一、A Construction of Characteristic Tilting Modules（论文文献综述）
顾海锋[1]（2021）在《基于无人机倾斜摄影的化工园三维精细建模》文中指出“十三五”以来,我国的化工园区进入了提质增效的发展新阶段,但因其规划不合理导致安全环保事故时有发生,故进一步规范建设加强园区一体化管理很有必要。三维实景模型能够直观真实地反映建筑物空间地理位置和表面纹理,可以很好的应用在化工园区的一体化管理上。由于化工园区建筑物种类繁多,而且形状各不相同,特别是圆柱体状的储存罐建筑较多,因此构建化工园区的三维模型难度较大。传统的三维建模方法需要大量人机交互操作,生产成本高、耗费时间长,而利用工业级无人机与倾斜摄影技术相结合,可以对化工园区进行大面积、快速、高效的三维实体化建模。但是由于无人机飞行姿态和相机采集数据影像角度等原因,会造成部分地面建筑物的几何畸变和区域纹理不清晰。针对无人机倾斜摄影测量技术出现的这一问题,本文对三维模型进行了精细化的处理,包括常见问题的修复和纹理的精细化处理,并对三维模型精度进行评价分析。本文的主要研究内容如下:（1）搭建无人机倾斜摄影测量系统,对目标区域进行倾斜影像数据采集。其具体操作包括测区勘察、像控点的布设及测量、无人机及相机的选择、航线的规划、飞行作业以及数据整理检查等步骤,通过对每一个步骤细节的把控,尽可能地提高倾斜影像的质量和像控点的精度。（2）构建三维实景模型并对模型精度分析。对数据进行预处理之后,利用Context Capture软件导入倾斜影像照片、POS数据和像控点数据,通过自动空中三角测量计算得到每个相片的相机位置和相机参数,再通过密集匹配得到超高密度的点云,将点云连接构建三角格网,进而形成高分辨率的数字表面模型,最后从影像中提取纹理自动映射到模型上,形成三维实景模型。最后对模型进行精度分析,体现在两个方面,一是对五个模块区域的空三精度进行分析评价,二是利用像控点作为核查点对三维模型的精度进行分析评价。（3）模型精细化处理。针对建成的三维实景模型,对其出现的水面空洞、悬浮物、结构扭曲变形、镂空严重等问题进行修复,还提出了充分利用倾斜影像和外业实地拍摄照片对建筑物纹理进行精细化处理的方法。结果表明,本文解决了模型畸变和区域纹理不清晰的问题。修复后的三维模型结构精细、纹理清晰,其平面中误差和高程中误差均达到了《三维地理信息模型数据产品规范》的Ⅰ级要求,并将三维模型应用到化工园区的一体化管理上,为其提供更为准确的参考依据,这对园区消防安全有着重要的意义。
李静娴[2]（2021）在《厚松散层下开采地表移动变形规律与区域预测模型构建》文中进行了进一步梳理煤炭资源开采强度的不断增大导致“三下”压煤问题进一步严峻。淮南地处华东腹地,蕴藏着丰富的煤炭资源,但大量煤层埋藏在厚松散层下。厚松散层下开采引起的地表沉陷会表现出很多的特性,如最大下沉系数大于1,边界收敛慢。上述特性造成了在厚松散层下开采沉陷预测的精度受限,特别是下沉盆地拐点以外的预计,相对误差常常达到60%以上。因此,为了更好的指导安全生产,建立一个模型易于实现、参数方便获取的适应厚松散层下的开采沉陷预测模型对该地区的生态环境的保护、煤炭资源的可持续发展、地表建（构）筑物破坏等级预计等尤为重要。本文以淮南矿区为研究对象,在实测数据分析以及文献分析等基础上研究了厚松散层下开采沉陷的地表移动规律,构建了对厚松散层下开采沉陷预测适应性强的预测模型及该模型的淮南矿区区域预测参数初值解算模型。