一种新的形态中值小波图像去噪方法

图像去噪是图像预处理中一项重要环节.针对线性小波分析在图像去噪中会丢失一些细节信息这一缺点,利用数学形态学算子的非线性特征,构建了一种非线性的可用于灰度图像处理的形态中值小波,并应用于图像去噪.对比实验结果表明,该方法比线性小波去噪方法具有更好的去噪性能,图像细节信息损失更小.     

多无人机协作侦察中的车辆再识别

在多无人机协作侦察中,匹配识别不同无人机侦察发现的装甲车辆,属于车辆再识别任务。近年来,车辆再识别技术在智能交通领域得到了快速发展,但是该技术尚未在军事领域得到充分的关注和应用。本文围绕该技术的发展和军事应用展开研究,一方面,从数据集、特征表示、注意力学习、度量学习、属性学习等方面对民用车辆再识别技术进展进行综述,分析总结了现有技术的优点和劣势,提出了有待深入探索的研究方向;另一方面,以多无人机协作侦察任务为背景,探讨分析了车辆再识别在其中的作战运用方式,并针对战场上存在的计算资源有限、环境复杂多变等因素导致车辆再识别性能下降问题,提出了可能的解决思路。本文研究可为车辆再识别技术在多无人机协作侦察中的应用提供前瞻性参考。     

Multi-scale traffic vehicle detection based on faster R-CNN with NAS optimization and feature enrichment

It well known that vehicle detection is an important component of the field of object detection. However, the environment of vehicle detection is particularly sophisticated in practical processes. It is compara-tively difficult to detect vehicles of various scales in traffic scene images, because the vehicles partially obscured by green belts, roadblocks or other vehicles, as well as influence of some low illumination weather. In this paper, we present a model based on Faster R-CNN with NAS optimization and feature enrichment to realize the effective detection of multi-scale vehicle targets in traffic scenes. First, we proposed a Retinex-based image adaptive correction algorithm (RIAC) to enhance the traffic images in the dataset to reduce the influence of shadow and illumination, and improve the image quality. Second, in order to improve the feature expression of the backbone network, we conducted Neural Architecture Search (NAS) on the backbone network used for feature extraction of Faster R-CNN to generate the optimal cross-layer connection to extract multi-layer features more effectively. Third, we used the object Feature Enrichment that combines the multi-layer feature information and the context information of the last layer after cross-layer connection to enrich the information of vehicle targets, and improve the robustness of the model for challenging targets such as small scale and severe occlusion. In the imple-mentation of the model, K-means clustering algorithm was used to select the suitable anchor size for our dataset to improve the convergence speed of the model. Our model has been trained and tested on the UN-DETRAC dataset, and the obtained results indicate that our method has art-of-state detection performance.     

铺层方式对碳/环氧管层间剪应力影响的有限元分析

利用有限元程序ANSYS7.0对软模膨胀成型制备的碳/环氧管件在轴向载荷下的层间剪应力进行了分析。表明铺层的不对称性会显著导致环向层间剪应力增大,增幅在0.43～1.14倍,但对轴向层间剪应力影响很小;碳/环氧管的轴向铺层和环向铺层的比例对轴向层间剪应力和环向层间剪应力有显著影响,其比例在7∶3～4∶1时可以有效降低碳/环氧管的层间应力。     

REBO模型的平衡态分子动力学模拟

为了得到合适的"计算机实验"的"试样"进行固体炸药冲击起爆现象的分子动力学研究,对REBO模型进行了NVE,NVT两种平衡态分子动力学模拟;作为对比,同时还进行了不施加任何人工干预,系统的演化完全由运动方程驱动的分子动力学模拟,讨论了根据对"试样"的不同要求选择适当模拟方法的原则。     

主动悬挂原理试验机动平台的设计及试验研究

某型坦克采用扭杆弹簧而无阻尼器的被动悬挂系统,实际行驶中车体的振动较大,严重影响了其行驶平稳性和乘坐舒适性;为了提高车辆的行驶平顺性和操纵稳定性,进而提高在复杂路面上的越野速度,设计了该型坦克的慢主动悬挂原理试验机动平台,采用模糊RBF神经网络自适应控制策略对主动悬挂平台进行了实车试验,结果表明车体的减振性能得到了明显的提高,验证了所设计的慢主动悬挂系统的优越性。     

新时期影视的解构策略研究(上)

20世纪90年代之后,许多学者对西方解构主义对中国新时期影视的影响表现了一定的担忧,提出了解决的办法。     

新历史主义语境下的中国影视研究

20世纪90年代之后,许多学者对西方新历史主义对中国新时期影视的影响表现出了一定的担扰,提出了解决的办法。     

新形势下高校校报定位与自身发展

随着高校教育教学改革的不断深入,作为高等教育重要组成部分的高校校报也面临着新的机遇和挑战。高校校报只有适应新形势,根据自身特点和属性,就校报的内容、权威性、特色性、服务性、开放性、贴近性准确定位,才能使校报发展之路越走越宽,显示出旺盛的生命力。     

高速机动反舰导弹对舰艇编队的威胁估计研究

威胁估计是一个高度复杂、不确定性事件的推理过程.针对以目标特征为参数计算高速机动反舰导弹对编队的威胁值出现振荡而影响威胁排序的问题,首先运用自组织映射神经网络(SOM)提取高速机动反舰导弹的某些重要特征,其次融合提取的特征计算反舰导弹的航向,然后根据航向计算得到反舰导弹稳定的飞临时间和航路捷径,最后在分析影响威胁估计因素的基础上,运用模糊动态贝叶斯网络进行推理得到威胁值,再结合舰艇的价值系数便可计算得到稳定的威胁排序.仿真结果表明,该方法可以有效解决高速机动反舰导弹的威胁估计问题.