基于MD-LBP关联方向特征的铁路隧道漏缆卡扣检测算法

全路段跟车拍摄隧道漏缆卡扣图像再进行逐张排查,是实现卡扣故障检测的重要手段.针对目前LBP、CS-LBP等相关变体算法存在描述子质量不佳、特征维度过高的问题,提出MD-LBP关联方向特征提取算法实现故障卡扣的检测工作.该算法首先对输入图像进行高斯滤波预处理,根据图像的全局灰度均值得到图像的自适应阈值;其次计算图像的三层MD-LBP特征图结构,依次经过两次下采样分别得到Cell主方向特征和Block主方向特征;然后再在Block特征图上提取关联方向特征,并以此作为描述子;最后通过SVM区分故障卡扣,完成检测工作.实验还对比了LBP、H OG等9种特征描述子的检测情况,结果表明该算法不仅特征维度低,并且检测故障卡扣的召回率和精准度都达到了85％.     

韩波博士简介

<正>韩波,男,1983年8月生,安徽颍上人。2007年毕业于华东师范大学电子系,获工学学士学位。2012年毕业于华东师范大学电子系(硕博连读),获工学博士学位,2012年至今在阜阳师范学院计算机与信息工程学院从事教学科研工作,2014年东南大学毫米波国家重点实验室客座研究。韩波博士主要从事微波毫米波片上元件建模与设计研究。内容主要涉及:异质结三极管     

冬枣贮藏效果与相关酶活性的相关研究

以鄂北冬枣为材料,对果实采后低温贮藏过程中相关酶活性与果实硬度进行相关分析、通径分析和灰色关联分析。分析结果表明,各相关酶活性与硬度的相关程度依次为PG、SOD、CAT、PME、POD,与果实硬度的贡献率大小依次为PG、CAT、SOD、PME、POD,与果实硬度的关联度顺序为PME、SOD、PG、CAT、POD。综合分析结果表明,PG活性、CAT活性、SOD活性为果实贮藏过程中主要的酶,在贮藏过程中对果实软化衰老起重要作用。     

疏松砂岩油藏大孔道定性识别新方法研究

疏松砂岩油藏在长期注水开发过程中,往往伴随着大孔道的出现,这严重影响了油藏水驱开发效果,制约了采出程度的进一步提高,因此,大孔道识别及有效封堵成为该类油藏急需解决的关键问题.通过研究分析,确定了影响大孔道从形成到发展的7种主要静态因素,以及标志大孔道形成的6种主要动态因素.将层次分析法及灰色关联法相结合,分别计算静态及动态因素的权重,建立了全新的大孔道定性识别模型.示踪剂监测结果验证了该方法的实用性和有效性.     

大尺寸单晶金刚石同质连接技术

介绍了制备人造单晶金刚石的技术途径及发展现状,重点讨论并对比了几种化学气相沉积法(CVD)金刚石制备技术的优缺点,详细阐述了基于微波等离子体CVD (MPCVD)法的同质连接技术——一种突破晶体尺寸限制,实现大尺寸单晶金刚石的有效途径。通过该技术实现了英寸级单晶金刚石晶片的制备,并针对横向生长、界面质量及演化、三维结构连接控制等核心科学技术问题进行了分析和讨论,展望了其在尖端应用领域的发展前景。     

井下WPT技术机理研究

为解决井下无线传感器电池容量受限的问题,根据井下无线传感器带壮分布的特点,提出了井下无线运动充电的思想.构建充电系统模型,讨论了充电信道建模、接收微带天线设计、多天线协作三个方面的技术路线.本文在研究井下微波输能传输特性的基础上,探讨在低功率密度下,多天线协作的移动无线充电技术在井下运动式充电特性,使用这个技术对无线传感器节点充电,解决井下无线传感器网络能量补充问题,突破现有节点单纯依靠电池供电的局限.     

基于螺旋相位滤波的图像边缘增强研究

阐述螺旋相位滤波实现图像边缘增强的原理及其国内外研究现状,分析几种螺旋相位实现边缘增强效果,同时对螺旋相位滤波器的应用发展趋势进行展望.     

光与光基技术推动人类文明与进步

2015年是光和光基技术国际年,简称2015国际光年.联合国之所以做出这一决议,是基于光和光基技术对世界人民的生活以及全球社会多层面未来发展的重要性.希望通过各种宣传提高人们对于光科学技术的认识并加强这方面的教育,这对于世界各国应对可持续发展、能源、社区保健和提高生活质量的挑战至关重要.     

浙江省农业现代化与农村经济发展的灰色关联分析

农业现代化是发展农村经济，提高农民收入的重要条件，本文运用灰色关联分析方法研究了浙江省农业现代化与农村经济发展的关系，通过研究，发现农业电气化水平对农村经济发展的影响最大，其次是机械化水平，而农田灌溉对农村经济发展的影响最小，最后根据灰色关联分析的结果，提出了对农业现代化建设的若干建议。     

Hybrid SVM／HMM Method for Face Recognition

A face recognition system based on Support Vector Machine(SVM) and Hidden Markov Model (HMM) has been proposed. The powerful discriminative ability of SVM is combined with the temporal modeling ability of HMM. The output of SVM is moderated to be probability output, which replaces the Mixture of Gauss (MOG) in HMM. Wavelet transformation is used to extract observation vector, which reduces the data dimension and improves the robustness.The hybrid system is compared with pure HMM face recognition method based on ORL face database and Yale face database. Experiments results show that the hybrid method has better performance.