|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
基于多相位小波變換和 MTFC 的真彩色圖像融合方法
一種基于多相位小波變換和 MTFC 的真彩色圖像融合方法，包括將彩色影像從 RGB 色彩空間轉(zhuǎn)換 到 IHS 色彩空間;將彩色圖像的亮度分量以及全色影像分別采用兩種初始相位參數(shù) I、II 進(jìn)行小波分解; 根據(jù)自適應(yīng)融合準(zhǔn)則，對(duì)彩色圖像的亮度分量以及全色影像采用初始相位參數(shù) I 進(jìn)行小波分解的結(jié)果進(jìn) 行融合處理，對(duì)彩色圖像的亮度分量以及全色影像采用初始相位參數(shù) II 進(jìn)行小波分解的結(jié)果進(jìn)行融合處 理;進(jìn)行灰度畸變替換處理;基于 MTFC 復(fù)原方法，對(duì)經(jīng)過(guò)去畸變處理的亮度成分進(jìn)行影像復(fù)原處理， 得到復(fù)原后的亮度分量;對(duì)復(fù)原后的亮度分量以及彩色影像的色度分量與飽和度分量進(jìn)行 IHS 反變換， 獲取融合后的影像。
武漢大學(xué)
2021-04-13
一種測(cè)量運(yùn)動(dòng)物體橫向速度的雷達(dá)及方法
本發(fā)明涉及一種測(cè)量運(yùn)動(dòng)物體的橫向速度的雷達(dá)及方法，包括線性調(diào)頻脈沖波發(fā)射單元、線性調(diào)頻 脈沖波射頻前端接收單元、信號(hào)處理單元、控制單元、速度顯示單元；控制單元分別與線性調(diào)頻脈沖波 發(fā)射單元、線性調(diào)頻脈沖波射頻前端接收單元、信號(hào)處理單元、速度顯示單元連接；線性調(diào)頻脈沖波射 頻前端接收單元、信號(hào)處理單元、速度顯示單元依次連接。本發(fā)明放置于距離運(yùn)動(dòng)物體一定距離處，兩 路間距一定的接收電路接收被運(yùn)動(dòng)物體反射回來(lái)的電磁波信號(hào)，讓兩路信號(hào)相干涉、測(cè)速等處理后，由 速度顯示單元顯示運(yùn)動(dòng)物體的橫向速度。本發(fā)明在精度和實(shí)時(shí)性等方面可以提高雷達(dá)系統(tǒng)對(duì)運(yùn)動(dòng)物體的 速度檢測(cè)、識(shí)別和跟蹤性能。
武漢大學(xué)
2021-04-13
一種適用于 U 形渠道的量水槽及其計(jì)量方法
一種適用于 U 形渠道的量水槽，U 形渠道中部設(shè)有截面為上開(kāi)口拋物線形的喉口(1)，喉口(1)與上游 渠道之間平滑過(guò)渡形成上游收縮漸變段(2)，喉口(1)與下游渠道之間平滑過(guò)渡形成下游擴(kuò)張漸變段(3)。其 優(yōu)點(diǎn)是:測(cè)流精度高;適合在 U 形渠道內(nèi)使用;適用于不同坡度的量水槽;流量計(jì)算簡(jiǎn)單;結(jié)構(gòu)簡(jiǎn)單， 造價(jià)低，施工方便。
武漢大學(xué)
2021-04-13
基于對(duì)象隨機(jī)游走的遙感圖像視覺(jué)顯著性檢測(cè)方法及系統(tǒng)
一種基于對(duì)象隨機(jī)游走的遙感圖像視覺(jué)顯著性檢測(cè)方法及系統(tǒng)，包括進(jìn)行多尺度分割，并在每個(gè)尺 度下分別對(duì)顏色特征相似的鄰接區(qū)域進(jìn)行合并;對(duì)于每個(gè)尺度下的分割結(jié)果，分別提取每個(gè)分割區(qū)域的 視覺(jué)特征，構(gòu)建當(dāng)前尺度下的對(duì)象集合;對(duì)于每個(gè)尺度下的對(duì)象集合，通過(guò)對(duì)象間的特征差異計(jì)算對(duì)應(yīng) 的邊緣權(quán)重，并計(jì)算注意焦點(diǎn)在對(duì)象間的轉(zhuǎn)移概率，獲得注意焦點(diǎn)的轉(zhuǎn)移概率矩陣，分別根據(jù)注意焦點(diǎn) 的轉(zhuǎn)移概率矩陣計(jì)算注意焦點(diǎn)在所有對(duì)象間的平穩(wěn)分布，由該平穩(wěn)分布中每個(gè)對(duì)象對(duì)應(yīng)的概率進(jìn)一步計(jì) 算視覺(jué)顯著性并歸一化，獲得當(dāng)前尺度下的歸一化視覺(jué)顯著圖;融合各個(gè)尺度下的視覺(jué)顯著圖，即可獲 得該遙感圖像最終的視覺(jué)顯著圖。
