基于图象处理的岩石组构测定方法

鉴于传统的岩石组构测量方法比较繁琐,提出了一种基于图象处理的岩石组构测定的新方法。此方法可将图象x y平面内比较难测量的方位角转化到Hough域ρθ坐标下,统计分析各个方位角,判断是否存在优选方位并计算岩组的优选方位角,Hough域的叠加值反映了对颗粒方位角识别的置信度;对于一些细微的、离散的岩石颗粒进行统计分析,给出矿物颗粒偏光性的解决方法。实际资料处理结果表明,相对于传统测量方法,采用基于图象处理的方法对岩石组构进行测定,其抗噪性好,减少了在目测过程中产生的误差,提高了岩组测量效率,能在岩石构造分析中获得更多、更准确的地质信息。     

基于卷积神经网络的岩石图像分类

在显微镜下分析岩石薄片并对其进行分类时,人工鉴定效率较低且易受主观因素影响,为此提出了一种基于卷积神经网络深度学习的岩石粒度自动分类方法。该方法通过卷积网络模型实现图像特征自动提取,并同时建立模式分类器,实现基于薄片图像的粒度自动识别。采用鄂尔多斯盆地的4 800样品对卷积网络模型进行训练,通过1 200个样品对模型测试,测试集分类结果的准确度达到98.5%。理论分析与数据验证说明,通过深度学习所建立的卷积网络模型能够基于岩石薄片图像获得高效、准确、可靠的自动分类结果。     

神经网络在岩石多角度偏振光谱识别中的应用

依据岩石多角度偏振光谱反射特征数据,运用神经网络方法,对反射特征相近的岩石加以识别.在识别中以不同方位角、反射角及入射角的反射比等参数作为训练样本及测试样本,训练样本经过网络学习、训练得到神经网络模型,测试样本对神经网络模型进行检验,实验证明将神经网络应用于岩石多角度偏振遥感技术是岩石识别的一种切实可行的方法.     

基于RBF神经网络的复杂场景人群目标的识别

大型公共建筑内人群数目及分布的在线监测是有效控制和疏散客流、保障人员安全的重要依据之一.利用公共建筑内现有的闭路电视监视系统,通过计算机视觉技术实现人群数目的自动识别是目前国外普遍采用的一种方式.文中提出了一种基于RBF神经网络的复杂场景人群目标的识别算法,利用包含行人数目信息的前景图像的投影曲线等特征数据,通过训练好的RBF神经网络直接得到该前景图像中包含的人群数目.与其他算法相比,该算法具有较高的识别准确率,在一定误差范围内可以达到较好的效果.     

基于神经网络的邮件分类识别模型研究

本文综合分析了垃圾邮件和合法邮件的特征,对邮件结构字段信息和邮件正文信息加以离散和特征化处理,提取出7个特征属性来表示成向量代表电子邮件,采用BP神经网络来构造邮件分类识别器.经测试证明,本文提出的基于BP神经网络的邮件分类模型是可行和有效的,并具有良好的效果和智能性、自学习性.     

基于图象处理的岩石组构测定方法

鉴于传统的岩石组构测量方法比较繁琐，提出了一种基于图象处理的岩石组构测定的新方法。此方法可将图象x-y平面内比较难测量的方位角转化到Hough域θ-θ坐标下，统计分析各个方位角，判断是否存在优选方位并计算岩组的优选方位角，Hough域的叠加值反映了对颗粒方位角识别的置信度；对于一些细微的、离散的岩石颗粒进行统计分析，给出矿物颗粒偏光性的解决方法。实际资料处理结果表明，相对于传统测量方法，采用基于图象处理的方法对岩石组构进行测定，其抗噪性好，减少了在目测过程中产生的误差，提高了岩组测量效率，能在岩石构造分析中获得更多、更准确的地质信息。     

砂岩组构与岩石力学性质关系的研究

以砂岩为研究对象，利用岩石显微组构分析和岩石力学实验相结合的方法，取得相应的矿物成分和含量、岩石的结构要素参数、岩石的各种力学性质参数，探讨了它们之间的相关性及数学表征，为岩石的力学性质及其稳定性研究提供参考。     

大别超高岩岩石中石英的组构和变形

通过对大别地区不同超高压岩石和同一超高压岩石中不同变形期次石英的变形特征的研究,探讨超高压岩石折返时的流变学特征和状态。运用野外构造解析、组构分析、透射电镜和应变分析发现,除榴辉岩中静态重结晶石英外,其它超高压岩石中石英均发生了强烈的塑性变形,波状消光、变形纹、变形条带等极为常见。石英石榴岩中石英交叉滑位位错的发育,说明经历了高温位错蠕变,其代表的差异应力为△σ＝78．92a。石英脉的变形是超高压岩石折返到中地壳以后的角闪岩相退变峰期产物,其差异应力为△σ＝25．2MPa。超高压二云母片岩中石英典型的糜棱结构代表的差异应力为：△σ＝59．61MPa。大别超高压岩石可能是在构造应力比较低的情况下区域隆升的结果。     