论文的主要内容及成果如下:（1）对单工作面的开采移动变形动静态规律的详细分析,与对淮南矿区搜集到的开采沉陷参数的综合分析相结合,总结出厚松散层下开采沉陷特殊规律;并通过灰色关联法结合逐次回归与融合自变量的方法构建了开采沉陷参数与地质条件参数之间的解算模型,通过拟合中误差与模型的泛化性能两种精度指标验证了该模型解算结果可靠,具有实际预测价值;构建了岩土体分层预测组合模型,该模型将煤层上覆岩层与松散层看作两种不同介质,分别利用概率积分模型预测,按动态线性权重加权组合,通过调节模型参数可达到控制预测下沉盆地边缘收敛速度的效果。（2）为了精确的解算概率积分模型和岩土体分层预测组合模型参数,解决传统优化算法在解算非线性模型时具有很强的参数初值依赖性,限制了新模型的参数解算的问题,本文引入了布谷鸟搜索算法,并增强其局部搜索能力,解决原算法的局部搜索能力不强的问题。利用仿真模拟试验验证了该算法对于观测数据中含有随机误差、粗差和观测点缺失等问题时都具有很好的抵抗性,并且通过与遗传算法和总体最小二乘抗差算法反演效果对比证明了该算法用于开采沉陷参数解算时精度可靠。（3）选取7个淮南矿区厚松散层下开采工作面,分别利用概率积分模型和岩土体分层预测组合模型对其进行拟合,结果显示新模型在保证了概率积分模型在下沉盆地中间部分的高预计精度的同时下沉盆地边缘部分拟合精度可从60%以上提升到20%以内。并构建了岩土体分层预测组合模型与概率积分模型参数之间的解算模型,结合概率积分模型关于工作面地质条件参数之间的解算模型,间接地获取了岩土体分层预测组合模型参数初值获取的解算模型。（4）在理论研究的基础上,成功研制了集移动变形值计算、参数解算和移动变形值预计于一体地淮南矿区开采沉陷预测软件。图80表41参199
程长青[3]（2021）在《基于机器学习的答题卡客观题识别系统的设计与实现》文中研究表明目前,考试作为阶段性学习成果的一种检验方法,是学校教学过程中必不可少的一个环节,然而客观题的批阅工作单调且重复,浪费了教师大量的时间与精力,还不利于对考试结果进行统计和分析。本论文拟研发出一种基于机器学习的答题卡客观题识别系统,能兼容多种类型的答题卡,具有使用方便、实用性广等优点,易于在各类学校中推广,减轻教师阅卷负担、提高教学质量、推动考试教学的信息化进程。本论文研究的主要贡献包括以下几个方面:首先,针对目前广泛存在的无定位点与同步头的答题卡,我们设计了一套不依赖于定位点与同步头的填涂点定位算法,该算法主要基于卷积神经网络,通过卷积神经网络找出答题卡上数字题号的位置,再根据题号与填涂点的相对位置关系,精确定位出填涂点的位置。其次,为了兼容考生各种不规范的填涂,我们设计了一套基于填涂点综合特征的填涂信息识别算法,综合利用了整体填涂一致性、填涂面积和填涂灰度等信息,使用改进的K-means算法来识别填涂信息。最后,我们设计并实现了一套基于机器学习的答题卡客观题识别系统。该系统能便捷地批量识别答题卡,还能方便地对考生和班级的考试成绩进行管理查询。在十万张真实的答题卡图像测试数据集上,本系统阅卷的准确度达到了 99%以上,表明了我们算法和系统的有效性。
张弓[4]（2021）在《心血管疾病鲁棒分类算法研究与平台研制》文中提出心血管疾病严重威胁人类生命健康,为社会和家庭带来沉重的负担。早期准确诊断心血管疾病对于挽救患者生命至关重要。心电图（Electrocardiogram,ECG）由于其无创性和低成本的优点,已成为最常用的心血管疾病诊断工具。通常情况下,心血管疾病在早期阶段没有明显的症状,ECG上的形态变化和病变特征不甚明显,需要专家的仔细甄别。然而,现阶段医疗资源有限,专家处理长期的心电图记录将是一项非常耗时且困难的任务。