基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计，得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

两类几乎外平面图的双约束边色数

阐述了几乎外平面图的概念与特点,证明两类特殊的几乎外平面图的双约束边色数恒满足max{Δ(G),FM(G)}≤χe/vf(G)≤max{Δ(G)+1,FM(G)+1},其中Δ(G)、FM(G)分别为图G的最大度和最大面度.     

Application of improved equivalent edge currents in synthetic aperture radar imaging

Target modeling and scattering function calculating are important prerequisites and groundwork for the synthetic aperture radar (SAR) imaging simulation. According to the difficult problems that normal methods cannot calculate the scattering function of electrically large object under the condition to wideband, an effective method of improved equivalent edge currents is presented and applied to SAR imaging simulation for the first time. This method improves calculating velocity and has relatively high precision. The concrete steps of applying the method are given. By way of the simulation experiment, the effectiveness of the method is verified.     

二值图像的自动表述

提出了一种通过对图像中物体的边缘进行描述来表征二值图像的方法 .该方法对二值图像进行边缘提取、周线跟踪、特征点提取、边缘分割及曲线匹配 .经处理后的图像由一系列描述物体边缘的数学方程来表征 ,有利于图像数据压缩及重构 .     

图P_m V W_n的点可区别边色数

对图G的正常边染色,若满足不同点的点所关联边色集合不同,则称此染色法为点可区别的边染色法,其所用最少染色数称为该图的点可区别边色数．得到了路与轮的联图的点可区别边色数．     

径向剃齿刀切削刃的排列及剃削光洁度的预测

本文对径向剃齿刀切削刃的排列规律进行了探讨。指出切削刃应按螺旋线排列,螺旋钱的导程与轮齿数,刀齿数密切相关,并由此导出刀齿数的计算公式;螺旋线的旋向不仅与刀齿数有关,且与剃齿刀的螺旋方向有关。文中还针对所提刀刃排列形式进行了被剃齿面光洁度的分析与计算,发展了一种预测剃削光洁度的计算方法。     

确定自然带界线的模糊聚类数学模型——以中国亚热带西段北界为例

本文建立了划分自然带界线的模糊聚类数学模型,并以中国亚热带西段北界为例,确定了其具体位置。它解决了指标数值化和自然带界线具有模糊性的问题,削弱了人为因素的影响,提高了精度。该模型还具有广泛的适应性。     

优选法在选择刀具角度中的应用

应用优选法确定刀具几何参数，优选得γ=20°，主偏角φ=81°，刃倾角λ=20°，使生产率提高3倍。     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。     

基于边缘图的梯度域图像融合方法研究

梯度域图像融合通过最小化融合图像的梯度场与融合梯度场之间距离求得融合图像,融合梯度场的准确性直接决定融合图像质量;由于源图像信息之间存在互补性,基于结构张量的梯度融合方法得到的融合梯度场的准确性不高,为保证融合图像质量,重构时需要添加其它感知项进行校正;提出了一种基于边缘图的梯度场融合方法,在边缘像素处以梯度值为权重进行加权融合,在非边缘像素处采用梯度值取大规则进行融合;实验结果表明:梯度场融合方法得到的融合梯度场准确性高,重构的融合图像具有满意的视觉质量和客观评价成绩。