基于多特征融合卷积神经网络的人脸表情识别

针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行融合,利用池化层的特征,将融合后的特征送入全连接层,对其特征进行融合处理来增加网络的非线性表达,使网络学习到的特征更加丰富;最后,输出层经过Softmax分类器对表情进行分类,在公开数据集FER2013和CK+上进行实验,并且对实验结果进行分析。实验结果表明:改进后的网络结构在FER2013和CK+数据集的面部表情上,识别率分别提高了0.06%和2.25%。所提方法在人脸表情识别中对卷积神经网络设置和参数配置方面具有参考价值。     

基于深度学习与图像处理的废弃物分类与定位方法

针对现有人工垃圾分类工作环境恶劣、自动化程度差等问题,提出基于深度学习与图像处理的废弃物分类与定位方法,为智能分拣提供理论依据.建立基于Inception模块与残差单元,搭建改进的卷积神经网络废弃物分类模型,预测目标物体种类.针对复杂环境采集到的图像,利用图像处理算法对图像降噪、阈值分割、边缘检测,有效提取目标轮廓信息,并结合质心定位算法实现废弃物准确定位.实验结果表明:该方法中废弃物分类模型预测准确率可达88.8％,基于轮廓信息的质心定位算法可以准确定位目标,具备较强的废弃物分类与定位能力.     

基于改进VGGNet卷积神经网络的鲜花识别

【目的】提出一种基于VGGNet的改进算法Small VGGNet（S VGGNet）,使得在最高运算效率和检测结果的同时,有效减少VGGNet模型超参数的规模,并用于花草树木等植物分类问题。【方法】在原VGGNet模型的基础上减少了一个全连接层,改进了最大池化层,优化了模型结构并减少了网络参数。将新算法用于花草树木等植物分类问题上,进一步分析该算法的预测时间、运行时间、分类准确度等。【结果】无论在训练样本规模、运行时间或者分类结果的准确度上,与多种传统方法和改进VGG算法相比,S VGGNet算法均有明显提升。【结论】提出的S VGGNet算法是有效的。     

神经网络与岩石力学专家系统

介绍了岩石力学知识神经网络的表示、知识的获取与学习、神经网络专家系统等，反映了岩石力学与工程专家系统发展趋势。     

图像处理与汽车牌照识别

在图像处理技术的基础上，对系统设计的关键环节如汽车牌照的定位与分割、光学字符的识别提出自己的看法，并借鉴已经成熟的数字图像处理技术来进行快速高效的汽车牌照识别。     

基于神经网络多国货币种类的识别与研究

提出了一整套解决货币种类的识别方案,该方案由一套包含扫描头和探头矩阵在内的计算机硬件和软件系统组成,通过探头矩阵获得货币图案的采样值,应用神经网络实现种类的识别。     

基于神经网络的负载识别

提出了基于神经网络的负载识别方法,对供电系统管理有重要的现实意义.     

基于BP神经网络的数字字符识别

本文介绍了字符识别的常用方法及BP神经网络的基本原理,并将BP神经网络应用于数字字符识别。通过Matlab实现了对采集的数字图像进行样本训练以及基于BP神经网络的数字字符识别。仿真试验结果表明,BP神经网络可以对阿拉伯数字进行快速、准确的识别。     

基于一维卷积神经网络的岩石物理相识别

为解决岩石物理相识别问题,提出了一种基于可解释一维卷积神经网络的识别方法.该方法通过引入全局平均池化层,突出了测井曲线波形的动态变化部分;并且通过分类激活映射增强了方法的可解释性;通过引入扩张卷积和批量归一化,弥补了由全局平均池化层引起的性能下降.实验结果表明,测试集中4种岩石物理相的平均F1分数为0.97,相比其他同...     

基于图像处理的五子棋落棋检测与识别

根据五子棋落棋特点,提出了一种改进的基于图像处理的五子棋落棋检测与识别方法。在采用全局摄像头获取固定大小棋盘图像的基础上,通过图像差分得到每步的人落棋位置图像,并对落棋位置进行灰度增强,再进行落棋位置识别,既简便了每步落棋位置的检测,又减少了对棋盘中已有棋子位置的重复识别,提高了人落棋位置的识别效率和准确性。经过测试,可以简便、准确地识别人的落棋位置。     

基于神经网络的车牌汉字识别方法

为提高车牌汉字识别率,提出一种基于BP神经网络的车牌汉字识别方法。首先使用图像与处理技术对车牌汉字进行处理,包括自适应二值化、规范化、细化等;其次采用改进训练过程和参数的BP神经网络对汉字进行识别。实验结果表明,较其它算法,该算法运算速度快、自学习能力强、识别率和效率高。     

小波神经网络的毫米波雷达目标一维距离像识别

将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构。由于小波变换在时间和频率空间所具有良好的定位特性，使小波神经网络可对输入输出数据进行多分辨的学习训练。介绍神经网络的数学框架和该网络的学习算法。根据毫米法频率步进雷达目标一维距离像所给出的信息，将所提出的小波神经网络用于3种实际雷达目标的识别。实验结果表明，小波神经网络收敛速度快、识别率高。