三种海产动物油中高度不饱和脂肪酸的提取

采用低温—盐形成法对蓝圆　Ｓｃｏｍｂｅｒｍｏｒｕｓｎｉｐｈｏｎｉｕｓ（Ｃｕｖｉｅｒ）、马鲛鱼Ｄｅｃａｐｔｅｒｎｓｍａｒｕａｄｓｉ（ＴｅｍｍｉｎｃｋｅｔＳｃｈｌｅｇｅｔ）、海蛇三种海产动物油中高度不饱和脂肪酸进行提取，经皂化、冷冻、过滤、酸化、离心等工序反复处理后，可得碘价为２２０～２５０的高度不饱和脂肪酸混和物。探讨了提取过程中的最适工艺条件，并比较了该三种海产动物脂质中的高度不饱和脂肪酸的含量。     

车载激光扫描数据分类支持下的路面数据提取

车载激光扫描系统可以快速采集道路及两旁的建筑物、植被、电杆等地物的点云数据,而点云数据的分类提取是车载激光扫描系统应用的关键。本文选用全景激光移动测量系统获取的激光点云数据,分析了路面点云数据的特征,采用渐进格网法进行了路面点云数据的提取研究;通过试验区的实例验证,取得了较好的分类效果。     

星载激光光斑影像质心自动提取方法

激光光斑影像的质心提取是卫星激光测高数据处理中的重要环节,对于获得精确的激光指向角有重要的意义。本文总结了灰度重心法、高斯拟合法以及椭圆拟合法3种常用的质心提取方法,在比较其优缺点之后结合高斯曲面拟合法和椭圆拟合法,提出了一种基于高斯阈值的椭圆拟合方法,针对仿真数据进行试验,有较好的精度结果。采用GLAS（geoscience laser altimeter system）的实际激光光斑影像LPA（laser profile array）数据进行试验,发现LPA光斑质心位置变化周期约为1.5 h,幅度最大可达2~3个像素,对应激光指向角变化约9",说明在轨监视激光质心位置变化对于提高激光指向角测量精度非常必要。相关结论可为后续国产卫星激光测高仪足印影像处理提供参考。     

基于DBN的车载激光点云路侧多目标提取

提出一种基于深度信念网络（DBN）的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。     

相机与激光跟踪仪相对位姿标定方法的研究

在空间目标的六自由度精密测量中,激光跟踪仪测量技术与视觉测量技术的联合应用越来越多,为解决相机坐标系与激光跟踪仪位姿模型的标定问题,研究一种利用罗德里格矩阵标定相机坐标系与激光跟踪仪坐标系相对位姿的方法。首先,分别用激光跟踪仪与相机测量出公共靶点坐标和拍摄含有靶点的照片,再用标志中心提取算法和单张相片空间后方交会算法解算出靶点在相机坐标系下坐标,最后利用罗德里格矩阵进行坐标系转换,即可标定出相对位姿。实验结果表明:标定模型X轴平均误差和均方根误差分别为0.005 7mm和0.006 2mm;Y轴平均误差和均方根误差分别为0.003 2mm和0.003 5mm;模型的标定精度和稳定可靠程度基本满足测量需要。     

基于无人机影像的电力线巡检方法研究

随着无人机技术的飞速发展,无人机在远程遥控、续航时间、飞行品质上有了明显的突破,从而为其在电力线巡检作业中提供了良好的发展前景。本文在基于无人机影像巡检拍摄的电力线进行提取的时候,引入电力线一定处于两端塔杆所确定的铅垂面内的约束条件,从而根据约束条件稳定的实现了同名导线点的对应。在进行电力线实时测距时,采用铅垂线轨迹算法对交跨地物进行测距,快速判断电力线下方地物距离,并作出预警判断。     

高光谱遥感影像混合像元分解研究进展

受高光谱成像仪低空间分辨率及复杂地物的影响,高光谱遥感图像存在大量混合像元。为提高地表分类精度以及满足亚像元级目标探测的需求,混合像元分解技术一直是高光谱遥感研究热点之一。本文主要对高光谱混合像元分解技术中的核心问题:端元数目估计、端元提取算法、丰度估计算法进行综述,系统地分析了各种典型算法的原理及优缺点,进一步阐述研究过程中建立高精度遥感混合反演模型与遥感产品业务化中的混合像元分解技术难题,同时针对今后混合像元分解技术发展方向,指出在继续引入新型算法理论方法基础上,结合用户应用需求,推进高光谱混合像元分解算法业务化应用,为高光谱遥感工程化应用提供支持。     

砂样图像岩屑自动分割提取方法

通过将砂样图像进行单颗粒分割,识别砂样成分,可显著提高砂样岩性分析的准确性和效率。现有的砂样图像分割方法主要以传统分水岭算法和卷积神经网络为主,但由于对单颗粒岩屑轮廓细节提取不足,误分割率高。本文提出一种以图像融合算法为桥梁,将卷积神经网络和分水岭算法相结合的单颗粒图像分割提取方法。首先利用改进的Mask R-CNN网络快速分割砂样原图,获得其初分割图像;然后,将初分割图像与砂样原图进行融合,再使用改进的分水岭算法对融合结果进行分割;最后,利用砂样原图坐标点匹配方法,将分水岭分割得到的结果图像进行修正,完成单颗粒岩屑图像提取。实验结果表明,本文的单颗粒自动分割提取方法准确率高达96.77%,且模型更轻量和精准,为岩屑图像分割提供了一种可行且有效的方法,可满足有效测算油藏层构造变化、查找潜在沉积物源及储层动态变化的需求。     

基于三维激光点云数据在自然资源生态系统领域的提取研究

运用地基获取的树木三维激光点云扫描数据源,基于LIDAR360、MATLAB软件处理平台,设计排序算法和凸包算法进行样木树高、胸径等参数提取技术研究,提取的参数与实测值通过回归分析统计:其树高相关系数R²为0.978 0,均方根误差为0.133 3 m,且t检验的P <0.05;胸径相关系数R²为0.972 3,均方根误差为0.55 cm,且t检验的P<0.05。说明提取的树高、胸径参数均与实测的树高、胸径值存在显著性相关,研究表明:采用排序算法和凸包算法提取的单木树高与胸径参数较为理想,具有较高的参数提取精度,为林区大面积范围测量单木树高、胸径等参数提供快速、精准有效的新方法。     

重铬酸钾保护氯化钙提取-原子荧光光谱法测定土壤中可提取态汞

为了更好地对土壤中可提取态汞进行测定,针对目前常用的氯化钙提取-原子荧光光谱法测定土壤中可提取态汞的方法存在测定结果偏低和重现性差的问题,对该方法进行优化。研究采用在氯化钙提取液提取可提取态汞的滤清液中加入适量的重铬酸钾作为保护剂,以保护提取液中的汞不被器壁、溶液胶体吸附,从而解决溶液放置一段时间后测定结果偏低和重现性差的问题,同时考察了测定酸度、硼氢化钾浓度、提取温度、提取液浓度、土液比、提取时间和重铬酸钾的加入量对测定结果的影响,并优选出最佳条件：测定酸度为10%(V/V)的盐酸、硼氢化钾的浓度为10 g/L、提取温度为20℃±2℃、提取液浓度为0.01 mol/L、土液比为1∶10、提取时间为60 min、重铬酸钾的加入体积为2.0 mL。试验结果表明,以本试验推荐的最佳条件测定土壤中的可提取态汞,精密度(RSD,n=7)小于5%,相对误差(RE)小于5%,适用于土壤中可提取态汞的测定。