基于Xception模型的遥感影像场景变化检测

由于遥感场景固有的语义特征,深度学习在场景分类中具有突出的语义特征提取能力,近年来得到了广泛的研究。然而,现有的基于深度学习的方法大多没有精细描绘场景几何形状,而是利用固定大小的滑动窗口来对影像分类,这些窗口可能由多种场景类型的混合像元组成,导致场景识别的可分离性低,细节粗糙,分类精度低。针对这一问题,将简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)与迁移学习相结合,实现场景斑块的精确分类,进一步提高场景变化检测的准确性。首先基于SLIC算法,考虑强度分布的相关性,将遥感影像分割成多尺度斑块;其次利用Xception模型结合迁移学习网络从多尺度斑块中提取深度语义特征,并基于softmax分类器计算概率,从而判别场景斑块的类别;最后,基于场景分类的结果提取地物的变化信息。实验结果表明,该方法能够适应不同尺度的场景识别,达到利用窗口网格检测方法的最高水平,提高了场景变化检测的精度和效率。     

基于道化学火灾爆炸危险指数法的烷基化反应单元定量风险评估研究

建立了烷基化反应单元泄露导致火灾爆炸的基本场景与火灾控制场景,利用道化法对烷基化反应工艺单元各种不同火灾场景下的火灾风险进行评估.评估得出:基本场景的火灾爆炸危险等级为非常大、暴露半径43 m、暴露面积5 809 m²;采取针对性工艺控制措施后的工艺控制场景,其火灾爆炸危险等级为很轻;采取针对性物质隔离控制措施后的火灾防控场景,其火灾爆炸危险等级较之基本场景没有变化;采取针对性火灾防控控制措施后的火灾防控场景,其火灾爆炸危险等级为很大;共同采取采取工艺控制、物质隔离和火灾防控控制措施后,其火灾爆炸危险等级为较轻、暴露半径16 m、暴露面积825 m²,表明可以通过增加针对性的安全控制措施有效降低烷基化反应工艺的危险程度与影响范围,为企业的生产安全与火灾防控提供技术支撑.     

一种测试用例精简与自动生成方法

为了保证软件质量,在开发过程中引入了多种软件测试技术,需要手工构造大量的测试用例,覆盖软件的功能点。但是手工构造测试用例,工作效率低,并且很难命中所有的功能点,尤其是功能点组合的情况。为了提升软件的测试覆盖率、降低人工成本,本文提出了一种测试用例精简与自动生成方法。该方法根据业务场景分类业务数据,构造功能点组合矩阵,归并、精简业务场景之间的功能点组合矩阵,再执行生产请求,匹配功能点组合矩阵,自动生成测试用例,从而聚焦核心功能点、提升软件的代码测试覆盖率,达到提升软件质量和安全、降低人工成本、提升团队交付能力的目的。     

文化创意产业园文化与商业综合发展研究——以成都市西村大院为例

随着后工业时代的到来,以消费为主导的生活模式正在全方位的影响着人的选择.对于消费型文化创意产业园而言,文化与商业如何实现综合发展,过程中容易出现什么问题?为了解释上述问题,本文以西村大院文化创意产业园为例,通过模糊综合评判法评估综合发展、分析发展过程中的典型问题并借用场景理论有关研究,最终提出建议.     

基于卷积神经网络感知功能的极端场景生成方法

近年来,基于卷积神经网络深度学习的感知算法在自动驾驶车辆环境感知系统中发挥着越来越重要的作用。由于在神经网络训练过程中,训练数据无法覆盖所有极端场景,因此如何保证基于深度学习的感知算法在极端场景下的安全性和可靠性,仍是一个亟待解决的问题。传统的基于真实行驶里程的验证方法,在获取极端场景数据上危险性高,经济性差,因此很难检验驾驶功能在极端场景下的性能。基于虚拟场景的仿真验证方法,虽然可以通过设置场景参数来生成大量测试场景,但是通过简单的参数组合并不能有效的生成极端场景。本文展示了一种在虚拟环境中生成极端场景的方法,用于训练和测试基于深度卷积神经网络的车道线识别算法。首先将场景特征用参数进行表示,然后使用deep Q-learning强化学习的方法,来生成极端场景的参数组合。通过与随机组合以及成对组合场景参数的方法进行对比,可以看出该基于强化学习的场景生成方法可以更有效地生成极端场景,因此可提高自动驾驶感知功能的测试效率,同时可为卷积神经网络提供更多的极端场景训练数据。     

