甲板上浪船舶随机横摇响应的数值模拟

数值模拟随机横浪中甲板上浪船舶的横摇响应．考虑随机横浪激励和甲板上浪引起的横倾力矩,建立船舶随机横摇运动方程．基于伯努利方程,推导船舶甲板上浪水质量的计算公式．以一条拖网渔船为例,计算不同波高作用下船舶的横摇响应,分析甲板上浪对船舶倾覆的影响．研究表明：考虑加工甲板上浪后,船舶有2个横摇中心,在响应过程中发生由一个横摇中心到另一个横摇中心的随机跳跃;单独考虑捕鱼甲板上浪或加工甲板上浪时,船舶可以承受大的波浪载荷而不发生倾覆;同时考虑捕鱼甲板上浪和加工甲板上浪时,横摇过程中捕鱼甲板上浪水量突然增大,导致船舶倾覆．     

星体自转动力的推导

利用经典力学,对做公转运动的子星进行受力分析,揭示了星体自转动力的产生。首先对无液核固态小星体进行受力分析,得出这种固态小星体在自转力矩作用下,最终将使小星体的自转周期与公转周期达到同步运行。并得出月球轻的一面朝向地球的结论。应用该特性,将大大简化同步通信卫星姿态指向的控制装置。纠正了潮汐力将使月球远离的错误观点。其次是对有液核的类似球体的大星体进行分析,得出作用在子星上的引力差和子星的公转运动使子星产生自转力矩,且其力矩使子星加速自转。并推导出自转加速方程。揭示了宇宙诸天体几乎都沿同一方向转动的原因。考虑自转力矩随星体半径增大而略有增加,对有液核大星体内部的涡旋运动的形成机理进行了简要阐述。     

无粗定位亚像素边缘检测算法研究

针对传统的亚像素边缘检测技术需要先进行粗定位,然后再进行精确定位的问题,提出无粗定位亚像素边缘检测算法.针对彩色图像降低维度边缘信息损失的问题,提出主轴分析法来保存图像的边缘信息.针对滤波后图像边缘特征模糊的问题,提出基于二分K均值的中值滤波算法,在滤除噪声的同时,增强图像的边缘.最后从检测精度、检测效率和可靠性3个方面验证算法的有效性.     

图像法识别运动目标技术

讨论了图像法识别物体运动参数的基本原理和过程.通过分析,比较了每一个子过程中采用的图像处理方法的优劣,指出了图像法识别运动物体在目前存在的主要问题是目标样本库太大以及线性成像系统带来的对原始输入信号的干扰,影响了对运动目标的实时响应处理和智能化识别.     

基于图像边缘和对比度的显著目标检测

为了对自然场景中各类显著目标进行准确的检测,提出了一种结合图像边缘和多尺度对比度信息的检测方法。首先对图像进行快速双边滤波,在对图像平滑去除复杂纹理的同时保留物体结构边缘信息,然后用直线检测算子进行边缘检测得到边缘显著图。再利用对比度检测算子计算图像的区域对比度和全局对比度得到对比度显著图。融合边缘显著图和对比度显著图得到最后的显著目标图。实验表明该方法准确率高于大多数现有的显著目标检测方法。     

彩色边缘模板算子检测法

将灰度边缘的模块算子扩展到彩色图像的边缘检测,并在均匀彩色空间中检测彩色边缘。这种扩展的彩色边缘检测方法计算简单,能检测出更符合视觉特性的彩色边缘来,实验结果证明了这种方法是有效的。     

一种线性提升小波的方向断面边缘检测法

提出了一种基于线性提升小波的方向断面边缘检测法．构建了一组提升小波预测函数，并推导了一个线性更新函数．通过对原始影像进行“分裂”、“预测”与“更新”运算，实现影像的小波分解，并利用分解后的小波系数构成影像的小波梯度图和方向图．在小波方向图和梯度图的引导下，根据方向断面检测原理实现影像的边缘提取，也利用方向图实现了边缘的跟踪与准确定位．结果表明，由于方向图对于线性特征更加敏感，所提出的方法对于线性目标的检测更加有效．     

空中目标姿态测量中的图像处理方法

基于一种利用光测图像获取目标空中飞行姿态的方法,对高速电视获取的目标图像进行预处理的方法进行了研究。检验了姿态获取方法的可行性。人工模拟炮弹目标的试验结果证明了该图像提取方法简单易用,通用性较强,提高了参数测量的精度,为姿态获取方法的实际应用提供了依据。     

基于边缘特征的背景建模和去抖动方法

 针对户外监控系统中存在的背景复杂变化及摄像机抖动等问题,提出了一种利用背景边缘信息进行背景建模及去除摄像机抖动的方法。首先,对一段视频序列进行边缘检测,提取出可靠的背景边缘;然后,对处在背景边缘附近的复杂区域建立高斯混合模型,而对其他相对简单的区域建立时间平均模型,兼顾了检测精度和计算代价;再利用可靠的背景边缘信息消除因摄像机的抖动而出现的虚假目标。实验结果表明,该方法在检测速度上比单独采用高斯混合模型提高了50%,在摄像机抖动时能很好地降低虚警率,可用于复杂场景的运动目标检测。     

基于MATLAB的若干苹果边缘检测方法及其特性的对比研究

首先介绍了数字图像处理中边缘检测的基本原理以及常见方法.这些方法包括Sobel算子、Roberts算子、Prewitt算子、Canny算子、Kirsch算子和Gauss-Laplace算子.然后在实验室条件下,通过MATLAB编程将这些方法用于苹果边缘的检测.最后将这些方法及其特性进行系统地对比,结果表明:在当前实验室条件下Kirsch算子用于苹果边缘检测效果较好.