基于无人机遥感图像的森林火灾检测

为减少森林火灾造成的生态与经济损失,搭建无人机检测平台采集森林遥感图像,基于支持向量机(SVM)开发森林火灾检测系统.通过分析森林遥感图像的像素点,预提取火灾的感兴趣区域(ROI),提高火灾识别准确率.利用方向梯度提取森林火焰的边缘特征与纹理特征,采用机器学习方法进行森林火灾识别.实验结果表明,该检测方法对火灾与非火灾...     

基于改进YOLOv5的道路目标检测

为提高自动驾驶中的道路目标检测精度,设计了一种基于YOLOv5的道路目标检测模型。该模型在YOLOv5s的网络模型基础上,将原始的初始锚框聚类算法改为K-means++算法来减小随机带来的聚类误差;并在Backbone中SPP模块之前引入SENet注意力机制,以增强道路目标重要特征并抑制一般特征,达到提高检测网络对道路目标的检测能力。在VOC2012改进数据集上训练、测试,基于改进的YOLOv5s的模型比原始YOLOv5s模型平均准确精度提高了2.4%。实验结果表明,改进的YOLOv5s模型能较好地满足道路目标检测的精度要求。     

快速近似聚类算法及其在图像检索中的应用

为了解决传统K均值算法在处理大规模数据时的局限性,在近似K均值算法(AKM)基础之上,利用对聚类中心进行分类的思想,提出了快速近似K均值算法(FAKM).该算法舍去了在AKM聚类结果中只获得少数样本的聚类中心,并充分利用类内样本密集稳定的聚类中心,使得迭代过程中待聚类样本数和类别数逐步减少,达到了提高算法速度及精简聚类结果的目的.将FAKM算法运用于实际的图像检索系统中,实验结果表明,系统在检索准确率、检索时间和聚类时间方面都得到了很好的改善.     

一种基于改进的RBF神经网络的铁水脱硫预报模型

脱硫过程是炼钢生产中一个十分重要的环节。脱硫效果的好坏，直接关系到炼钢生产能否保质保量地进行，而这又取决于对脱硫过程的控制，其关键是脱硫剂的加入量。因而必须建立脱硫过程模型，实时和高精度地预报脱硫剂的加入量。而脱硫过程又是一个非常复杂的工艺过程，采用传统的方法建立的模型无法保证稳定和高精度的脱硫效果。笔者提出了一种基于改进的RBF神经网络的铁水脱硫预报模型及其具体设计方法，并在炼钢厂进行了实际投运。结果表明，该模型性能良好，这同时说明了设计方法的有效性和实用性。     

基于聚类方法的CAPP零件知识库构建

传统的零件分类一般根据零件编码从特征矩阵中得到分类结果，未能很好地表达各个零件之间的相似关系，对工艺设计也不能提供启发性的推理策略．此外，零件分类矩阵本身的相似性标准也难以确定，给零件的工艺制作带来了很多困难．为此，提出了一种利用聚类技术构造树型结构表达零件相似性的方法，并根据零件之间的相似性建立层次结构以进行动态分类，进而构建一种有自学习能力的零件知识库．考虑到机器智能的局限性．分类结果可能不尽合理，分类树又能够在自动压缩优化的基础上进行手工优化，并将优化结果记录于分类树中．该知识库能及时反映零件信息的动态更新，并对零件进行多层次、细粒度的动态分类，使零件分类粒度不受数据规模的限制，从而可以通过建立索引结构，实现自适应的工艺设计自动化。     

基于无人机序列图像的三维场景重建

阐述了无人机拍摄的序列图像三维重建的方法,主要涉及图像之间特征点的提取与匹配、稀疏点云重建、密集点云重建、三维点云格网化、纹理映射,最后通过实例演示三维重建过程和最终效果,表明此方法可以重建出高精度、照片级逼真的三维场景.     

