【摘 要】
：
目前在海面溢油遥感领域上,公认最好的探测技术之一就是海洋激光诱导荧光（LIF）探测技术。它通过发射激光到海面获得含各种成分信息的荧光,之后分析荧光信号可以得到海面溢油的范围、溢油种类以及溢油厚度等信息。然而单纯的LIF探测系统探测的是一个点,因此可获得信息有限,不能够获取到海面溢油的各项应测参数,而且目前该领域只是对溢油污染未乳化阶段连续薄油膜（d≤10μm）有可用的理论研究成果和探测方法,本文据
论文部分内容阅读
目前在海面溢油遥感领域上,公认最好的探测技术之一就是海洋激光诱导荧光（LIF）探测技术。它通过发射激光到海面获得含各种成分信息的荧光,之后分析荧光信号可以得到海面溢油的范围、溢油种类以及溢油厚度等信息。然而单纯的LIF探测系统探测的是一个点,因此可获得信息有限,不能够获取到海面溢油的各项应测参数,而且目前该领域只是对溢油污染未乳化阶段连续薄油膜（d≤10μm）有可用的理论研究成果和探测方法,本文据此两点不足开展研究。首先,设计LIF+图像海面溢油探测平台,在以往单纯LIF探测的基础上增装图像系统,让溢油海面图像拍取与LIF探测系统并行工作,共同监测同一海面的相同区域,通过LIF获取的“点”和图像获取的“面”得到更多有价值的探测信息,显著改善单纯LIF探测系统的局限性。其次,分析研究海面溢油的表观特性和光学特性,对海面溢油不同类别区域进行划分,根据海面溢油的各类区域特征提出溢油量估测方法,提取油膜厚度信息、油膜荧光强度信息、水体拉曼散射强度信息和图像信息,根据这几者关系拟合适用于本智能探测系统的油膜体积测量公式,提出海面溢油有针对性的区域分类探测理论以及检测方法。最后,提出OTSU结合蒙特卡洛方法测量溢油面积的算法,分别提出对不连续油膜、薄油膜、厚油膜、水包油的厚度估算的具体评估方法,提出估算较厚油膜厚度的荧光比值法,利用智能方法和实验室实验,获得油膜的面积和厚度特征并进行误差分析,结合理论分析验证本文提出算法的有效性。
其他文献
现代社会中,图像是人们从外界获取信息的一种主要方式。高分辨率图像包含了丰富的细节信息和色彩,在医疗诊断、智能设备、视频监控等领域可以发挥出非常重要的作用。然而,在某些情况下,由于成像系统和成像环境的限制,我们只能获得低分辨率的图像。而较低的图像分辨率会给各种图像处理系统带来很大的挑战,造成图像处理系统性能下降。因此,如何提高图像的分辨率一直以来都备受关注。图像超分辨率重建是指利用图像处理技术,从给
随着网络技术的不断发展和完善,我们可以在各种电商平台上购买自己中意的产品。在购买产品时,推荐系统因其优秀的信息过滤功能逐渐成为人们依赖的工具。然而,一些不法商家为了商业利益,雇佣灰色组织,有目的性得对某些产品进行虚假评分,给予人们错误的商品推荐。这些灰色组织因利益需求,活跃在各个电商平台中,对推荐系统的安全造成了巨大的威胁。因此,如何有效地检测出这些组织,是推荐系统中急需解决的安全问题。目前的检测
本文提出了一个利用Greenberger-Horne-Zeilinger（GHZ）纠缠态作为量子信道的安全直接通信方案。在这篇文章中指出，最近由Nguyen提出的‘量子对话’通信方案在截取再发送窃听行为的攻击下，秘密信息是可以被窃听的。本文给出了一个修改后的方案来抵制这种截取再发送攻击，并且讨论了存在控制者的情况下如何实现控制量子安全直接通信。窃听者破坏传输粒子的窃听行为同样也可以被抵制。因此，利
同步定位与建图（Simultaneous Localization and Mapping,SLAM）通过自身所携带的传感器获取环境信息来联合估计机器人的运动和周围环境的地图,大多数的SLAM系统假定机器人运行在静态的环境,然而机器人实际运行的场景中含有大量运动物体,这将严重影响系统定位的精度甚至造成系统定位的失败。针对上述问题,本文提出了室外动态场景下双目视觉语义SLAM方法。具体内容如下:首先
视频分析技术是研究人体与动物体姿态、动作与行为的重要技术手段。而姿态估计是动作表示与识别的关键环节,有着重要的研究意义。本文在水产养殖监控视频下利用视频分析技术研究条纹斑竹鲨鱼体姿态估计算法,在研究人体姿态估计中基于部件模型方法的基础上,实现从人体姿态估计到鱼体姿态估计的迁移。姿态估计是视频行为识别和分析的基础。本文在灵活混合部件模型（FMP）基础上提出语义部件模型对条纹斑竹鲨鱼体进行建模并求解其
卷积稀疏编码已经在图像处理领域取得了瞩目的成就,其是使用滤波器和特征图进行卷积以保持空间一致性,从而弥补了稀疏表示存在的不足。之后,基于深度学习思想的多层卷积稀疏编码也成为研究热点。该文是对卷积稀疏编码模型和多层卷积稀疏编码模型进行研究和改进,其中主要工作内容如下:首先,在门控可学习的迭代收缩阈值算法提高编码成分思想的启发下,该文将这种门控机制引入到卷积稀疏编码模型中,提出了带有增益门的卷积稀疏编
推荐系统在社会生产、生活中有着丰富的应用场景,推荐技术也在不断追求极致结果和高品质的用户体验,面对数据内容的日益增加,数据特征变得越来越稀疏,并且人们对平台个性化需求不断提高,机器学习、协同过滤等传统推荐算法和基于马尔可夫过程、循环神经网络的序列推荐算法都已无法很好满足需求。针对以上这些情况,本文从如何有效缓解数据稀疏性问题和提高推荐算法个性化的能力两方面入手,从序列推荐的角度入手,结合用户与物品
本文提出了一个在量子电动力学（QED）腔场中传送未知的两原子纠缠态的方案。在这个方案中，一个三原子纠缠Greenberger-Horne-zeilinger（GHZ）态被用来作为量子通道。我们让两个原子同时与一个单模腔场和一个经典场相互作用。经过相互作用时间t后，再在原子1的态上执行一个旋转操作R，这样就可以成功地实现量子隐形传送，且成功机率为1.0。另外，本文可以忽略腔场的衰减和热场效应对本方案
众所周知,机器人系统被认为是一种典型的多输入、多输出的非线性系统,在实际的工作中,不仅会出现速度信息无法测量的情况,而且还会受到外部干扰、非精准测量、负载的变化、摩擦力和随机扰动的存在、以及没有进行建模的动态性等各个不确定性因素的影响。以上各种不确定性的因素会直接或间接地对机器人系统的轨迹追踪性能产生不好的影响,使系统变得不稳定。因此,深入探究机器人系统轨迹跟踪控制器的设计问题就具有更加重要的理论
随着信息技术的快速发展,每天都会出现海量的文本信息。通过人工挖掘信息中蕴藏的丰富知识费时费力,如何快速高效地抽取和利用海量信息中的知识成为人们关注的热点。信息抽取作为一种从非结构化文本中抽取结构性信息的技术应运而生,事件抽取是信息抽取中一个极为重要的任务,正在受到越来越多研究者的关注。事件抽取包括两个任务:事件检测和元素抽取。首先,事件检测的主要任务是基于文本中的触发词进行事件的分类,当前基于深度