综合物探方法在堤防质量检测中的应用

在堤防质量检测中,地球物理方法能够实现快速、无损的探测,但采用单一物探方法对堤防隐患的判别易形成多解,也很难对堤防质量做出准确分类.本文中应用探地雷达、高密度电法、地震勘探等综合物探方法对大源渡堤防质量进行检测,并以龙荫港以例,通过综合三种物探方法互相参照、相互验证,互为补充,查明了堤防隐患的分布位置与埋深,为堤防质量检测提供一种新的工作方法.     

一种动态场景下的双目视觉里程计算法

在同步定位与地图构建领域,视觉里程计因其传感器成本低廉、定位精度高、蕴含丰富环境信息等优势而得到广泛应用,但环境中的动态物体会显著降低其解算的精度与鲁棒性。针对此问题,提出了一种深度学习辅助的双目视觉里程计,基于几何约束与目标位置约束的方法,能够准确筛选出环境中的动态物体,以提高结果精度,同时能够恢复动态物体的运动轨迹,便于建立语义地图。在KITTI和TUM RGB-D的动态场景数据集上进行测试,得到的结果精度较高。     

带保温层管道腐蚀状态的X射线检测方法研究

随着无损检测技术的飞速发展,X射线实时成像技术获得了广泛的应用.本文论述了带保温层管道的X射线实时成像检测方法,重在对管道腐蚀缺陷深度如何定量的实验方法研究,和管道缺陷处厚度与图像灰度的数学模型建立,从而对管道腐蚀厚度进行定量,管道缺陷的定量研究有助于管道安全运行的评价和隐患问题的及时发现.     

DNQ3型能见度仪故障分析及校准方法研究

为有效提高国家地面气象观测站能见度仪观测数据准确性和设备运行稳定性,对能见度仪开展日常维护、核查校准、数据质控和故障修复等工作显得尤为重要。该文通过对DNQ3型前向散射能见度仪硬件结构和基本工作原理的介绍,以及对一些典型故障进行分析,总结出能见度仪的检测维修流程,归纳了对应的故障解决措施,凝练出该型能见度仪的核查校准和疑误数据质控方法,为一线业务人员开展能见度仪常规维护、故障排查、运行监控等提供借鉴。     

基于侧扫声呐的水下小目标检测技术研究

针对水下小目标探测与识别难的问题,开展基于侧扫声呐的声呐图像滤波、图像分割及目标提取方法研究。常规滤波方法难以有效清除图像中存在的噪声,从而造成图像质量下降。采用非局部均值滤波算法与GPU加速的方法,在获得声呐图像较好处理效果的同时,满足水下小目标检测实时性的要求;同时,采用膨胀算法与Canny边缘检测算法相结合的方式,实现了水下真假目标的有效区分。     

基于深度学习的目标检测定位系统设计与实现

针对传统遥感影像目标检测方法效率不高,并且无有效手段对检测信息进行管理利用的问题,提出了在B/S构架下基于深度学习的目标检测及定位方法。通过集成深度学习框架、WebGIS以及数据库,实现了集遥感影像目标检测、展示及管理于一体的目标检测定位系统,满足多用户基于前端浏览器的并发目标检测需求。利用网格划分策略,实现了基于前端的大区域范围的目标快速检测。基于某机场飞机目标及某城市区域运动场目标检测结果表明:本文设计的目标检测定位系统能够在前端实现目标快速检测定位,具有较高检测精度,并可有效管理检测信息,为深度学习循环再利用提供数据支撑。     

一种新的用于极化SAR图像船只检测的散射相似性测度

本文提出了一种新的用于极化合成孔径雷达（SAR）海上船只目标检测的测度。首先利用散射相似性参数研究船只与海杂波散射机制的差异。基于这些差异,提出了一种新的船只检测测度,该测度能够有效区分船只目标和海杂波。然后提出了利用核密度估计（KDE）方法对该测度进行建模的方法。基于统计模型,实现了自适应恒虚警率（CFAR）的检测方案。本文利用多景C波段RADARSAT-2极化SAR（Pol-SAR）数据上进行实验,系统分析了所提出测度的海杂波拟合性能与船只检测性能,并与两个经典的极化测度进行了比较,实验和比较结果证明了所提的测度的可行性。     

基于D-InSAR技术的金沙江地区滑坡形变监测与分析

滑坡是发生在我国山区的主要地质灾害类型,金沙江地区由于地势较高、地形复杂、多云多雨的特点,给传统的滑坡监测增加了难度。合成孔径雷达差分干涉测量技术(Differential interferometry synthetic aperture radar,D-InSAR)已在滑坡地面沉降监测中得到了广泛应用。本文选取金沙江上游沿岸作为研究区域,基于2018年8月11日与9月28日的Sentinel-1A影像及SRTM1数据,利用GAMMA软件及D-InSAR技术监测到金沙江地区的地表形变,成功识别出金沙江右岸的一处滑坡灾害。研究结果显示,在此滑坡的坡顶部分出现了约2.5 cm的沉降,而在坡底部分由于崩塌物的累积,地面出现了约3 cm的抬升。从实验结果可以得出,InSAR技术是一种有效的滑坡变形监测手段,利用Sentinel-1A卫星的SAR数据对滑坡区域进行形变监测,可以得到较好的干涉结果。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。     

深水多波束测深系统测深精度评估

深水多波束测深系统主要应用于高精度全覆盖水下地形测量,随着现代水声技术的发展,其可同时获得海底地貌信息(底质分类)、水柱信息(水体中的油气),成为海洋探测必不可少的设备。对深水多波束测深系统原理、功能、发展做简要介绍,对多波束系统测量误差与精度评估方法进行了初步研究,并利用上海海洋大学"淞航"号首航实测数据,开展了EM302深水多波束测深系统的安置偏移量检校和测深精度评估工作。该工作具有较强实用性,为深水多波束的合理高效使用提供有益的参考。