基于概率统计局部聚类的复杂场景弱小运动目标检测

在复杂场景下进行弱小运动目标的检测过程中,受到视频中有序相邻对象相似性的影响,难以高精度地识别低质量特征的运动目标.设计一种基于概率统计局部聚类的复杂场景弱小运动目标检测方法.建立空域模型、时域模型,分析小目标特征、背景特征以及噪声特征,从中提取弱小运动目标特征,使用概率统计局部聚类理论,拟定划分标准使用条件,实现目标轮廓曲线分段,将弱小运动目标检测流程进行整体优化,完成基于概率统计局部聚类的复杂场景弱小运动目标检测方法的设计.检测方法性能测试结果表明：在不同的实验图像下,设计的弱小运动目标检测方法的检测率平均值为69.8%,具有一定的实用性和可靠性.     

复杂场景散射中心模型化与雷达成像应用

在复杂场景中, 目标与环境之间的耦合散射会造成雷达图像特征的干扰, 这一问题给雷达目标自动识别与跟踪技术带来了困难, 成为雷达、电磁领域持续关注的热点研究问题。目前, 使用传统的电磁数值计算方法对复杂场景散射问题进行仿真, 所需计算资源巨大, 耗时很长, 而且多限于针对单一类型复合目标, 难以满足实际工程应用需求。针对此问题,提出了复杂场景散射中心模型化的方法, 集成散射中心模型、物理光学法、积分方程法、四路径模型、射线追踪等方法为一体, 实现了复杂场景、群目标雷达成像快速仿真。本文给出了三种有代表性的复杂场景的逆合成孔径雷达成像仿真结果, 验证了本文方法的可行性及泛用性。     

时变海场景双基SAR回波实时模拟方法研究

基于时变海场景双站散射机理,结合双基合成孔径雷达(SAR,Synthetic Aperture Radar)成像几何模型,提出了一种时变海场景双基SAR射频回波信号实时模拟方法。针对时变海场景的复杂耦合散射,采用多径近似理论建立了双基SAR海面目标回波信号模型,提取了时变海面双基SAR系统响应函数,结合高性能计算技术、同步动态随机存取(SDRAM)技术以及全系统交换设计,实现了时变海场景双基SAR射频回波信号实时模拟,最后仿真测试结果验证了该方法的有效性。     

基于博弈论的开放环境下场景规约监控语义

在开放环境中,环境和系统本身行为的改变可能使得软件系统的实现不再满足原来规约,从而最终导致软件失效的发生.运行时监控是一种轻量级的形式化动态验证技术,已成为开放环境下检测软件失效的基本手段.针对基于场景的规约属性序列图,从博弈论的角度定义其多值监控语义:满足、无限可控、系统有限可控、系统紧急可控、环境有限可控、环境紧急可控和违例.通过多值监控语义的定义,监控器能够根据当前轨迹尽可能早地检测到系统失效或异常,并提供足够信息为失效的预防和恢复服务.实例研究表明了属性序列图多值监控语义的实用价值,并显示了其广泛的应用前景.     

基于OBBs的碰撞检测研究

在虚拟场景中,碰撞检测性能的好坏是影响整体游戏感官和用户体验的重要因素.现阶段,虚拟场景中的物体模型越来越复杂,对实时性和真实性的要求越来越高,导致一些古老的碰撞检测方法难以满足高标准的要求.提出了一种基于OBBs的快速碰撞检测方法,从而加快了三维游戏中碰撞检测的速度,提高了实时性能.