基于复数矩的商标图像检索方法

提出用图像复数矩与其它特征结合进行商标图像检索的方法,并给出了检索算法。实验结果证明,这是一种较好的方法,基本不会出现漏检索。     

基于CT图像的势函数聚类分割人体脂肪检测

CT图像中人体脂肪组织有与其他成分不重叠的灰度值范围，但背景较复杂，图像直方图中可能出现多峰情况，为此将势函数聚类自适应多阈值图像分割算法与CT图像分析相结合，设计了一种快速而有效的多阈值脂肪提取算法——势函数聚类自适应模糊多阈值分割法，并进行CT图像计算机辅助人体脂肪检测。实验结果和脂肪含量计算表明，该方法能准确地检测人体脂肪分布以及含量等信息，计算结果直观效果好，且该算法得到的同一个体相邻断层脂肪含量相关性好，多次实验证明，计算机辅助脂肪检测方法在实验中具有很高的适应性与稳定性。     

融合图像边缘和区域特征的道路检测算法

利用图像分割技术对车载视频进行图像处理,提取道路信息,以用于智能车自动驾驶.首先,将彩色通道图像转换成灰度图像,并进行直方图均衡化和滤波预处理;然后,利用自定义差分算子和区域生长法,进一步对处理后的灰度图像进行分割,分别获得图像的边缘和区域特征.最后,结合区域和边缘分割的互补特性,提出一个融合两者信息的分割算法,对不同条件下获得的车载视频进行图像分割,实现道路检测.实验结果表明,所提出的方法能够获得边缘精确平滑、区域均匀的道路分割,而且算法具备较好的实时性和鲁棒性.     

无人机低空遥感技术在道路安全监测及修复中的应用

随着遥感技术的不断发展,利用当今流行的无人机,可以方便快捷地采集地表信息。无人机低空遥感技术应用在道路安全方面具有一定的现实意义,它可以为广大车主提供安全警示,为道路监管部门提供辅助决策。通过对道路影像的采集、处理、计算和分析,找出存在安全隐患的路面障碍物,识别路坑,通过数字测图系统,计算路坑的半径大小和深度,根据不同的车速预判事故风险,为道路安全监测提供科学依据;同时,为已破坏的道路提供修复方案,估算修复所需材料数量,做到有的放矢,节约资源,提高效率。实验结果证明,通过无人机低空遥感技术,既可以为行车安全提供科学预判信息,又可以为道路修复提供相对准确的所需材料用量。     

基于改进SIFT算法的无人机图像拼接研究

图像拼接是图像处理中的一项重要技术,近年来发展迅速,图像拼接中算法是该技术的核心部分。为了提高图像拼接的效果和精度,研究了基于无人机图像拼接的改进SIFT算法,介绍了图像拼接的流程,详细叙述了SIFT算法及改进原理,实验证明该算法效果良好。     

基于CSIFT算法的UAV影像配准技术研究

无人机(Unmanned Aerial Vehicle,UAV)影像配准作为无人机数据处理的必要环节,一直是业界研究的关键技术.在传统配准中,由于只对灰度影像进行处理难免会产生特征混淆、误匹配等问题.本文分析了UAV影像的成像特点,采用CSIFT(Colored scale invariant feature transform)算法对UAV影像进行配准处理,并结合分块策略对配准结果进行优化.实验证明,CSIFT算法比传统SIFT(Scale invariant feature transform)算法在提取困难特征点时有非常明显的优势,尤其是在影像有较大倾角或较多水体等情况下,可以有效提高UAV影像配准效率.     

