一种基于规则的对比度增强方法

本文提出了一种基于规则的对比度增强方法;着重对均值和方差变换、规则库的建立和修改、局部增强技术等进行了探讨。实验结果表明,该方法优于大多数传统的图像增强方法。     

纤维强制裂缝转向规律实验及现场试验

可降解纤维可以强制人工裂缝发生转向,促进复杂缝网的形成,目前还不清楚纤维强制裂缝转向规律。通过纤维滤失暂堵能力实验,评价纤维转向剂对人工裂缝的暂堵转向作用,分析纤维转向剂对不同裂缝宽度、不同流速时裂缝暂堵规律,确定形成暂堵的临界纤维质量分数。根据降解性能评价实验,纤维在少量水存在的情况下降解率能够达到85%以上,并在暂堵后依靠储层温度恢复而实现自动降解;根据真三轴压裂物模实验,验证纤维转向剂在裂缝存在条件下形成暂堵强制裂缝转向的可靠性,得出裂缝发生转向的水平主应力差上限为7.5 MPa,两次压裂产生裂缝间夹角与水平主应力差呈负相关关系。85口井次的现场纤维转向酸压工艺试验表明,转向压力最高达到40.0 MPa,增产效果明显。该研究结果对理解纤维暂堵裂缝转向机理与指导现场压裂施工设计具有指导意义。     

环境场对西北太平洋热带气旋快速增强过程的影响

利用美国联合台风预警中心整编的西北太平洋1970—2012年热带气旋(TC)最佳路径数据集及ERA-Interim再分析资料,利用极端天气法确定TC快速增强(RI)的阈值为30 kn,分析了快速增强(RI)TC的时空分布特征;从RI的样本中选取9个个例,采用动态合成分析法,对TCRI过程的环境场进行比分析。研究表明:(1)菲律宾群岛以东(10~15°N,130°E)海域为RI发生频数最多的区域,南海地区发生RI的情况明显偏少。(2)RI在1972年发生的概率最大,而在2005年发生的概率最小,1997年后,RI发生的概率波动性较大。(3)西风与西南风水汽输送结合150h Pa附近的反气旋强辐散作用,有利于TCRI过程的进行。(4)RI发生前24 h至RI发生后的6 h,TC中心附近区域平均东风切变较快增大,其值由0.5 m·s~(-1)增加到2.5 m·s~(-1)左右,之后保持在2.0~3.0 m·s~(-1),使TC处于一个有利于其RI过程的纬向风切变环境。     

增强现实电子地图应用模式研究

增强现实是真实世界与虚拟信息融合的可视化窗口,增强现实与地图的结合日益受到学者的关注与重视。如何合理地在增强现实界面上表达地图内容,提高用户的认知效率是研究的难点之一。在分析AR与地图结合的特点的基础上,拓展了AR Maps的概念,并重点研究了AR Maps应用场景过程;提出了一种从宏观到微观的地图应用模式;最后设计了基于应用模式的AR Maps地图架构,构建了Android环境下的地图平台,验证了AR Maps应用模式的功能。     

广东省北斗地基增强系统的建立与性能分析

探讨了广东省北斗地基增强系统的建立方法与流程,并对系统定位性能进行了全面的测试。结果表明,北斗、GPS、GLONASS三大系统融合服务稳定、可靠、可用性高,可向用户提供实时cm级、亚m级和1 m级导航定位服务。     

基于广义伪卫星的新一代GNSS增强系统

针对GNSS系统在可用性、安全性和完好性等方面的不足,在对伪卫星使用模式和关键技术进行系统归纳梳理的基础上,提出了广义伪卫星的概念和基于广义伪卫星的新一代GNSS增强系统框架。通过新设计的伪卫星体制,可以实现信号层、信息层和通信能力的全面增强,并将伪卫星的应用范围拓展至各类载体平台,实现了卫星导航信号的增强和延伸,提升了卫星导航系统的可用性、安全性、完好性和精确性。结合伪卫星的应用,本文提出了广义伪卫星的两种物理实现架构和组网同步模式,为广义伪卫星的推广应用奠定了技术基础。     

一种陆地卫星影像厚云阴影检测方法

针对现有的遥感影像厚云阴影监测方法存在过程复杂、精度不高等问题,该文提出一种TM影像厚云阴影检测方法:通过阈值分割提取影像中的所有阴影;对比一幅近时相的无云影像,分离出厚云的阴影,即云阴影为"有云"影像比"无云"影像多出的阴影;最后将提取结果与人机交互、云阴影增强模型法提取的结果进行对比分析。实验结果表明该方法提取精度较高,可以快速、准确地提取TM影像中的厚云阴影。     

用偏振光测量棉花纤维的双重壁厚

本文提出一种简便可靠的方法，用Al2O3粉末，实时地直接观测复合式压电换能器在不同频率工作时辐射面振动状态。根据测量结果，证明了把该类换能器的辐射盖板进行理论分析时，简单地作为刚性体来处理，即认为辐射面的振动模式为等幅同相位的活塞式振动是与实际情况不符的，必须对振动模式予以变化。     

多障碍环境中基于增强式学习的势场优化和机器人路径规划

该文把增强式学习方法应用于多障碍环境中机器人路径规划 ,并将增强式学习和路径规划相结合 ,通过工作空间势场的自适应优化学习 ,实现机器人的全局路径规划 ,即得到从任何初始位置开始的最优路径。与传统的人工势场方法相比 ,该方法避免了势场中局部极小点所引起的陷阱区域 ,并且所得到的路径具有最优特性。计算机仿真实验结果表明 ,这种学习方法能有效的解决多障碍环境中的机器人路径规划问题