【摘 要】
：
针对现有尺度不变图像特征变化配准方法存在的计算量大的问题,提出针对使用卷积神经网络来提升配准算法的效率的思路。阐述对图像配准算法现有缺陷选择合理的卷积神经网络结构,通过对应的训练方法对新设计的卷积神经网络及尺寸不变图像特征变化结合方法进行训练,对传统方法与本设计的方法进行比较,可见其效率有了较大的提升。
论文部分内容阅读
针对现有尺度不变图像特征变化配准方法存在的计算量大的问题,提出针对使用卷积神经网络来提升配准算法的效率的思路。阐述对图像配准算法现有缺陷选择合理的卷积神经网络结构,通过对应的训练方法对新设计的卷积神经网络及尺寸不变图像特征变化结合方法进行训练,对传统方法与本设计的方法进行比较,可见其效率有了较大的提升。
其他文献
北方某卡鲁塞尔氧化沟污水厂采用MBBR进行提标改造,生化系统改造中保持厌氧区停留时间不变,缺氧区停留时间由3. 07 h增加到11. 34 h,好氧区投加SPR-Ⅱ型悬浮载体,系统末端增加连续流砂滤池。工艺改造后,在进水水质略有提高的情况下,出水COD、NH_3-N、TN、TP和SS平均值分别为35、1. 1、10. 1、0. 4和5. 1 mg/L,基本达到《城镇污水处理厂污染物排放标准》(GB
为了降低城镇生活污泥中重金属含量,采用三槽型电解槽研究了反应时间和NaClO预处理对未脱水污泥中重金属Zn、Cu、Cr和Ni去除率的影响。试验结果表明,延长反应时间可以提高未脱水污泥中重金属去除率。电渗析反应时间为14 h时,污泥中Zn、Cu、Cr和Ni的去除效果较好,去除率分别为52. 08%、27. 24%、31. 66%和46. 42%。污泥中重金属的初始非稳定态比例越大,电渗析反应后的去除
为考察联氨作为自养脱氮系统菌群调节剂的可行性,以实验室内运行的HABRCANON反应器为试验装置,研究不同浓度联氨对自养脱氮系统脱氮效能和功能微生物的影响。结果表明,低浓度(1～4 mg/L)联氨可以抑制亚硝酸盐氧化菌(NOB)的活性,促进厌氧氨氧化菌(AnAOB)的活性,从而提高脱氮效能;高浓度(10 mg/L)联氨对好氧氨氧化菌(AOB)和NOB的抑制作用明显;停止投加联氨后,CANON系统的
采用一种新型卧式推流干式厌氧发酵系统用于猪粪、秸秆和污泥处理中试研究。试验阶段干式厌氧发酵系统表现出较好的稳定性,运行效果良好。新型卧式推流干式厌氧反应器能够有效解决传热和传质差的问题。当进料含水率为80%、回流比为50%时,出料含水率为84%～88%,有机质含量为60%～70%,酸碱比基本维持在0. 1～0. 3。干式厌氧发酵系统的最佳有机负荷为4. 8 kg/(m~3·d),有机物降解率为40
以污泥表观产率系数Y_(obs)作为衡量剩余污泥产量的指标,通过向序批式活性污泥反应器(SBR)中投加氯化铝(Al Cl3)、氯化镁(MgCl_2),研究了AlCl_3、MgCl_2对胞外聚合物(EPS)、Yobs及COD去除率的影响。结果表明,当AlCl_3和MgCl_2浓度低于10 mg/L时,可以促进活性污泥微生物EPS的分泌,这是污泥表观产率系数增加的主要原因。同时发现,当AlCl_3、M
采用改进型人工快速渗滤系统(CRI)对氧化沟出水进行深度处理,对比分析添加/不添加玉米芯作为固体碳源的CRI系统对COD、氨氮、TN、TP的去除效果和机制,并对饱水段和非饱水段的微生物菌群进行Illumina高通量测序分析。结果表明,CRI对COD、NH4+-N、TN和TP的去除率分别达到60%～73. 3%、62. 5%～100%、57. 1%～89. 3%和85. 9%～99. 4%。CRI去
在贵阳市南明河流域综合治理中,结合城市河流生态补水需求以及城市建设用地条件限制,采用污水收集处理系统与河流治理统筹、污水厂分散布局和地下污水厂的建设模式,实现了污水收集系统一体化、污水处理的协同化、污水的资源化、污水厂建设生态化以及用地集约化、污水厂地上地下土地资源的最大化综合利用,同时实现了污水厂与城市的和谐共生,达到了污水与河流同治的效果,创造了城市流域治理典范。
随着现代交通行业建设发展,机动车数量不断增加。智能交通也成为了现代交通违章处理的重要措施。笔者结合现代常用的电子警察摄像系统进行研究,基于ARM提出了对应的设计研究途径,希望能够为优化电子警察摄像系统提供一定参考借鉴。
多聚焦图像融合在图像融合中日益重要,在图像处理中扮演着关键角色。本文提出一种基于分数阶导数和直觉模糊集的多聚焦图像融合方法。其将原始图像分解为基础层和细节层,建立一个新的分数阶空间频率来反映图像清晰度。采用分数阶空间频率作为细节层融合准则,并引入直觉模糊集对基础层进行融合。实验结果表明,该方法在多聚焦图像融合方面优于已有先进方法。
文章提出了一种基于骨架识别的人体姿态捕捉预测算法,用于识别列车驾驶员违章行为。该方法是将司机作业监控视频拆分成一组连续的图片组合,然后通过构建深度学习模型网络预测每一帧图片中的人体姿态,并使用逻辑回归模型对司机行为进行分类,最终,通过将识别出的司机行为与LKJ数据相关联,裁定司机行为是否违章。该方法比目前机务段靠人工抽检的方式更加高效合理,但其识别效果受限于车载摄像头清晰度。