在此背景下,心血管疾病自动分类研究应运而生。本文结合心电信号特点,分别从泛化能力、抗噪、抗数据倾斜性以及平台实用性四个方面展开心血管疾病分类系统研究。本文研究工作归纳如下:1.传统机器学习方法通常泛化能力较弱,识别准确率不高。而传统卷积神经网络（CNN）具有提取抽象泛化特征的能力,缺点是调参复杂,训练周期长。针对上述问题,提出格拉姆主成分网络的心肌梗塞识别算法。算法核心思想是通过主成分分析网络（PCANet）提取主要特征,该网络具有泛化能力强、调参方便以及训练时间短的优点。同时,为充分发挥PCANet在图像处理上的优势,采用格拉姆角场（Gramian Angular Difference Fields,GADF）方法将一维心电信号转成单通道图片。该转换方法既可保留心电信号的幅值信息,又可保留信号对于时间的依赖性。转换后的图片通过PCANet挖掘出特异性信息,最终采用线性支持向量机完成识别分类。在无去噪的条件下,实现高准确率的心血管疾病分类算法。2.现实生活中,由于个体间年龄、心率、心跳模式等差异影响,现有算法在不同病人间的测试效果不佳,算法泛化性能亟待提高。针对此类问题,提出离散余弦残差网络的心肌梗塞识别算法。算法首先采用离散余弦变换方法获取心拍的时频域信息,利用残差网络强大的特征提取能力,进一步对时频特征进行优化,提取到关键的类别差异性特征,最终实现较强泛化能力与良好抗噪声鲁棒性的心血管疾病分类算法。3.为实现鲁棒性多疾病识别算法,传统方法通常将心电数据单一映射至时频域、抽象域或统计域,并基于此探索疾病间的差异性特征。这些单一的映射方法忽略了其他特征域信息对心血管疾病识别的关键影响。针对此种问题,提出离散小波密集网络的心血管疾病识别算法。信号经多次二维离散小波变换得到多层时频域特征,且每层特征都与之前所有层特征进行密集连接,在不丢失转换信息的前提下多层次融合时频域信息,最后与深度网络提取的抽象域特征进行特征通道的拼接,深度融合后的特征丰富了疾病判别依据,提高了心血管疾病识别的泛化与抗噪能力。此外,对于倾斜数据采用Borderline-SMOTE采样算法和Focal损失函数相结合的方式,分别从增加代表性少数类别样本与动态调整模型损失的角度,提高算法的抗数据倾斜能力。4.为实现算法原型的平台应用,构建基于深度学习的大数据平台。结合Spark机器学习算法库与Tensorflowonspark框架实现经典算法的分布式计算。通过将心血管疾病识别算法部署在分布式集群之中,提高其运行效率。同时原始数据、运行结果则存储于Hadoop集群的分布式存储文件系统中,以保证数据的完整与可靠性。使用此平台可降低了用户学习和开发算法的难度,为用户提供算法实现的快速解决方案。
李潇雁[5]（2021）在《宽幅高分辨热像仪几何定位关键技术研究》文中提出高时效、高分辨率的热红外遥感影像是研究人类痕迹精细刻画,地表特征反演、资源勘查、及海洋生态监视等领域的重要资源。CASEarth小卫星是我国“地球大数据科学工程”专项支持的首颗卫星,其搭载的核心载荷红外热像仪可获取地表300Km幅宽30m分辨率的三谱段热红外数据。常用的线阵遥感相机数据获取方式主要有长线列推扫和短线列摆扫两种,但受卫星结构尺寸、重量、及功耗等工程边界条件约束,长线列推扫的成像方式难以满足短时相、大幅宽、高分辨的需求。长线列摆扫是解决这一矛盾的有效手段,但由于积分时间缩短、几何定位模型参数增加,增大了高灵敏度、高精度几何定位的困难。