水电建设工程档案信息资源的开发与利用

本文阐述工程档案信息资源开发与利用的现状、存在问题及实际效果，进一步加强工程档案编研工作，更好为水电工程建设和管理服务。     

冷轧带肋钢筋现浇混凝土板开裂现象研究及探讨

本文总结了冷轧带肋钢筋在福州地区的应用情况,对现浇砼板裂缝现象进行现场调查,并探究其裂缝发生的机理,最后对高强带肋钢筋在砼楼板中的应用前景提出有益的建议和展望     

结构化对等网络特性及关键技术分析

本文简述了对等网络的概念及分类,分析了结构化对等网络特性、存在问题和关键技术,指出结构化对等网络的发展前景。     

古迹行动导览系统之适地性服务机制设计

在本文中,以利用适地性服务机制之设计,来建立一个行动导览系统带领用户体验空间和主题维度的古迹导览服务。为了满足此需求,设计了一套后设数据(Metadata)来描述导览内容,并且在适地性服务机制设计上,提供包含适地性内容方法有效取得使用者附近的内容,并藉由适地性内容的暂存与安排方法,减少网络间的讯息传递,提供用户结构化的介绍内容,并在适当的时机触发内容的呈现。最后,以所提供之内容的相关性来比较所提方法与一般适地性服务之差异。邀请用户进行实地系统测试,以了解系统的实用性,取得测试者的建议。结果证实所设计之导览系统可以是导览解说员的多媒体辅助工具,或在没有导览解说员时,为使用者提供景点导览解说的服务。     

泥石流危险性研究现状与发展趋势分析

泥石流灾害是一种常见的地质灾害,对其研究的核心问题是对泥石流危险性的评价．本文就其单沟预测方法与区域预测方法进行归纳和总结,并对其存在的不足进行分析,在此基础上就其发展方向及需要进一步完善的问题进行探索．     

一种适应光照多变的夜间前景提取方法

夜间前景提取是智能监控的必要处理过程,也是新时代下店铺防盗的高效手段。提出了一种在强弱光多变下具有检测鲁棒性的动态目标自动提取算法。在亮度通道上利用直方图均衡技术根据设置参数自适应灰度增幅,结合Canny边缘图像进行差分处理,最后给出前景提取算法。实验结果表明:在强弱光不同光照环境下,该方法可以很好的削弱不同光照对前景提取带来的多噪声、过度曝光等影响,提高前景对比度,相比其他方法,显示效果清晰完整,并满足实时性要求。     

多尺度分割先验迭代重加权低秩恢复显著性检测

目的 现有显著性检测方法大多只关注显著目标的中心信息,使得算法只能得到中心清晰、边缘模糊的显著目标,丢失了一些重要的边界信息,而使用核范数约束进行低秩矩阵恢复,运算过程冗余。为解决以上问题,本文提出一种无监督迭代重加权最小二乘低秩恢复算法,用于图像视觉显著性检测。方法 将图像分为细中粗3种尺度的分割,从细粒度和粗粒度先验的融合中得到分割先验信息;将融合后的分割先验信息通过迭代重加权最小二乘法求解平滑低秩矩阵恢复,生成粗略显著图;使用中粒度分割先验对粗略显著图进行平滑,生成最终的视觉显著图。结果 实验在MSRA10K（Microsoft Research Asia 10K）、SOD（salient object detection dataset）和ECSSD（extended complex scene saliency dataset）数据集上进行测试,并与现有的11种算法进行对比。结果表明,本文算法可生成边界清晰的显著图。在MSRA10K数据集上,本文算法实现了最高的AUC（area under ROC（receiver operating characteristic）curve）和F-measure值,MAE（mean absolute error）值仅次于SMD（structured matrix decomposition）算法和RBD（robust back ground detection）算法,AUC和F-measure值比次优算法RPCA（robust principal component analysis）分别提高了3.9%和12.3%;在SOD数据集上,综合AUC、F-measure和MAE值来看,本文算法优于除SMD算法以外的其他算法,AUC值仅次于SMD算法、SC（smoothness constraint）算法和GBVS（graph-based visual salieney）算法,F-measure值低于最优算法SMD 2.6%;在ECSSD数据集上,本文算法实现了最高的F-measure值75.5%,AUC值略低于最优算法SC 1%,MAE值略低于最优算法HCNs（hierarchical co-salient object detection via color names）2%。结论 实验结果表明,本文算法能从前景复杂或背景复杂的显著图像中更准确地检测出边界清晰的显著目标。     

自然图像抠图技术综述

着重对近几年自然图像抠图研究新进展进行综述,针对近年来基于启发式优化的抠图研究以及基于深度学习的抠图研究新成果对抠图研究工作进行重新分类和梳理,分析不同类型自然图像抠图研究主要的方法并整理其中的关键问题,介绍常用的自然图像抠图评价指标。最后通过实例分析总结了当前自然图像抠图研究面临的挑战,并对未来的研究前景进行了探讨。     

加权模型下的相似匹配跟踪方法

针对传统跟踪方法易受相似物遮挡而导致丢失目标问题,提出一种加权模型下的相似匹配跟踪方法。首先,将目标区域分割成局部特征块,并为其分配权重,建立带权局部特征块组成的外观模型;然后,利用目标的颜色、位置特征进行相似性匹配,为了避免复杂背景干扰,在匹配前划分前景区域,从而实现较准确跟踪;最后,提出一种遮挡决策模型更新机制,通过对目标发生严重遮挡进行判定,保证模型的匹配鲁棒性。实验结果表明,利用加权模型以及多特征相似匹配,使得该方法能够得到较高的跟踪准确率,平均误差仅为13.21,跟踪重叠率为0.71。     

基于Kinect的自动视频抠像算法

针对传统的视频抠像算法交互频繁、计算复杂度高等问题,利用从Kinect获得的深度图信息、彩色信息以及视频中运动信息,提出基于Kinect的自动视频抠像算法。采用改进的三帧间差分法检测视频中的感兴趣区域（ROI）,根据深度图信息改进自动种子增长区域算法,估算粗略的前景掩膜;通过数学形态学和逻辑操作去除粗前景区域的杂点,自动生成大致的三分图;采用改进的Shared Matting算法,得到精确的视频抠像。实验结果表明,该算法避免了人工交互,精度高且速度快。