该算法的提取质量为80.6%和79.0%,且计算效率较高,处理实际影像的用时小于参考算法的20%,此外在稳定性及对不同路宽的适应性等多个方面均具有优势。结论 提出一种邻域质心投票算法,该算法能够同时实现传统方法中提纯与中心线提取两个步骤所对应的功能,从分类影像直接提取道路中心线。实验结果表明,该算法能够根据形状特征有效检测道路,且具备一定抗干扰能力,适用于对混杂了非道路区域的高分辨率影像的分类结果进行处理。     

硫系玻璃磁光性能的研究进展

硫系玻璃因其Verdet常数与温度无关,容易制备成光纤、光波导等优点而成为磁光材料的研究热点。对硫系玻璃的磁光性能研究情况进行了综述,详细分析了影响硫系玻璃Verdet常数的因素,最后提出了硫系磁光玻璃的进一步发展方向。     

Epi Info软件与Epidata软件的比较

Epi Info软件和Epidata软件是流行病学研究中常用的工具软件,首先简要回顾其各自的开发历史,继而对两者进行比较,最后结合讨论提出软件使用建议。在商业软件占垄断地位的今天,免费软件Epidata和Epi Info都得到了广泛应用,虽然它们沿着不同的方向发展,但都满足了解决现实问题的需要,在使用时有必要将两者结合起来。     

组合拼装式悬臂模板技术

禹门河水库碾压混凝土坝工程施工中,对常用模板技术进行创新,由1.2m×2.1m单块组合拼装后,形成一种新型的模板技术——组合拼装式悬臂模板技术。该技术在大坝轴线的垂直面、大坝下游1：0.75斜坡面的大体积碾压混凝土以及常态混凝土施工中得到广泛应用,并取得了很好的效果。现将此技术作简单介绍,以利于推广及应用。     

声纳图像中目标自动跟踪的实现

介绍在不知道目标形状信息的情况下构造模板的方法,分别以互相关系数和绝对误差作为相似性指标进行模板匹配,实现了声纳图像中特有的一种目标跟踪过程。文中对二种方法的效果进行了比较。     

大型水池接触有限元分析

对于大型水池的计算,由于存在底板和地基的相互作用,因而很复杂,实际上底板和地基的相互作用是两种不同介质的接触问题.本文把地基看作是连续的半空间体,采用接触理论,对弹性地基上水池底板及大型水池,进行了有限元分析,并与按传统弹性理论法计算结果进行了对比,验证了本模型及求解方法的有效性.     

配合煤选择性粉碎工艺的应用

介绍了配和煤选择性粉碎工艺的原理、特点及应用情况。结果表明该工艺投用后，配合煤质量明显改善。     

功能单体对聚合物水泥防水涂料性能的影响研究

通过添加功能单体FL-205S自制了JS防水涂料专用乳液,并由此制备了JS防水涂料,研究了乳化剂用量及使用配比、功能单体种类及用量对乳液粒径、凝胶率、乳液干膜耐水性能的影响.结果 表明,当乳化剂添加量为1.4％且打底液中乳化剂占比为40％时,乳液粒径最小且乳液干膜耐水性最好.研究了不同功能单体对JS防水涂料在经过热、碱...     

结合双视觉全卷积网络的遥感影像地物提取

目的 遥感影像地物提取是遥感领域的研究热点。由于背景和地物类型复杂多样,单纯利用传统方法很难对地物类别进行准确区分和判断,因而常常造成误提取和漏提取。目前基于卷积神经网络CNN（convolutional neural network）的方法进行地物提取的效果普遍优于传统方法,但需要大量的时间进行训练,甚至可能出现收敛慢或网络不收敛的情况。为此,基于多视觉信息特征的互补原理,提出了一种双视觉全卷积网络结构。方法 该网络利用VGG（visual geometry group）16和AlexNet分别提取局部和全局视觉特征,并经过融合网络对两种特征进行处理,以充分利用其包含的互补信息。同时,将局部特征提取网络作为主网络,减少计算复杂度,将全局特征提取网络作为辅助网络,提高预测置信度,加快收敛,减少训练时间。结果 选取公开的建筑物数据集和道路数据集进行实验,并与二分类性能优异的U-Net网络和轻量型Mnih网络进行对比。实验结果表明,本文提出的双视觉全卷积网络的平均收敛时间仅为U-Net网络的15.46%;提取精度与U-Net相当,远高于Mnih;在95%的置信水平上,该网络的置信区间明显优于U-Net。结论 本文提出的双视觉全卷积网络,融合了影像中地物的局部细节特征和全局特征,能保持较高的提取精度和置信度,且更易训练和收敛,为后续遥感影像地物提取与神经网络的设计提供了参考方向。