本论文针对于我国幅宽和分辨率比最大的热红外载荷CASEarth卫星热像仪,开展了多模块拼接的2000元三谱段并列摆扫式相机高精度几何定位方法研究,建立了长线列摆扫式热像仪严格几何定位模型,提出了地面物像的精确测量与解算方法,并验证了在轨解算的可行性,解决了影响其定标精度的热红外影像控制点提取难题,实现了基于光迹追踪及DOM、DEM参考数据的大幅宽高分辨在轨影像仿真,并通过仿真数据,验证了严格几何定位模型及所提几何检校方法的有效性。本文的主要研究内容及创新点总结如下:1.基于CASEarth小卫星的轨道参数与宽幅高分辨热像仪的结构及成像特点,介绍了热像仪内、外方位模型的相关坐标系及其转换关系,构建了宽幅高分辨热像仪的严格几何定位模型,分析了模型中各输入参量对定位结果的影响及其在模型解算中的作用;最后,以严格定位模型为依据,系统地讨论了各个误差源对影像几何定位精度的影响,为宽幅高分辨热像仪成像仿真及几何处理奠定了理论基础。2.摆扫式热像仪扫描镜安装矩阵,相机内参等几何定位参数受发射过程力学、在轨温度场等因素的影响,需在轨重新进行标校。本文分析了摆镜误差、主点主距误差、探测器拼接模块旋转和平移、及焦平面倾斜等因素的影响,构建了多模块拼接的长线列摆扫式热像仪的自校正模型,提出了基于最小二乘理论的长线列摆扫式相机物像模型解算方法,并基于实验室测试数据,实现了优于0.3像元的物像模型标定精度,验证了在轨时基于地面控制点及所提模型进行物像高精度解算的可行性。3.针对热红外影像对比度低,灰度映射差异性大及高维图像特征不明显等导致的地面控制信息获取困难的问题,提出了一种基于几何纹理模式的热红外影像地面控制点提取方法。该方法充分利用遥感影像本身大量的几何纹理信息,采用Moravec算法、Sobel算子、自适应滤波及形态学处理等方法提取纹理显着的局部特征模式;针对获取的纹理模式图,构建了一种基于Log-polar变换的几何纹理描述符,有效避免了传统控制点提取算法对特征点及其周围梯度信息的依赖;同时,针对传统的相似性匹配中存在的误匹配较多的问题,提出了一种基于匹配位数及位匹配误差双重约束的误匹配剔除方法,通过描述符的循环移位,实现了特征匹配过程中的极值寻优,极大地减小了误匹配对控制点数据库精度的影响。4.针对宽幅高分辨热像仪在轨影像缺乏的问题,根据热像仪轨道参数、严格几何定位模型、参考影像以及DEM数据,提出了一种基于光迹追踪的长线列摆扫式相机在轨成像仿真方法,实现了任意时刻、任意位置的在轨影像仿真。同时,根据热像仪几何定位模型,构建了基于“广义”修正矩阵的长线列摆扫式相机几何检校模型,并通过高精度的地面控制点,采用先外后内的解算方法对模型参数进行了检校,最终实现了优于2像元的定位精度,验证了严格几何定位模型及所提检校方法的有效性。该研究可为长线列摆扫式遥感相机在轨几何处理技术提供有益参考。
熊柏桥[6]（2021）在《基于深度学习的文本检测和识别系统的研究与实现》文中认为文本检测和识别技术是计算机视觉领域的一种基础技术,被广泛应用于各类图像处理系统之中,具有较强的研究和应用价值。然而,当前的各类文本检测和识别系统仍存在一些问题:1)针对开放场景的文本检测算法通常无法同时解决多形态文本建模和重叠实例的检测问题,少数二阶段文本检测算法虽然可以缓解该问题,但是速度表现较差;2)当前大部分文本检测算法通常修改于通用目标检测算法,没有充分的利用文本实例的固有特征;3)针对受限场景的文本检测和识别系统尚未充分利用具体场景的先验信息,常引入过多用户约束,降低系统的可用性。针对以上问题,本文基于深度学习方法进行了相应的改进,具体研究内容如下:1)在开放场景下的文本检测任务中,本文提出了一个单阶段融合回归与分割的文本检测算法。