融合深度特征与梯度特征的红外目标跟踪算法

由于红外序列图像目标与背景的对比度低,图像的边缘模糊并且灰度级动态范围小,采用何种特征描述目标成为跟踪的关键。深度特征和梯度特征是目前大部分跟踪算法采用的主要特征,然而深度特征提取的目标语义信息关注类间分类(Intra-Class),忽略类内差别,容易受到相似背景(Distractor)干扰;梯度特征作为局部区域特征不易受背景干扰,但不能适应目标的剧烈形变。基于这2种特征的互补性,提出一种融合深度特征和梯度特征的红外目标跟踪算法。深度特征与梯度特征被分别用来表征目标的语义信息与局部结构信息,增强了对任意目标的表征能力;利用不同特征建立的跟踪模型进一步提高了跟踪的鲁棒性。通过建立模型互助机制,利用深度特征跟踪模型与梯度特征跟踪模型的互补性,对目标实施了精准的定位。实验中,选取了最新的红外视频跟踪数据库(VOT-TIR2016)用来验证文中算法的有效性,结果表明：和当今主流跟踪算法相比,算法在精确度上获得了3.8％的提升,在成功率上获得了4.3％的提升,能够有效处理跟踪中相似背景与形变的影响。     

机器视觉在油气勘探开发中的应用现状

作为人工智能正在快速发展的技术分支,机器视觉在油气勘探开发中的作用越发显著,已成为"智慧油田"建设不可或缺的组成部分。首先简述了机器视觉技术,然后分析了机器视觉在油气勘探开发领域的应用现状,并重点介绍了基于深度学习的机器视觉技术的应用;最后对机器视觉在油气勘探开发中的应用前景进行了分析。研究表明:相对于人工图像识别,机器识别要更准确、高效;一般原始图像越复杂、解释要求越高,对图像预处理技术、特征提取算法要求越高;仅以形态形式表示信息的图像识别相对简单,原始图像的二值化处理是关键;当大量信息蕴含在图像纹理、色彩中时,智能解释的难度要大得多;基于深度学习的机器视觉技术实现了自动特征识别,未来将在油气勘探开发领域发挥重要作用。     

基于深度学习的白光-热成像双通道图像识别系统设计

为解决无人机图像自动识别系统对大视场角下小目标的识别准确率及实时性问题,利用深度学习卷积神经网络对热成像-白光联合图像进行目标识别。设计了一种针对具有温度特征的目标物识别系统以及双通道目标候选提名图像识别算法。充分利用热成像图中目标热源特征的HSV值,将目标物从热成像图中进行筛选、分割。通过Canny算子勾勒目标物轮廓,并标记出目标物大致区域,导入白光图像提取含有目标物的有效图像信息。利用YOLO V2算法对候选图像内目标物进行识别。通过实验表明,提出的双通道目标候选提名图像识别算法具有可行性与实用性,能够在大视场环境下对小目标进行精准快速识别,满足无人机机载系统简易、实时和准确性要求。     

基于多层超限学习机的滚动轴承故障诊断方法

针对目前轴承故障诊断领域存在的海量数据问题及快速学习、实时监测的诊断要求,采用一种多层超限学习机方法对滚动轴承故障数据进行诊断测试。该方法直接学习轴承故障振动时域信号,与传统诊断方法相比,省去了复杂的信号处理过程,更加简便。将多层超限学习机方法的诊断结果分别与单层超限学习机、深度神经网络方法的诊断结果进行比较,多层超限学习机具有明显优势:(1)与单层超限学习机相比,多层超限学习机具有更好地学习和特征提取能力,其诊断准确率可达到98.29%;(2)与深度神经网络相比,多层超限学习机能够在保证较高诊断准确率的前提下,获得较快的训练速度,其训练速度较深度神经网络提高了41倍。结果表明,所采用的方法在滚动轴承故障诊断方面具有很好的效果和应用价值。     

