X射线灰度图像伪彩色增强方法研究

在一些特殊情况下,要求不同物体所呈的图像具有不同的颜色,从而增加可疑物的可识别性。本文基于计算机图像处理功能,针对灰度X射线安检图像提出了两种伪彩色增强办法,分别为亮度切割法和伪彩色变换映射法。针对特定爆炸物X射线扫描图分别使用这两种方法,得到伪彩色增强的不同效果。实验表明爆炸物的灰度图像运用亮度切割法能有效提高图像的对比度,处理后边缘也更加清晰。     

中国红枫湖沉积物中的年纹理

报道了中国的湖泊沉积年纹理，并通过这些年纹理的矿物组成、藻类种属、地球化学特征和区域季节性气候变化的对比研究，揭示了年纹理的形成机制。     

基于光谱与纹理特征融合的滩涂信息提取方法

滩涂在光学遥感影像中具有光谱信息综合的特点,单纯基于光谱特征的滩涂信息提取方法精度不高.本文在海岸带地物分类过程中,引入了纹理特征分析,发展了一种基于光谱和纹理特征融合的滩涂信息提取方法.该方法首先利用神经网络分别实现基于像元光谱特征和基于图像纹理特征的海岸带地物分类;在两种分类结果的基础上,建立融合模型,完成决策级的信息融合,从而得到最终的滩涂信息提取结果.试验结果表明,在海岸带地物分类过程中引入纹理特征分析是有效的,决策级的光谱与纹理信息融合可以使滩涂信息提取的精度达到92.3%.另外,神经网络方法用于海岸带地物分类亦是可行的.     

基于ENVISAT ASAR数据的东洞庭湖湿地植被遥感监测研究

针对湿地资源监测的需要,以东洞庭湖湿地为研究对象,开展基于ENVISAT ASAR数据的湿地植被遥感监测研究。湿地遥感影像分类是湿地遥感研究的一大难题,通过分析雷达影像的后向散射系数发现,由多时相的同极化、交叉极化波段合成的雷达影像对湿地地物的区分能力最强。研究表明：将基于原图像的灰度级共生矩阵所提取的Contrast纹理特征与滤波后图像的灰度特征组合用于分类,以此实现相干斑噪声的抑制,同时减少地物固有结构信息的损失,实验结果证明该方法可以提高湿地分类精度,其总体精度达到8759%,Kappa值为0822 8,将东洞庭湖湿地划分为水体、芦苇（荻）滩地、草滩地（苔草、虉草等）、森林滩地（杨树、柳树等）、优势种不明显的植物滩地和沉水植物、裸露泥滩地.     

基于电场测量的起重机防触电报警系统

本系统是一种便于在各种起重机设备上安装的距离监测防触电报警制动装置,按功能分为探测模块和接收模块两部分。基于简单可靠的测量方法,探测模块将高压场强信号转换为易处理的电压信号,再进行衰减、整形、滤波,得到与电场强度对应的直流信号。利用高效片上系统C8051F020进行A/D转换,再通过无线电通讯系统把监测到场强信息发送到安装在驾驶室的接收模块。该装置的接收模块能接收多个感应探头的信号,应用时将感应探头安装在起重机各凸出部位。接收模块分析处理接收到的各个感应探头的信息,在智能大液晶屏上,用红、黄、绿彩色矩状的变化,形象的显示起重机各突出部位离场源的距离。一旦起重机设备的某凸出部位与带电体距离小于国家规定的安全距离时,所感应到场强会超过设定值,装置会发出预警、报警信号,同时能控制继电器断开电源,强行制动停止起重设备作业。实现可靠的安全保护。本系统的探测部分采用了有效的屏蔽措施,经过测试,能在30—220kV的高压电场环境中正常工作。     

基于GLCM纹理特征分析的人群密度估计方法实现

实现人群密度自动估计是智能视频监控的研究内容之一,而基于灰度共生矩阵（GLCM）纹理特征的密度估计法是一种重要的人群密度估计方法。本文采用GLCM构建的五个特征量作为参数,通过计算纹理特征量对人群图像进行纹理分析,并采用SVM分类器进行人群密度等级分类。仿真实验结果表明：基于纹理特征的人群密度估计方法计算复杂度低、鲁棒性好。     

基于神经网络的岩体边坡稳定性的灰色聚类空间预测法及其应用

针对岩体边坡稳定性与影响因素之间的非线性关系,提出了基于神经网络的岩体边坡稳定性的灰色聚类空间预测法,结合实例仿真分析,表明该方法能较好地处理岩体边坡稳定性与影响因素之间的灰色非线性关系,同时,能比较准确地预测岩体边坡的稳定性。     

基于自组织映射(SOM)算法的地下水污染源反演

根据污染物浓度监测数据进行地下水污染源反演是一类典型的地下水逆问题,通过对地下水污染源位置与强度的确定有助于提高地下水污染治理与修复的效果.提出一种基于自组织映射(SOM)算法的地下水污染溯源模型的替代模型的构建方法,并通过数值算例研究了 SOM替代模型中训练数据样本数目和神经元数目的最优组合,以得到能够准确地表征地下...     

板材纹理识别现状分析

从板材纹理识别的现实意义出发,简要概述了国内外研究的现状,对目前板材识别的方法和理论进行了探讨,并对板材纹理识别作了展望.     

基于自组织映射与随机森林耦合模型的流域水质空间差异性评估

流域水环境质量空间分布特征分析是推进流域精细化管理的基础.本研究基于流域特征指标与水质的关联性,以子流域为分析单元,利用自组织映射人工神经网络模型（SOM）对苕溪流域水质数据聚类分析为3类后与随机森林模型（RF）进行耦合,对全流域水质进行了空间差异性评估.研究结果显示,上游山地区域水质较好,而平原河网人口集聚区的COD_Mn、NH₃-N及TP浓度较高,山地与平原过渡地带水质则主要受到COD_Mn和TN的影响.采用自然环境、社会经济及土地利用/覆盖指标作为流域特征进行水质分级模式识别,SOM与RF模型耦合模型的准确率稳定在80%左右;在对强相关性特征进行筛选识别后,将蒸发蒸腾量、坡度、人口密度、大于10℃积温、旱地占比、城镇用地占比及景观多样性指数为作为输入特征,准确率可达83%,可以有效地开展全流域水质分级评估.