利用改进的超像素分割和噪声估计的图像拼接篡改定位方法

通过检测图像局部噪声水平的不一致性,提出一种图像拼接篡改区域的定位方法.首先,用改进的简单线性迭代聚类(SLIC)超像素分割算法将待检测图像分割成具有相似特征的像素块;然后,采用基于主成分分析的噪声水平估计方法计算每个图像块的局部噪声水平;最后,利用3种聚类算法对估算的噪声水平进行聚类,根据聚类结果定位出被篡改的区域.实验结果表明:文中方法不仅能有效定位被篡改的区域,而且能保留检测区域更多的边缘信息.     

一种基于KNN的室内位置指纹定位算法

提出了一种基于KNN 的FM、DTMB 联合信号位置指纹匹配算法,并根据不同位置具有不同信号强度将匹配过程设计为一个多分类算法模型. 离线阶段,通过采集FM 信号与DTMB 信号的强度信息,完成位置指纹库的构建. 在线匹配阶段,利用KNN 算法对新采集到的数据进行加权欧氏距离匹配,通过对K 值以及特征向 量的选取对定位误差进行了分析. 仿真结果表明,该算法在室内定位中具有良好的鲁棒性和准确度,90% 概率下定位精度2.3 m.     

联合卫星定位和测量机器人的超高层建造过程水平位移监测

在超高层建筑建造过程中,常用测量机器人监测中间楼层的监测点的变形。削弱建筑晃动影响对于监测结果的稳定性至关重要。为此,首先提出一种利用楼顶卫星接收机测量建筑晃动情况,通过内插得到中间楼层瞬时晃动影响的方法,并通过实验验证该方法的有效性。在此基础上,利用该方法对多期监测数据进行处理,结果表明该方法可获得更加稳定的监测结果。将处理结果与有限元分析的结果进行比较,结果表明使用该方法后监测结果与有限元分析的结果吻合度较高。     

基于蚁群算法的电能质量扰动源容错性定位方法

提出一种基于蚁群算法的电能质量扰动源定位方法,解决了现有方法在扰动方向信息出现误判或畸变信号时扰动源定位不准确的问题,实现了扰动源在扰动方向信息不可靠时的准确定位。该方法根据配电网拓扑结构建立扰动源定位数学模型,把扰动源定位问题看作全局寻优问题,利用蚁群算法的正反馈和容错性优势,快速定位扰动源位置。MATLAB仿真结果证明所述方法在部分监测点扰动方向信息有误情况下能够实现电能质量扰动源的快速准确定位。     

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight， NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站，而且该条件下单基站收集的定位信息不足，导致定位精度不高。针对上述问题，提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型，该算法基于该模型收集多径信号的测量参数，将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理，再根据聚类结果和单站定位系统的几何结构建立方程组，将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt， LM)算法求解优化问题估计目标位置。仿真结果表明，在室外NLOS环境中，且仅提供单个基站的条件下，该算法可以有效提高定位结果的精度。     

一种改进Mask R-CNN的运动目标定位方法

针对在复杂场景下传统算法对运动目标分类精度不高且无法直接输出关键点空间坐标这一问题，本文提出了一种基于改进Mask R-CNN的运动目标定位方法。该方法在TensorFlow 框架下采用自制数据集预训练提取多尺度的卷积，将采集到的网络视频流通过RoIAlign算法处理获得像素级的特征并匹配SIFT特征点建立空间坐标系统，在空间约束下结合Kalman filtering补偿运动轨迹，通过投影变换矩阵将像素坐标转换为世界坐标。实验表明该方法提高了模型在干扰背景下的鲁棒性，平均误差在8cm以内，实现了在复杂场景下可以获得实时高精度的定位信息。     

大数据在境外追逃中的应用

党的十八大以来,我国掀起了声势浩大的反腐败浪潮,公安机关去年开展的"猎狐2014"专项行动更是将反腐败斗争的战场主动延伸至境外,战绩卓著。大数据时代促使新的技术和思维在各行各业大展拳脚,列举大数据应用的成功经验,对于境外追逃工作而言具有启发作用和借鉴价值。将大数据思维概念引入境外追逃工作,就如何从技术上实现境外追逃的目标转移,如何突破大数据技术在境外追逃领域的数据瓶颈进行分析,探讨境外追逃工作的进一步创新与突破,是重点关注的问题。