海胆早期神经发育及有机磷农药对其神经毒性作用的研究进展

 早期发育阶段是有机磷农药神经毒性作用最敏感的时期,海胆的胚胎和幼虫为研究有机磷农药对早期发育阶段的神经毒性作用提供了一种理想的模型。本文介绍了海胆的早期神经发育过程,综述了神经系统对海胆早期发育的调控作用,结合近年来国内外的研究,阐述了有机磷农药对海胆早期发育的影响及其神经毒性作用机制,并展望了该领域的研究方向。     

寒潮与雷雨大风天气个例风浪分析

选取2008年12月21日寒潮天气与2010年5月30日雷雨大风天气两个个例,探讨了寒潮天气与雷雨大风天气对连云港近岸海域风力、海况和海浪等要素产生的影响。寒潮天气,风速逐渐增大,海况、海浪也随之逐渐增大;雷雨大风天气,风速快速增大,海况、海浪也随之快速增大;雷雨大风天气比寒潮天气造成的风浪变化来得突然,不易判断和预防。针对寒潮天气,应用Wilson公式估算海浪波高和利用数值预报模拟推算海浪波高的计算比较准确,与实际观测值的误差小于10%。     

基于AHP的西安大夏国际中心深基坑支护方案指标优选

对西安大夏国际中心深基坑支护方案评价指标进行优选,以钻孔灌注桩、复合土钉支护、地下连续墙3种技术方案为评价对象,采用专家咨询、查阅文献、理论分析相结合的评价方法,从支护效果、稳定安全系数、施工可行性等9个指标初步构建深基坑支护方案评价指标体系.运用专家打分和层次分析相结合的方法对初步选择的评价指标进行定量分析,计算各个指标的权重,并进行定性分析,对初选指标进行分析、筛选、优化.最终舍弃了稳定安全系数和施工连续性指标,得到最终优化的评价指标体系.     

流线模型的深部调剖影响因素分析及矿场应用

流线模型作为一种新兴的工具被广泛应用于油田开发方案编制、效果评价与指标预测等方面。通过建立深部调剖流线模型,对比分析了注入调剖剂前后流线变化规律,提出了相应的渗流场变化模式。在流线模型的基础上,分析了调剖位置、调剖时机、封堵率、注入浓度对调剖效果的影响,进而引申出深部调剖矿场试验中的关键指标。结合某试验区实际井组评价了影响矿场试验效果的决定性因素,对同类区块开展深部调剖有一定的借鉴意义。     

基于深度学习网络的电气设备图像分类

为了对变电站中智能巡检系统采集到的海量图片进行快速分析和识别,提出一种深度学习和支持向量机(support vector machine, SVM)相结合的图像分类模型。首先,运用旋转、翻折等方法对采集到的原始数据进行扩充。然后,合并扩展图像集,并在相同类型的条件下将其随机划分为训练集和测试集。基于实际图像改进卷积神经网络(convolutional neural network, CNN),并提取训练集的图像特征。最后,通过使用训练集图片的深度特征来训练SVM分类器,并且在测试集图片上实现分类测试。利用巡检机器人采集到的8 000张图片对模型精度进行实验验证,结果表明,该模型具有较强的分类性能。     

基于Monte-Carlo辐射模型的水下光场绘制技术研究

过去的几十年中人们提出许多处理光照及阴影的方法,但这些常规方法大都致力于生成空气介质中真实感的三维动画,而对传统的水下光场及光影的动态效果建模问题研究较少。给出一个水下光场及流动光影效果的计算机模型。该模型从海洋水体的光传输物理特性,然后根据该特性给出Monte-Carlo模型,通过研究风海波下光的干涉现象及漫射现象,建立水下光场的二三维可视化模型,基于改进的全局光照及辐射度模型实时计算出阴影的流动效果。此外,还给出了生成三维水下光场及动态光影的方法及相应的游戏动画图例。