在单阶段目标检测框架的基础上,算法额外引入了动态卷积参数生成分支以及图像分割子网络,实现了单阶段的多形态文本分割定位。该算法在保留二阶段方案优点的基础上,具有更简洁的网络结构以及更快的推理速度,在IC17MLT数据集上,算法较二阶段方案可以在F值上提高0.7%,推理速度提升22.6%。2)在开放场景下的文本检测任务中,本文针对当前方案没有充分利用文本先验特征的问题,提出了一种基于标签分配和质量预测的文本检测算法。算法通过一种基于中心线区域约束的标签分配方案,缓解了通常方案中建模方式和文本实例不匹配的问题;通过增加质量预测分支,使后续合并算法可以同时考虑到结果的分类得分和定位得分,缓解了原方案中结果合并不准的问题;通过增加反向的特征融合分支,增强了网络多尺度建模的能力。在IC17MLT数据集上,算法相较先前算法在F值上提升了 2.0%,同时仅带来约9%的额外推理开销。3)在受限场景下的文本检测和识别系统的研究中,本文重点关注卡证识别场景内存在的高用户输入限制的问题,提出并实现了一个高用户自由度的卡证识别OCR系统。系统提出了一种基于分割的卡证区域定位模块,增强系统针对复杂图像的处理能力;提出了一种针对噪声敏感的本文识别模块,提高系统在高自由度输入场景下的识别能力。所提出系统在不限制用户输入背景、姿态、角度的基础上,可以获得可靠的识别结果。
李钊[7]（2021）在《化工园区指针式仪表智能巡检技术研究》文中提出仪表数据的监测在化工园区的过程控制、生产安全中有着重要的价值,甚至直接影响企业的发展和生存。指针式仪表,由于其较高可靠性和恶劣环境的适应能力,广泛应用于化工园区。传统人工巡检存在人力成本高、粗大误差和时效差等问题。所以对指针式仪表的智能化巡检具有重大意义。指针式仪表的智能巡检可分为三个部分:指针式仪表识别定位、仪表自动读数和巡检路径规划。针对仪表识别算法存在定位速度慢、实时性不高的问题,提出了一种改进YOLOv4网络结构。通过精简主干网络和降低卷积层深度使得模型识别定位速度提升;采用ReLU激活函数来减少预测过程的计算量,提高定位实时性;通过在网络输入端添加切片操作,进一步提升小尺寸仪表识别定位性能。实验结果表明,改进后YOLOv4单帧定位速度提升了 12.4%,能够满足实时仪表定位需求。针对仪表读数误差大、泛化性差和计算量大等问题,提出一种关键点检测的指针式仪表读数方法。首先,利用OpenPose算法对刻度和指针的关键点进行提取。然后,通过多梯度读数来降低最大误差、提升读数的平均精度和泛化性。其次,采用椭圆拟合方法根据刻度关键点对变形的表盘进行拟合,并通过弧度读数方法来降低由于图像变形带来的误差。最后,通过关键点透射变换校正法来减小在进行倾斜误差校正时计算量大的问题。以人工读数作为真实值,改进读数算法的读数平均误差降低到2.83%,能够满足仪表读数精度需求。针对固定线路巡检无法满足巡检点的时效性、巡检时间长和巡检整体成本高的问题,根据化工园区巡检的实际需求,以机器人能源、巡检点时效及巡检完整性为约束,建立巡检路径优化的数学模型,优化机器人巡检路径;为提高求解的质量,在随机变邻域迭代搜索算法（ILS-RVND）的基础上添加扰动和模拟退火机制,设计适合该问题求解的搜索算法。经实验验证,本文算法进行优化会使量化成本下降约24%,巡检时间下降约36%且会大幅减少巡检点的超时巡检现象。最后,对化工园区巡检系统进行软硬件设计,并设计现场巡检模拟实验。最终实验结果表明,巡检系统的读数识别率为95%,平均读数误差绝对值为3.35%,能够很好的满足化工园区现场巡检需求。
