基于视觉注意模型的红外图像分级压缩方法

针对红外成像末制导武器人在回路模式中回传图像高压缩比与高保真度之间的矛盾,提出了一种基于视觉注意模型的红外图像分级压缩方法。在采用视觉注意模型提取得到红外图像显著区域的基础上,按照显著区域、背景区域、过渡区域对图像进行三级划分,然后根据不同区域图像中信息的重要程度采取不同的压缩方式,进而实现对整幅图像的压缩。实验结果表明:该方法在保留目标重要信息的同时,大大减少了图像传输的数据量,与传统的整图压缩方法相比,更适用于人在回路的应用场合。     

一台高分辨同位素鉴别望远镜

本文介绍了一套成功地用于深非弹激发函数测量实验的同位素鉴别探测系统，其中对反应产物质量数Ａ的鉴别采用的是飞行时间技术，对原子序数Ｚ的鉴别利用的是△Ｅ－Ｅ方法，飞行时间是通过两个ＰＰＡＣ来测量的，△Ｅ探测器为纵向电场气体电离室，Ｅ探测器为金硅面垒半导体探测器。测量结果得：ＰＰＡＣ的本征时间分辨δｔ约为１４０ｐｓ，Ａ分辨Ａ／△Ａ约５０和Ｚ分辨Ｚ／△Ｚ约３０。文中对作为定时探测器的ＰＰＡＣ作了较为详细的     

井下压力计检定装置误差分析

为了使井下压力计能准确录取资料，需要对作为专用计量器具的井下压力计检定装置进行误差分析。计量了采油厂普遍使用的二等标准井下压力计检定装置的几种误差，并在此基础上，给出了计算误差的方法。通过计算，得ＹＵ－６００型活塞式压力计组成的检定装置的误差值。     

计算机仿真技术在高职化工教学中的实践与探讨

将计算机仿真技术运用到化工教学中去,模拟真实的化工过程、化工生产环境,有利于调动学生的学习积极性,提高学习效率和学习兴趣,同时优化了化工类实训与实践环节的教学过程,有助于对学生综合能力以及化工实际操作技能的培养,为发挥学生的能动性创造了更好的条件,从而有效地提高了教学效果。     

住宅小区环境绿化建设的探索

文章对住宅小区环境的绿化建设进行探讨,阐述了绿化设计的指导思想和具体的景点设计,通过优化小区环境来提高居民生活质量.     

新型线路故障点测距算法

现有的线路测距算法都是基于单端量的,其主要问题就是过渡电阻的影响,虽然已经提出了很多减小过渡电阻影响的方法,但无法从根本上消除它。随着纵差保护在线路保护中应用得越来越广泛,提出了一种新型的基于双端量纵差保护的测距算法。     

石蜡切片改良技术及其在怀山药干燥中的应用

石蜡切片是观察组织微观结构应用最广泛的一项技术。该文针对干制怀山药硬度高、含水率低的特点,在传统石蜡切片的基础上增加软化预处理过程、加长固定时间等步骤。结果表明：改良技术染色效果很好且可以清楚地观察到组织的微观结构;运用改良技术观察热风干燥、真空干燥、微波真空冷冻干燥怀山药的微观结构,热风干燥与真空干燥组织破坏程度较为相似,其木质纤维破坏严重,组织结构致密,微波真空冷冻干燥木质纤维破坏较少、组织结构较完整。该研究为干燥物料观察微观结构提供了一套具体的操作步骤。     

虚拟农业移动机器人采摘行为的知识建模

针对农业果树采摘手段原始和机械落后状况,首次提出面向虚拟农业智能移动机器人采摘行为的知识建模。首先研究虚拟环境(VE)下机器人采摘行为,提出了层次结构和行为的知识建模方法,对VE中的机器人结构和行为进行知识分类和表达。其次,建立了关联知识库和知识模型。然后,提出基于粗糙集的行为知识分类处理,把农业智能移动机器人的作业行为分为三类行为,通过分类对冗余知识进行属性约简。最后,通过知识建模,实现了VE下机器人的行为推理和仿真。     

广电网络中EPON的实践探索

随着社会经济的发展,传统的广电网络传输模式已经无法满足人民日益增长的信息需求了。将EPON应用在广电网络的改造当中可以提高广电网络平台的建设水平,文章将简要分析EPON的原理、特点以及EPON在广电网络当中的应用。     

结合双视觉全卷积网络的遥感影像地物提取

目的 遥感影像地物提取是遥感领域的研究热点。由于背景和地物类型复杂多样,单纯利用传统方法很难对地物类别进行准确区分和判断,因而常常造成误提取和漏提取。目前基于卷积神经网络CNN（convolutional neural network）的方法进行地物提取的效果普遍优于传统方法,但需要大量的时间进行训练,甚至可能出现收敛慢或网络不收敛的情况。为此,基于多视觉信息特征的互补原理,提出了一种双视觉全卷积网络结构。方法 该网络利用VGG（visual geometry group）16和AlexNet分别提取局部和全局视觉特征,并经过融合网络对两种特征进行处理,以充分利用其包含的互补信息。同时,将局部特征提取网络作为主网络,减少计算复杂度,将全局特征提取网络作为辅助网络,提高预测置信度,加快收敛,减少训练时间。结果 选取公开的建筑物数据集和道路数据集进行实验,并与二分类性能优异的U-Net网络和轻量型Mnih网络进行对比。实验结果表明,本文提出的双视觉全卷积网络的平均收敛时间仅为U-Net网络的15.46%;提取精度与U-Net相当,远高于Mnih;在95%的置信水平上,该网络的置信区间明显优于U-Net。结论 本文提出的双视觉全卷积网络,融合了影像中地物的局部细节特征和全局特征,能保持较高的提取精度和置信度,且更易训练和收敛,为后续遥感影像地物提取与神经网络的设计提供了参考方向。