武漢大學(xué)
2021-04-13
光學(xué)反射模型與微波散射模型協(xié)同的森林生物量反演方法
本發(fā)明提供一種光學(xué)反射模型與微波散射模型協(xié)同的森林生物量反演方法，包括 1)通過(guò)對(duì)比光學(xué) 與微波輻射傳輸模型的異同，構(gòu)建光學(xué)與微波輻射傳輸協(xié)同模型;2)基于單木生長(zhǎng)模型、光學(xué)與微波 輻射傳輸協(xié)同模型，構(gòu)建森林的光學(xué)二向反射和微波后向散射特征數(shù)據(jù)庫(kù)及相應(yīng)的森林地上生物量參數(shù) 庫(kù);3)基于光學(xué)與微波協(xié)同模擬數(shù)據(jù)庫(kù)，分別構(gòu)建生物量反演的單源光學(xué)模型與單源微波模型;4)通 過(guò)光學(xué)與微波關(guān)鍵因子的敏感性分析，確定協(xié)同模型中光學(xué)與微波數(shù)據(jù)各自所占權(quán)重，從而構(gòu)建 AGB 反演的光學(xué)微波協(xié)同模型。本發(fā)明將光學(xué)遙感數(shù)據(jù)與微波遙感數(shù)據(jù)相結(jié)合，充分發(fā)揮兩者反演生物量的 優(yōu)勢(shì)，有效提高了森林地上生物量的定量反演精度。
武漢大學(xué)
2021-04-13
一種適于規(guī)則網(wǎng)格 DEM 的結(jié)構(gòu)化多尺度重構(gòu)方法
一種適于規(guī)則網(wǎng)格 DEM 的結(jié)構(gòu)化多尺度重構(gòu)方法，包括如下步驟:步驟 1，谷地匯水區(qū)域的提取 及結(jié)構(gòu)化組織;步驟 2，谷地選取與匯水區(qū)域的合并;步驟 3，基于合并后的匯水區(qū)域進(jìn)行約束內(nèi)插生 成新的、刪除次要谷地后的 DEM。其優(yōu)點(diǎn)是:通過(guò)實(shí)驗(yàn)對(duì)比，傳統(tǒng)重采樣及濾波綜合方法無(wú)論谷地和 山脊大小同等程度地削減正向、負(fù)向地貌，沒(méi)有顧及地理特征的保持;而采用本發(fā)明方法綜合后，圖中 表示次要谷地的等高線彎曲呈現(xiàn)成組刪除的效果，表示主要谷地源頭的等高線彎曲保持較好，與專家手 工綜合的效果接近。
武漢大學(xué)
2021-04-13
一種量化路網(wǎng)特征及其土地利用效應(yīng)的方法
本發(fā)明涉及一種量化路網(wǎng)特征及其土地利用效應(yīng)的方法，屬于交通與土地利用規(guī)劃領(lǐng)域。本發(fā)明提 供的道路與土地利用相關(guān)性的研究方法先采用復(fù)雜網(wǎng)絡(luò)多中心性測(cè)度模型量化道路網(wǎng)絡(luò)中各個(gè)路段的 中心值，然后通過(guò)核密度估算和重分類的方法按照中心程度將區(qū)域劃分成不同等級(jí)的子區(qū)，并對(duì)各個(gè)子 區(qū)計(jì)算景觀指數(shù)，最后利用 Spearman 秩相關(guān)分析分別得到道路中心度與土地利用景觀格局之間的相關(guān) 系數(shù)。本發(fā)明從地理空間的角度考慮了道路網(wǎng)絡(luò)的中心特性，對(duì)道路網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行了度量，相比于傳 統(tǒng)的道路特征參數(shù)更好的量化了道路的網(wǎng)絡(luò)特征及其和區(qū)域土地利用之間的互動(dòng)關(guān)系，有利于為交通網(wǎng) 絡(luò)與土地利用規(guī)劃提供理論支持。
武漢大學(xué)
