图像分辨率对天然纤维识别的影响

针对低分辨率图像的保真问题,提出基于轮廓曲线的邻域方向差分链码,进行曲线失真程度的分析.该方法将基于像素坐标的二维轮廓曲线转化成相对于曲线走向而变化角度函数.差分链码具有平移、拉伸和旋转不变性.根据差分链码提出分别针对于对象轮廓周长、轮廓包围面积和轮廓曲线相似性的误差统计模型,并将该模型应用于棉麻等纤维截面的显微图像在不同分辨率下外形的失真度分析,给出在图像采集时允许的最低图像分辨率的计算.     

用于高温气冷堆燃料元件检测的外装式检测系统

为准确检测球床式高温气冷堆装卸料系统不锈钢管道内燃料球的过球信息,该文设计了外装式过球信息检测系统。该系统的涡流传感器采用了双半圆结构,其安装和维护都无需破坏过球管道。信号处理部分采用了直接数字频率合成技术(DDS)、高速鉴频鉴相技术和幅值检波技术,有效提取了过球信号,并通过阈值判断和形状比较相结合的方法,准确区分了过球信号和干扰信号。实验表明,在过球速度为0.1~10m/s范围内,该系统能够准确地检测离散过球和连续过球。     

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.     

应用小波的PV振荡周期多分辨率检测

该文提出了一种新的使用小波技术检测PV数据信号振荡周期的方法. 首先使用小波技术对PV数据进行降噪;然后在不同分辨率上,应用冗余二进制离散小波变换(DDWT)来分解PV振荡信号,并检测该信号的小波系数极值,重构PV信号,避免降噪后的PV信号失真;最后基于本文提出的新算法,计算获得PV振荡信号的周期.     

一种基于移动agent的入侵检测系统框架研究

提出了一种新结构———基于移动agent技术的IDS,并对此结构的优缺点作了详细的分析,对研究基于移动代理技术的入侵检测系统具有一定的指导作用.MA IDS采用移动agent技术共同合作处理每个被监控主机的信息,然后完成全局入侵者行为的信息提取.主要讲述了系统的结构模型和系统各个组件的功能,最后讨论了系统的特点和有待改进的地方.     

GOSCA－CFAR检测器在干扰边缘中的性能分析

本文研究ＧＯＳＣＡ—ＣＦＡＲ检测器￣［１，２］干扰边缘中的性能。文中推导出了它的干扰边缘环境中虚警概率的解析表达式，分析了它抗边缘干扰的性能，并且与ＯＳ、ＣＡ、ＧＯ和ＳＯ等检测器进行了比较。结果表明，ＧＯＳＣＡ的抗干扰边缘性能比ＣＡ和Ｋ＿（ｏｓ）＝（ｋ＋ｌ）＿（ＧＯＳＣＡ）和ＯＳ相近，比抗边缘干扰性能较好的ＧＯ要差。     

快中子飞行时间法检测隐藏爆炸物系统

利用具有位置灵敏且伴随ａ粒子探测器的快中子飞行时间谱技术，建立了隐藏爆炸物检测系统，能够同时测定待测物中的Ｃ，Ｎ，Ｏ３种元素，以确定炸药的存在；并具有较高的空间分辨率。此系统检测爆炸物，其漏检率、误检率低，检测灵敏度高。用此系统对多种炸药和有机物品进行了测量，其测得的复杂γ谱用人工神经网络进行识别，能够将炸药和普通有机物品区分开。此系统检测炸药的灵敏度为 ３００ ｇ。     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

Detection of PSTVd with a New Nonradioactive Method──Digoxigenin Labeled cDNA Probe

使用非放射性标记ｄｉｇｏｘｉｇｅｎｉｎ标记的１１－ｄＵＴＰ取代３２Ｐ标记的ｄＡＴＰ或ｄＣＴＰ进行核酸斑点杂交检测马铃薯纺锤块茎类病毒（ＰＳＴＶｄ）．结果表明，ｄｉｇｏｘｉｇｅｎｉｎ标记具有灵敏度高，操作简单快捷，无放射性污染等优点．可检出含有ＰＳＴＶｄ的马铃薯叶片汁液最大稀释度及含有ＰＳＴＶｄ全序列的质粒ＤＮＡ的最小量分别为１３００和１０ｐｇ．同时该探针也用于检测了不同马铃薯品种及ＴＰＳ亲本中的ＰＳＴＶｄ感染情况，结果显示，其中一些品种及ＴＰＳ亲本已不同程度的被ＰＳＴＶｄ感染．     

基于改进Mask R-CNN的露天矿边坡裂隙智能检测算法

为了预防因露天矿边坡表面恶化而产生节理、裂隙或断裂等破坏边坡完整性所引发的安全事故,同时解决传统图像处理算法以及经典的深度学习模型直接应用于露天矿边坡裂隙检测效果不甚理想的问题,提出了一种基于改进的Mask R-CNN的露天矿边坡裂隙智能检测算法,运用了Mask R-CNN在目标检测、语义分割以及目标定位方面的集成性特点,改进了其在掩膜分支的边缘不清晰以及误检等缺点,构建了一种针对露天矿边坡裂隙图像的检测分割框架。该方法在掩膜分割分支引入了空洞卷积神经网络以及分类分割迭代上采样操作,能够解决边坡裂隙分割边缘粗糙的问题,实验结果表明,与传统的裂隙分割算法相比,该算法具有更高的识别精度以及更好的分割效果。