基于神经网络的铁路客运列车车号自动识别系统的研究

给出了客运列车车呈自动识别系统的组成及各部分的实现方法，重点讨论了基于多神经网络的识别方法。研究表明该系统的识别率可达到95％，通过所开发的车号显示及修改软件可满足实际工程的需要。     

元素周期表录像片的设计和制作

运用多媒体电化教学手段，借助Ｓ－ＶＨＳ型摄像机，ＢＶＥ－８００编辑机及带编辑功能的ＢＶＵ－８５０Ｐ录像机等先进的设备，拍摄了实物元素周期表录像片，将元素周期表中元素的单质，存在于自然界的矿物以及它们的主要物理、化学性质、通过清晰的画面，生动的演示实验形象逼真地表现出来，使学生在学习化学时能贴近社会，寓学习于兴趣之中。     

基于神经网络的铁路客运列车车号

给出了客运列车车号自动识别系统的组成及各部分的实现方法,重点讨论了基于多神经网络的识别方法.研究表明该系统的识别率可达到95%,通过所开发的车号显示及修改软件可满足实际工程的需要.     

改进的广义插值傅里叶变换方法

直线检测是计算机视觉领域中一个比较基本的任务。相对于Hough变换来说,Radon变换由于其在计算时间上的优越性能在直线检测方面具有广泛应用。通过对广义插值傅里叶变换方法(GIFT)进行研究,提出了参数选择方法。首先,给出了一种GIFT参数的最优选择方法,缩小了插值误差。其次,为了加快GIFT的运算速度,在笛卡尔坐标到极坐标转换过程中,建立了一个存储其对应位置信息的映射文件,用查表法来实现笛卡尔到极坐标之间的转换。相对于通过乘法和正余弦实现的转换操作,查表法节省了大量时间开销。仿真结果表明所提出方法在精度和时间复杂度方面明显优于原算法。     

农田杂草识别模糊专家系统的设计与实现

为提高生物工作者的工作效率及方便广大农民使用,以领域专家的理论知识和经验知识为基础,采用模糊算法推理,建立了模糊杂草识别专家系统．该系统对杂草识别规则、推理算法等关键技术进行了研究,并采用MicrosoftAccess关系数据库技术存储知识库、运用VisualC＋＋6．0实现界面编程及推理部分,测试结果表明其具有使用方便、快捷、查询结果准确的特点．     

基于目标、背景比例的灰度图像自动阈值选取法

最大类间方差法(Otsu法)因其计算简单、自适应性强而成为被广泛使用的图像阈值自动选取方法.在分析Otsu法原理的基础之上,提出了一种改进的最大类间方差法.为了提高分割效果,该方法同时考虑了背景和目标的类间距离和类内距离.与同类方法相比,提出的方法将目标和背景所占的比例作为权值修正了现有的方法,使得衡量类内距离的目标与背景的平均方差按照目标与背景的面积划分.Lena、Cameraman标准测试图像以及杂草图像的仿真结果验证了本方法的有效性.     

热解温度对秸秆生物炭钝化重金属污染土壤影响分析

为了探究热解温度对以黄豆秸秆制备生物炭对土壤重金属Pb及Cd的吸附及钝化性能,以黄豆秸秆为原材料,在300,500和700℃热解温度下制备生物炭,并探究其对土壤重金属铅锌的钝化作用。实验结果表明随热解温度升高,生物炭中碳含量呈现上升趋势,且pH由8.95升高至10.23,灰分的含量却由34.5%下降至28.6%。热解温度能对生物炭吸附重金属Pb及Cd产生影响,并且热解温度升高,重金属吸附量呈现上升趋势,并且当热解温度为700℃时,生物炭对Pb及Cd的吸附量分别为1.2和26.8 mg/g。进一步探究表明热解温度能够提高生物炭对Pb及Cd的钝化性能,机制研究表明生物炭能够提高土壤中pH,并且热解温度升高提高了残渣态Pb及Cd的含量而降低酸可提取态Pb及Cd的含量。     

二阶逐层特征融合网络的图像超分辨重建

针对一些超分辨网络忽略了对网络各层次特征的复用以及融合的问题,构建了具有较强特征复用和融合能力的二阶逐层特征融合超分辨网络,以获得具有高分辨率、高保真度的重建图像。网络的核心是逐层特征融合模块,该模块通过特征融合操作增强特征的重用。此外,还提出了二阶特征融合机制,该机制在网络的局部和全局层次上采用逐层特征融合方法进行特征融合。实验结果表明该网络的重建图像在线条和轮廓上更清晰,并且在峰值信噪比和结构相似度上也取得了更好的结果。例如当缩放尺度因子为2时,各测试集上的峰值信噪比/结构相似度依次为38.20 dB/0.961 2、33.81 dB/0.919 5、32.28 dB/0.901 0、32.65 dB/0.932 4、39.11 dB/0.977 9,相比其他模型有一定提升,从客观标准和主观角度证明了二阶逐层特征融合超分辨网络具有一定的优越性。