2021-04-13
一種基于旋轉(zhuǎn)天線的方位合成孔徑雷達(dá)系統(tǒng)
本發(fā)明涉及一種基于旋轉(zhuǎn)天線的方位合成孔徑雷達(dá)系統(tǒng)，包括由若干天線組成的均勻圓陣、天線支 撐轉(zhuǎn)盤、匯流環(huán)、電機(jī)、雷達(dá)射頻接收通道;各天線均勻排列在天線支撐轉(zhuǎn)盤上，電機(jī)控制轉(zhuǎn)盤轉(zhuǎn)動(dòng)， 天線接收到信號(hào)經(jīng)匯流環(huán)傳輸?shù)嚼走_(dá)射頻接收通道，通過(guò)信號(hào)干涉處理技術(shù)將該圓陣等效為一個(gè)位于圓 心、具有復(fù)數(shù)方向性響應(yīng)的單鞭天線，同時(shí)通過(guò)其機(jī)械旋轉(zhuǎn)實(shí)現(xiàn)方向圖的方位掃描，提高天線陣列流型 矩陣的秩，增加該天線的獨(dú)立觀測(cè)矢量，等效于進(jìn)行了方位孔徑合成。本發(fā)明采用電小圓陣，減小了天 線陣的占地面積，可提供全方位、無(wú)模糊的方位角信息，實(shí)現(xiàn)了 HF/VHF/UHF 等頻段雷達(dá)探測(cè)，尤其 在高頻段，其探測(cè)性能可與傳統(tǒng)的占地?cái)?shù)十至數(shù)百米陣列的地波雷達(dá)相當(dāng)。
武漢大學(xué)
2021-04-13
基于數(shù)據(jù)驅(qū)動(dòng)局部特征轉(zhuǎn)換的噪聲人臉超分辨率重建方法
一種基于數(shù)據(jù)驅(qū)動(dòng)局部特征轉(zhuǎn)換的噪聲人臉超分辨率重建方法，包括對(duì)待重建的輸入低分辨率人臉 圖像和高、低分辨率訓(xùn)練集相應(yīng)劃分相互重疊的圖像塊;對(duì)于輸入低分辨率人臉圖像的每一個(gè)位置上的 圖像塊，分別從低分辨率人臉樣本圖像對(duì)應(yīng)位置的圖像塊中找出 K 個(gè)最近鄰的圖像塊，并對(duì)應(yīng)找出相應(yīng) 高分辨率人臉樣本圖像中的圖像塊，進(jìn)行去均值化;利用映射系數(shù)計(jì)算出各圖像塊相應(yīng)的高分辨率人臉 圖像塊，重構(gòu)出高分辨率人臉圖像，進(jìn)行迭代后處理。本發(fā)明解決了主成分分析無(wú)法捕獲處于高維流形 空間人臉特征的問(wèn)題，利用局部流形的線性特性有效的進(jìn)行了噪聲人臉圖像的超分辨率重建，同時(shí)進(jìn)行 高分辨率圖像后處理，進(jìn)一步提高了重建結(jié)果的主、客觀圖像質(zhì)量。
武漢大學(xué)
2021-04-13
一種基于 RBF 神經(jīng)網(wǎng)絡(luò)的電纜接頭導(dǎo)線溫度預(yù)測(cè)方法
本發(fā)明涉及一種基于 RBF 神經(jīng)網(wǎng)絡(luò)的電纜接頭導(dǎo)線溫度預(yù)測(cè)方法。本發(fā)明主要分以下 4 個(gè)步驟：1） 樣本數(shù)據(jù)采集：實(shí)時(shí)測(cè)量與電纜接頭導(dǎo)線溫度有聯(lián)系的關(guān)聯(lián)因素（環(huán)境濕度、環(huán)境溫度、護(hù)套溫度、接 頭處絕緣層溫度、觸頭溫度和各種表皮溫度）；2）網(wǎng)絡(luò)訓(xùn)練：首先對(duì) 1）采集的數(shù)據(jù)進(jìn)行預(yù)處理，劃分 訓(xùn)練數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)，然后設(shè)置各種參數(shù)，創(chuàng)建網(wǎng)絡(luò)，最后進(jìn)行數(shù)據(jù)預(yù)測(cè)；本發(fā)明將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用 到電纜接頭導(dǎo)線溫度預(yù)測(cè)中，對(duì)電纜接頭導(dǎo)線溫度在線實(shí)時(shí)監(jiān)測(cè)與故障分析有較好的作用。
武漢大學(xué)
2021-04-13