张冰华[8]（2021）在《基于深度学习的高铁接触网关键部件状态检测算法研究》文中研究指明接触网是高速铁路牵引供电系统的重要一环,其安全状态检测问题是铁路行车安全的重中之重。为此我国特地制定了《铁路供电安全检测监测系统（6C系统）总体技术规范》,该系统负责对高速铁路的牵引供电系统进行全方位、全覆盖的综合检测监测。其中C4接触网悬挂状态检测监测装置（4C系统）为6C系统的子系统,负责接触网悬挂系统的各零部件的高精度成像检测,指导接触网故障隐患的消缺。目前,4C系统具备初步识别接触网零部件的功能,但漏检和误检情况频发,因此往往作为接触网检测的辅助手段,其检测精度有待进一步提升。本文根据4C图像数据中各零部件往往较小、存在一定的旋转角度及数据样本极其不平衡（异常样本远远小于正常样本）的特点,将高速铁路接触网的关键零件的状态检测任务分为两部分研究:第一部分先定位待检测零件区域;第二步再对前一步定位出的零件区域部分进行零件异常状态检测。具体的研究主要分为以下几部分:（1）针对铁路4C图像的背景复杂多变、尺寸巨大和目标物体占比小且大多存在旋转角度等问题,本文提出一种改进的Faster R-CNN检测算法,将基础的骨干网络VGG16更改为检测能力更强的Res Net-50网络,同时添加多尺度检测方法提高对小物体的检测精度,最后根据物体具有旋转角度的特点,给目标检测框多增加一个角度参数,使得目标物体的位置识别更加精确,提高了检测精度。（2）针对接触网待检测目标物体在4C图像上占比过小的问题,本文提出利用三重注意力集中机制来显着增强目标物体在图像上的区域。人类在感知过程中往往会有选择性的专注于给定信息中的一部分感兴趣区域而忽略其他部分。这种注意力集中机制有助于改善感知信息,同时保留其上下文信息。因此,本文将三重注意力集中机制添加到通用的目标检测算法中,增强目标检测算法对物体的检测精度,解决了传统的注意力机制的通道注意和空间注意机制单独分开计算的缺点,提高了空间维度和通道维度的交互作用。（3）针对4C图像数据中异常样本少的特点,本文从实际工程的角度出发,采用基于对抗训练的半监督方法来进行异常检测。具体做法是采用改进的GANomaly网络进行对抗性训练,在训练阶段只需要输入正常样本数据图像,由生成器网络生成输入数据的重构图像和高层空间的潜在特征向量,让生成器网络模型学习正常样本的数据分布。当输入数据为异常样本图像时,由生成器网络生成的重构图像和高层空间的潜在特征向量会明显区别于正常样本输入时生成的重构图像和高层空间的潜在特征向量,此时给判别器网络设置合适的阈值,即可判别输入图像是否异常。本文中对原GANomaly算法的网络架构进行改进,增加跳层连接,使得网络的性能得到提升。基于上述研究,在实验室搭建了算法所需要的环境,全部采用铁路4C图像数据集进行本文算法的验证,并利用其他的先进算法进行对比实验,经过大量实测数据图像验证,本文设计的算法合理,符合工程实际应用,能够有效的检测出铁路接触网的异常零件。准确率能够基本达到人工检测的水平,可有效提升工作效率。
马霞飞[9]（2021）在《深度学习光学合成孔径共相误差检测技术研究》文中研究指明随着天文观测以及遥感监测在现代科技中发挥出越来越重要的作用,对光学望远镜分辨率性能的要求进一步提高,增大口径以提高成像分辨率成为望远镜发展的主要趋势。由于制造技术、系统装配以及航天器有效载荷等方面的制约,传统单一口径望远镜很难在增大口径方面实现进一步突破。合成孔径成像技术以多路分离的子孔径阵列等效地达到大口径望远镜系统的高分辨率成像性能,必将会成为未来高分辨成像的主要发展方向之一。