基于高密度面波技术的水闸地基隐患检测研究

为了保证北关拦河闸的安全,采用高密度面波技术对水闸防渗墙进行检测,通过数值模拟完成检测范围内地质构造剪切波分布图及地基标贯值分布断面。防渗墙位处的剪切波速度分层表明水闸防渗墙基本完整;用范围内地质构造的剪切波速度换算其对应的标贯值,对比地质土层的初设资料,发现地层标贯值得到提高;本次检测未发生问题,建议进行水闸底板脱空检测,判断沉降原因。研究成果可为其他水闸或水工建筑物的检测提供理论和方法上的支持。     

基于MAR模型的SAR图像的聚类分割

合成孔径雷达（SAR）图像中的斑点噪声是SAR图像处理困难的主要原因,如何抑制斑点噪声及图像处理一直是SAR图像研究的热点。根据SAR图像的成像机理,采用能够描述不同尺度（分辨率）下固有特性的多尺度自回归（MAR）模型,提出一种有效的多尺度抑制斑点噪声和分割方法。首先对SAR图像多分辨率序列建立MAR模型,然后依据模型对SAR图像抑制斑点噪声,重构,最后用Ward聚类分割方法对SAR图像进行分割、比较。     

基于深度学习的单视图重建参数化CAD模型方法

基于图像的三维重建是逆向工程的一个重要研究领域。现有的基于图像的三维重建方法的重建结果基本为点云、体素和网格。该文基于深度学习提出一种单视图重建三维参数化模型的方法。该方法分为2个阶段：第1阶段将RGB图像输入BSP-Net神经网络模型将图像中的物体重建成点云;第2阶段使用Point Net++和DeepCAD神经网络模型实现点云到参数化模型的重建,其中PointNet++提取点云形状特征并编码成形状特征向量,随后将该向量通过DeepCAD解码成CAD命令序列。最后使用PythonOCC库将CAD命令序列转换成参数化模型。实验结果表明,该方法能够实现图像到参数化模型的快速重建,并且鲁棒性较好。对点云重建参数化模型的神经网络模型性能研究,确定该模型的最佳参数组合。此外,在公开的CAD数据集上实验结果表明,第2阶段的神经网络模型能够准确的重建三维参数化模型。     

基于多尺度Markov模型的SAR图像上下文融合分割方法

在多尺度Markov模型的基础上,提出了一种新的用于SAR图像无监督分割的上下文融合分割方法。该方法充分考虑了SAR图像分布的统计特性,用基于混合Rayleigh分布的多尺度Markov模型对待分割图像建模,并直接根据待分割图像用迭代条件估计算法来训练模型的参数。然后以上下文向量的形式提出了四种不同的上下文模型,并用这四种上下文模型分别对待分割图像的多尺度图像信息进行自上而下的融合,最终得到四种不同的分割结果。实验表明,该方法进一步提高了SAR图像分割结果的精度。