基于红外热成像的避雷器故障诊断

文章针对一起由红外热成像仪发现的氧化锌避雷器故障,利用在线监测、红外图谱分析、带电测试等多种检测手段对其进行诊断分析,通过不同检测结果的对比,最终确定避雷器故障发生的原因。不同检测手段的灵敏度差异,对电力设备维护有一定的指导意义。     

与抽样相结合的县级作物遥感面积估算应用实例

为了探索遥感卫星影像和无人机调查在实际遥感面积估算中的调查效果和适用性,以广东省阳春市晚稻为例,采用卫星影像与无人机调查结果相结合,使用两种面积估算方法进行2013年晚稻种植面积估算。实验结果表明,比估计和回归估计方法的估算结果分别为22 501.1hm2和22 781.1hm2,二者的CV分别为8.84%和1.03%。研究结果表明:1无人机调查可获得高质量的面积测量信息;2优化后的样本能够支持面积估算过程,但其理论意义需要更进一步地讨论与证明;3卫星数据与无人机调查数据相结合的方法可以提供满足统计精度要求的面积测量结果,具有良好的应用前景。     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。     

基于Hyperion数据的铜矿信息直接和间接提取方法研究

针对不同的地表覆盖条件,研究基于Hyperion星载高光谱数据的砂页岩型铜矿信息提取方法。首先对Hyperion L1级数据进行波段筛选、坏线修复、大气纠正和几何纠正等预处理,然后分别针对不同的植被覆盖情况使用不同的信息提取方法。在岩石裸露区,直接使用光谱角制图法;在植被覆盖区,使用铜金属离子的积累导致的植被生理异常作为间接标志来识别铜矿信息,生理异常使用高光谱植被指数来计算。结果表明,综合使用这两种方法的互补信息能够便于提取复杂地表覆盖情况下的铜矿信息。     

Augmented Panoramic Video

Many video sequences consist of a locally dynamic background containing moving foreground subjects. In this paper we propose a novel way of re‐displaying these sequences, by giving the user control over a virtual camera frame. Based on video mosaicing, we first compute a static high quality background panorama. After segmenting and removing the foreground subjects from the original video, the remaining elements are merged into a dynamic background panorama, which seamlessly extends the original video footage. We then re‐display this augmented video by warping and cropping the panorama. The virtual camera can have an enlarged field‐of‐view and a controlled camera motion. Our technique is able to process videos with complex camera motions, reconstructing high quality panoramas without parallax artefacts, visible seams or blurring, while retaining repetitive dynamic elements.     

基于ECoG的运动想象脑-机接口分类方法

脑—机接口BCI(Brain-Computer Interface)技术是近年来国际上的研究热点之一,它通常利用脑电EEG(electroencephalo-gram)来实现无动作的人机交互,运动想象是其中一种重要的BCI实验范式。有关研究表明,脑皮层电位ECoG(electrocorticogram)具有更好的信噪比与频带特性。研究基于ECoG的运动想象BCI系统,针对ECoG信号的特点,改进了信号处理方法,提取数据的公共空间模式CSP(Common Spatial Pattern)特征,并利用支持向量机SVM(Support Vector Machines)进行分类器设计,提高了运动意向的识别正确率。用相应方法处理2005年脑-机接口竞赛中的一组实验数据,正确率达到92%,相比于当时参赛时所用的方法提高了6%。实验还发现,支持向量机在克服"维数灾难"和"过拟合"方面具有更好的鲁棒性。     

基于改进独立分量分析的高光谱数据分类研究

高光谱数据波段数目多,光谱信息量大,采用传统的分类方法无法取得较好的精确分类效果.针对上述问题,结合独立分量分析(ICA)和概率神经网络(PNN)在高光谱数据特征提取及分类中的优势,提出了一种改进的独立分量分析与概率神经网络相结合的高光谱数据分类方法,首先采用改进的独立分昔分析对高光谱数据进行降维,然后采用概率神经网络对提取的独立分量进行分类.通过仿真实验结果表明,方法可以在获得较高分类精度的同时大大节省分类的时间.     

浅谈《周易》中蕴含的设计思维

随着时代的发展,设计日益以一种文化的形式影响和改变着社会生活方式,文化的内涵是设计中不可忽视的要素,尤其在全球文化一体化危机中,人们更青睐于设计作品表达的精神内涵,通过造型形象所传达的内在文化性、思想性,以及浓厚的深远意境和文化品味。于是,越来越多的设计师把关注的目光投向了中国传统文化的发掘上。《周易》是我国古代重要的认识世界的首部经书,考察我国古代的艺术思维观念必然对今天的设计文化内涵的形成具有借鉴意义。     

UAV imagery based potential safety hazard evaluation for high-speed railroad using Real-time instance segmentation

Potential safety hazards (PSHs) along the track needs to be inspected and evaluated regularly to ensure a safe environment for high-speed railroad operations. Other than track inspection, evaluating potential safety hazards in the nearby areas often requires inspectors to patrol along the track and visually identify potential threads to the train operation. The current visual inspection approach is very time-consuming and may raise safety concerns for the inspectors, especially in remote areas. Using the unmanned aerial vehicle (UAV) has great potential to complement the visual inspection by providing a better view from the top and ease the safety concerns in many cases. This study develops an automatic PSH detection framework named YOLARC (You Only Look at Railroad Coefficients) using UAV imagery for high-speed railroad monitoring. First, YOLARC is equipped with a new backbone having multiple available receptive fields to strengthen the multi-scale representation capability at a granular level and enrich the semantic information in the feature space. Then, the system integrates the abundant semantic features at different high-level layers by a light weighted feature pyramid network (FPN) with multi-scale pyramidal architecture and a Protonet with residual structure to precisely predict the track areas and PSHs. A hazard level evaluation (HLE) method, which calculates the distance between identified PSH and the track, is also developed and integrated for quantifying the hazard level. Experiments conducted on the UAV imagery of high-speed railroad dataset show the proposed system can quickly and effectively turn UAV images into useful information with a high detection rate and processing speed.