然而,合成孔径系统中共相误差的存在会严重制约分辨率的提高,只有消除共相误差带来的影响,才能保证合成孔径系统真正实现高分辨率成像。围绕共相误差检测这一合成孔径成像技术中的关键问题,本论文将深度学习方法引入共相误差检测,并通过仿真和实验展开了研究,主要内容如下:首先,对光学合成孔径成像系统的研究进展进行综述,总结了现有传统共相检测技术以及神经网络共相检测方法的特点以及局限性,针对当前共相误差检测研究的发展趋势和面临的主要挑战,提出了基于深度学习的共相误差检测技术,探索更具有实用价值的共相方法。其次,结合合成孔径系统的物像关系与深度学习原理建立了深度学习光学合成孔径共相误差检测的数学物理模型,通过采用单卷积神经网络拟合一定谱宽点扩散函数图像和全子孔径共相误差之间的输入输出映射关系,实现了端到端的共相检测。该方法可以在大量程范围内直接实现系统的精共相检测,且每次检测只需要一帧焦面点扩散函数图像即可完成,在降低系统复杂度的同时实现了对共相误差的快速检测。此外,研究了该方法在相干长度范围之外的极限检测量程,进一步扩展了共相误差探测范围。然后,搭建了两孔及三孔验证实验平台,通过构造实验训练集和实验测试集验证了基于单卷积神经网络的共相检测技术在实际系统中的可行性;针对复杂系统中采集大量真实图像存在的困难,仿真构建逼近实际系统的成像模型,并生成仿真图像代替实验图像对网络进行训练,对实验测试集的共相检测结果验证了利用仿真数据训练得到的网络可以实现对真实图像的高精度共相探测。最后,针对面目标共相检测中存在的困难,采用焦面和离焦图像构造与目标特性无关的特征图像作为训练集,通过仿真验证了单卷积神经网络基于一定谱宽特征图像直接提取全子孔径共相误差的可行性;分析了子孔径数目增多导致的映射关系复杂度增加对该技术探测精度以及探测速度的影响;基于非中心对称冗余阵列和中心对称冗余阵列讨论了基线冗余度对该方法共相检测性能的影响,并结合理论分析提出了针对这一问题的解决方案。
孟天杭[10]（2021）在《基于Cesium的大规模三维场景瓦片构建与可视化》文中研究指明近年来,随着无人机、三维激光扫描等数据采集技术的发展,有效降低了三维空间数据的获取成本和时间周期,提高了数据精度。然而随着大规模三维空间数据的不断积累,三维空间数据如何在B/S下高效地发布、传输、可视化和分析成为一个亟待解决的问题。随着WebGL与Web开发技术的发展,产生了众多的三维可视化框架,Cesium作为目前性能优异的三维可视化框架之一,它能够在三维虚拟地球场景中添加丰富多样的地理要素。Cesium团队设计并研发了3D Tiles数据结构,便于海量三维空间数据的网络传输与渲染。虽然它是开源的一套规范,但是如何去生成3D Tiles,官方并没有给出合理的解决方案。当然,AGI公司开源了部分3D Tiles处理工具,在倾斜摄影数据方面已经能很好地进行处理,但在人工大模型和点云方面还没有很好地解决方案。本文通过详细研究Cesium框架与3D Tiles数据规范,提出了一种大规模三维场景瓦片构建的解决方案,并对海量三维空间数据的可视化做了相关研究,主要包括以下工作:1.对目前比较流行的几种三维瓦片数据规范进行了概括总结,并对近年来三维瓦片构建技术以及基于Cesium的可视化研究做了相关介绍。2.对Cesium的体系架构、3D Tiles渲染调度相关类进行了阐述。详细研究了gl TF模型数据格式,包括gl TF节点组织、数据访问规则以及二进制形式glb文件结构等。对3D Tiles的定义内容进行详细解析,包括瓦片数据常用的几种数据格式以及瓦片集数据各属性之间的关系和含义。