人工智能在无人机军事领域的应用发展研究：基于WOS核心数据库的文献计量分析

人工智能赋能下的无人机将推动未来战争向着无人化、智能化趋势发展,自主化的感知、判断、决策、行动的作战单元或群体,具备颠覆战争规则,改变战争形态的能力,受到世界各主要军事国家的高度重视。使用CiteSpace可视化软件,以近10 年Web of Science核心数据库收录的主题相关文献为数据源,开展人工智能在无人机军事领域应用的研究现状、研究发展脉络以及研究热点分析。主要研究内容包括时间分布、空间分布、研究机构分布、关键节点核心文献、关键词共现、关键词聚类以及时间线等7个方面。结果表明：近10年人工智能在无人机作军事领域应用研究的发文量总体上呈现稳中有升的发展趋势,且以2017年为分界点,年平均发文量明显增多;我国在该领域发文量排名第一,在国际发文量排名前十的研究机构中占比80％,且形成了节点数最多的研究机构合作集群,具备较大的贡献度和影响力;研究热点按照应用划分为情报侦察、任务规划、自主作战决策,本文对每一热点进行了技术发展脉络、研究难点、技术路径优缺点的总结分析,涉及的主要算法包括群体智能、深度学习、强化学习、深度强化学习等,以期为我国人工智能与无人机作战融合创新发展提供相关参考,提升研究水平。     

基于直线检测的遥感影像道路提取方法

针对传统的高分辨率遥感影像中提取道路精度低问题,提出了一种基于改进直线检测道路的方法。首先将彩色图像梯度计算运用到经典的直线段检测(LSD)算法中,实现遥感影像直线提取。根据相邻两条直线关系设置6个直线合并规则,然后判断直线间的区域是否为候选道路区域。以候选区域为种子点,生长其他直线间的区域。最后提取面状道路及优化,同时也对道路交叉路口进行提取。实验结果表明使用提出方法所提取道路区域更加完整。     

基于提高RNN算法聚类效果的研究

RNN（相互最近邻）算法是一种基于层次的聚类算法,它比其他传统的层次聚类算法聚类更快.由于利用RNN算法对同一个数据集聚类,若选择不同簇间距离度量方式,那么聚类结果就会不同.因此在分析聚类结果对距离度量方式依赖性的基础上,采用用聚类聚集的思想,找出一种新的聚类方式,从而使得聚类效果更好.     

基于RBF神经网络预测模型及其应用研究

利用径向基函数（Radial Basis Function,RBF）神经网络采预测结构初期损伤对整体的影响,可以有效地判断结构的稳定性．由于神经网络可以通过对样本的反复学习来反映整体结构复杂的非线性演化关系,其预测精度可以满足要求．RBF神经网络作为一种性能良好的前馈网络,具有更好的逼近能力和全局最优特性．本文通过有限元计算得出样本作为基础,采用RBF神经网络建立初期损伤的预测系统,通过最近邻聚类学习算法实行整体结构预测,这种研究思路具有结构简单、学习速度快、预测精度高的特点,网络的外推能力也较强,计算效率明显优于传统方法．本系统采用Fortran语言编写,最后通过一个实例说明本系统的有效性及实用性．     

路堤高度和边坡对沙漠公路输沙效应的影响

长期以来,风积沙对沙漠公路一直有着特殊的影响,作为解决这一问题的基础研究--输沙效应分析也就引起了人们的足够重视.公路设计者们正逐渐把分析问题的角度从公路两边的防沙、固沙转移到对公路本身的结构设计上.结合G315线若羌-且末沙漠公路的现状调查,从路堤高度和坡度对输沙的效应进行了分析,提出了在不同的路段上,应设计合理的路堤高度和坡度.     

基于模式识别的智能入侵检测系统

文章分析了入侵检测的基本理论和技术,结合模式识别的原理及其与入侵检测的相似性,论证了将模式识别方法应用于入侵检测的可行性,同时,运用近邻法、K-近邻法和K-均值法等关键技术设计了基于模式识别的智能入侵检测系统,仿真实验表明,该系统具备较高的检测率和较低的误警率。     

基于车道线识别和多特征的前车检测算法

前车检测是安全辅助驾驶系统的主要研究领域,实时鲁棒的检测方法能够使智能车实现有效的防偏防撞预警和控制。提出了一种基于车道线识别和多特征的前车检测方法。首先基于车道线识别方法将感兴趣区域定位于两条车道线之间,然后依据车底阴影特征自适应确定中远距离车辆假设区域,最后利用纹理特征、垂直梯度投影均值和边缘对称性特征三层约束来验证车辆区域。实验结果表明:该方法能够实时准确地检测出不同光照条件下本车车道前方中远距离的车辆。