地质勘探图的矢量化方法研究

根据地质图中的图形元素的特点 ,给出了具有地质属性的工程图矢量化方法 ,从而将地质勘探图纸信息转化为具有地质信息的矢量数据。分块细化方法提高了大幅图纸的细化处理速度 ;数据优化处理从整体上考虑了勘探图素间的相关性 ,减少了矢量化过程中人为造成的误差 ;图形元素的部分非几何属性的自动识别提高了矢量化的自动化程度。这些方法在地质勘探图的矢量化系统中得到实现 ,并已在油田实际工作中应用。     

工程图形识别中一种矢量跟踪法

提出了一种通过网络拓扑结点抽取并基于查表实现的矢量跟踪方法，这种方法不但能有效地保证细化后得到的图象骨架的网络拓扑关系，而且算法构造简单，便于软件或硬件实现。论述了数字拓补中的几个基本概念，叙述了算法的构造与实现。给出了实例，证明矢量化后，分枝点、交叉点、切点等处仍很好保持了原图中的拓扑关系，为后续曲线的拟合及线段拼合等处理提供了有利条件，并可以提高机械工程图形矢量处理水平。     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.     

二值图象的线图形矢量化

二值图象线形图数据的矢量化对于工程图的识别极为重要，本文通过对二值图象的细化后采用拐点跟踪及保存特征点的途经，提出了一种简单有效的矢量化方法．     

基于VP Studio和CASS的栅格地形图矢量化方法

在分析比较现有的栅格图像矢量化作业模式和相关软件的基础上,提出将VP Studio软件与CASS软件相结合的人机交互式栅格地形图矢量化作业方法,其中包括基于VP Studio的自动矢量化处理和基于CASS的编辑与后处理两部分。通过对近30个栅格图像的矢量化作业,表明该方法能明显提高栅格地形图矢量化效率、降低作业强度。     

一类彩色图像的矢量化

本文给出一种将工艺图纸或机械图纸一类的彩色图像矢量化的算法，它对提高工艺图或机械图的编辑、计算效率等具有重要的意义。     

梯度神经网络求解Sylvester方程之MATLAB仿真

近年来,国内外学者发表了许多关于线性代数问题实时求解的方法,其中包括了矩阵求逆和线性方程组的并行求解方法.在研究了基于梯度法的递归神经网络用于Sylyester矩阵方程的实时求解后,通过使用Kronecker乘积和矩阵向量化等技术进行了MATLAB仿真从而验证了相关理论分析.计算机仿真的结果证实了这类神经网络方法在解决Sylvester矩阵方程中的有效性和高效率(特别是在使用幂S型激励函数的情况下).     

基于ArcScan的遥感影像中水域信息快速提取方法

将遥感信息的动态性和地理信息系统的分析功能相结合,可以快速、准确地分析水域动态变化。作者在总结前人研究的基础上,提出了基于ArcScan自动矢量化水体边界、快速提取水域信息的方法,文章主要介绍了ArcScan模块、研究流程与具体的方法,并以安徽巢湖2个时期的水域信息提取为例,取得了很好的效果;实践表明,在遥感图像分类的基础上,基于ArcScan自动提取水域信息的方法获得底图要素,可以大大提高专题制图的质量、效率和灵活性。     

土地利用基础图件的矢量化方法

从土地利用图件的特征出发,提出了一套具有实用价值的矢量化流程,并对线状目标半自动提取和边界一致性轮廓优化等关键技术进行探讨,提出了基于方向估计的变向骨架跟踪算法,快速有效地实现了线状目标的半自动提取;同时提出了一种基于三色点的边界一致性轮廓优化策略,有效地解决了图斑共用边界的同一化问题.实验结果表明,算法完全满足土地利用基础图件的实用要求,具有一定的理论意义和实用价值.     

数字图像处理在测井曲线矢量化中的应用

针对测井曲线的矢量化问题，在讨论频域和空域的测井曲线图像预处理优缺点的基础上，采用了矢量跟踪的方法来处理测井曲线、对不同油田的20多种测井图纸样本进行了测试，实验表明矢量化的精度可达98％。