【摘 要】
：
极光亚暴的频繁发生对现代人类生活的各个方面都会产生巨大的影响，对其发生过程、效应和模型的研究一直是近30年来日地物理学中最受重视的核心前沿课题之一。Polar卫星携带的紫外成像仪（Ultraviolet Imager， UVI）每年采集到的紫外极光图像数量非常庞大，仅由人工从大量的紫外极光图像中识别亚暴事件是非常低效且耗时的。这在一定程度上阻碍了专家们对亚暴现象更深入的研究。因此，自动且精确的从海
论文部分内容阅读
极光亚暴的频繁发生对现代人类生活的各个方面都会产生巨大的影响，对其发生过程、效应和模型的研究一直是近30年来日地物理学中最受重视的核心前沿课题之一。Polar卫星携带的紫外成像仪（Ultraviolet Imager， UVI）每年采集到的紫外极光图像数量非常庞大，仅由人工从大量的紫外极光图像中识别亚暴事件是非常低效且耗时的。这在一定程度上阻碍了专家们对亚暴现象更深入的研究。因此，自动且精确的从海量的紫外极光图像中识别亚暴事件是该领域亟需解决的问题。目前已经有针对于极光亚暴事件检测、识别等方面的研究
其他文献
我国锌矿周围农田污染较为严重，筛选对锌抗性强的植物材料是修复锌污染农田的理想方法。采用盆栽实验，以对锌抗性强的长药景天、三七景天、德国景天、松塔景天、胭脂红景天作为研究对象，研究不同浓度外源锌（0、80、160、320、800、1 600、2 000 mg·kg~(-1)）对5种景天属植物生长（生物量、株高）的影响，比较分析5种景天属植物耐受重金属锌胁迫能力差异。结果表明：5种景天的生物量、株高均
3D物体检测是计算机视觉的一个重要研究方向，在自动驾驶等领域有着广泛的应用．现有的前沿工作采用端到端的深度学习方法，虽然达到了很好的检测效果但存在着算法复杂度高、计算量大、实时性不够等问题．经过分析发现3D物体检测中的“部分任务”并不适合使用深度学习的方法进行解决，为此提出了一种基于异构方法的3D物体检测方法，该方法在检测过程中同时使用深度学习和传统算法，将检测过程划分为多任务阶段：1）利用深度学
在高光谱图像领域中，为了解决传统卷积神经网络中因部分特征信息损失而影响最终地物分类精度的问题，采用了一种基于2维和3维的混合卷积神经网络的高光谱图像分类方法，主要从空间增强、光谱-空间两方面分别进行了特征提取。首先，从空间增强角度提出一种3维-2维卷积神经网络混合结构，得到增强后的空间信息；其次，从光谱-空间角度利用3维卷积网络结构，得到光谱-空间的综合可分性信息；最后，将所得信息进行特征融合并分
在有限防御资源约束下，地铁安防部门面临着引进人脸抓拍系统构建二级地铁暴恐防御体系，还是升级原安检系统构建增强型一级地铁暴恐防御系统的选择。本文基于暴恐分子决策的目标价值依赖性和安防部门的接警反应时间不对称性，构建了有限资源下地铁暴恐防御策略选择的序贯博弈模型。得出并分析了双方的四种均衡策略，最后结合北京地铁积水潭站早高峰案例，给出了考虑高峰大客流冲击效应的暴恐防御决策建议。研究发现，当增强型安检系
在深度学习任务中，随机方差衰减梯度法通过降低随机梯度方差，因此，其具有较好的稳定性和较高的计算效率。然而，这类方法在学习过程中均使用恒定的学习率，降低了随机方差衰减梯度法的计算效率。本文基于随机方差衰减梯度法，借鉴动量加速思想并对梯度估计采取加权平均策略，对学习率利用历史梯度信息进行自动调整，提出了自适应随机方差衰减梯度法。基于MNIST和CIFAR-10数据集，验证本文所提出的自适应随机方差衰减
为了实现机器人控制人机交互的智能化与多功能化，提出了基于视觉手势识别的移动机器人手势控制系统。采用麦克纳姆轮搭建了全向四轮移动机器人平台，以主从控制作为机器人整体控制构架，采用PC机搭建了上位机视觉手势识别系统，采用树莓派设计了下位机机器人运动控制系统，并利用较高可靠性的TCP协议实现了上、下位机WIFI无线通信。采用改进的VGG16网络模型设计了手势识别算法，利用建立的手势图像数据库对网络模型进
由于水体环境中光的吸收和散射，导致采集的水下图像存在色偏、对比度差、细节模糊以及光照不均的缺陷。针对以上缺陷，提出改进的同态滤波与多尺度融合的水下图像增强方法。首先，对采集的水下图像使用色彩平衡算法得到颜色校正的图像；然后，对颜色校正的图像分别采用CLAHE算法和改进的同态滤波算法得到对比度增强的图像和亮度均匀的图像；最后，对上文处理后具有优势特征的3张图像使用拉普拉斯对比度、局部对比度、显著性和
基于视频的人体行为定位技术在城市安全系统、人机交互系统等领域具有广泛应用需求。针对现有人体行为定位技术模型复杂，定位精度与检测速度难以平衡的问题，本论文提出了一类新的人体行为定位的深度学习框架X＿YOWO，该框架继承了原YOWO的3D-CNN和2D-CNN两个分支，重新设计了通道融合与边界回归策略：首先，通过基于相关系数矩阵的通道注意机制和相关性损失函数，使得模型在样本较少的情况下获得更多的有效特
工务专业设施的运维管理是铁路运维管理的重要组成部分，传统的工务运维管理受制于技术手段，对图像数据的管理水平较低：采集时效率低；存储时缺乏统一标准，难以长期积累；使用时检索查询不便，限制了工务运维的精准度和效率的进一步提升。本文针对工务运维中图像数据的管理问题，以BIM技术和机器视觉技术为基础，以移动智能终端为载体，研究了工务运维图像数据智能化管理方法。基于机器视觉技术，实现了通过图像识别工务设施，
针对当前目标跟踪领域中跟踪精确度和跟踪速度难以平衡的问题。例如基于相关滤波实现的跟踪器能够以很高的速度运行， 但跟踪准确性极低；基于深度学习实现的跟踪器能够实现较高的跟踪准确性，但跟踪速度较低。在此基础上， 提出一种改进的Siamese自适应网络和多特征融合目标跟踪算法。首先在Siamese网络每个分支上同时构建AlexNet网络和改进的ResNet网络， 用于特征提取。其次通过端到端的方式同时进