3.对三维瓦片构建相关技术进行研究。提出了一种基于八叉树的三维场景分割算法,并对分割完的场景进行网格简化或点云抽稀过程,从而生成具有多细节层次的场景散列文件。并根据3D Tiles数据规范,对散列文件进行数据格式转换生成3D Tiles的瓦片数据,介绍了3D Tiles瓦片集数据中可以使用的几种空间索引结构以及适用条件,并采用八叉树空间索引结构生成3D Tiles的索引文件,最终生成具有多细节层次的3D Tiles三维瓦片数据结构。4.海量三维空间数据可视化技术研究。对Cesium场景裁剪技术进行了研究,通过背面裁剪和视景体裁剪先剔除不可见的瓦片数据。根据瓦片的空间几何误差计算屏幕空间误差SSE,并依据Cesium的LOD调度策略选择满足条件的瓦片。依据Cesium四叉树调度渲染原理,提出了基于八叉树的海量三维空间数据调度算法,通过使用跳跃式加载、动态屏幕空间误差、控制请求文件队列数量来提高渲染速度,降低了Cesium面对大规模三维空间数据的渲染压力。5.可视化平台搭建。为验证本文相关算法,设计并研发了基于Cesium的WebGIS可视化平台。系统采用前后端分离的方式,前端采用Vue和Cesium集成构成客户端部分。服务端采用Node JS来进行系统发布、数据发布、处理请求、操作数据库等。数据库采用My SQL关系型数据库,对瓦片属性信息进行存储,方便属性信息管理。结合Cesium相关空间分析功能,设计了地图显示、数据可视化、数据分析功能等模块,并进行了相关功能的测试,满足了项目需求,验证了本文相关方法的有效性。
二、A Construction of Characteristic Tilting Modules（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、A Construction of Characteristic Tilting Modules（论文提纲范文）
（1）基于无人机倾斜摄影的化工园三维精细建模（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机发展现状 |
| 1.2.2 倾斜摄影技术的发展现状 |
| 1.2.3 倾斜摄影技术在三维建模中的应用现状 |
| 1.3 主要研究内容和技术路线 |
| 1.4 文章组织结构 |
| 第二章 倾斜摄影测量技术 |
| 2.1 无人机倾斜摄影测量技术的基本原理 |
| 2.2 无人机倾斜摄影测量系统构成 |
| 2.2.1 无人机飞行平台 |
| 2.2.2 航摄仪 |
| 2.2.3 地面站 |
| 2.2.4 后期数据处理软件 |
| 2.3 无人机倾斜摄影测量的特点 |
| 2.4 无人机倾斜摄影测量的关键技术 |
| 2.4.1 多视影像区域网联合平差 |
| 2.4.2 多视影像密集匹配 |
| 2.4.3 数字表面模型生成 |
| 2.4.4 真正射影像生成与纠正 |
| 2.5 本章小结 |
| 第三章 无人机数据采集 |
| 3.1 研究区域概况 |
| 3.2 像控点的布设及测量 |
| 3.2.1 像控点的布设 |
| 3.2.2 像控点的测量 |
| 3.3 航线设计 |
| 3.4 飞行作业 |
| 3.5 数据整理与检查 |
| 3.6 本章小结 |
| 第四章 三维建模及精度分析 |
| 4.1 影像数据预处理 |
| 4.1.1 POS数据预处理 |
| 4.1.2 航片预处理 |
| 4.2 空三加密 |
| 4.3 多视影像密集匹配和三维TIN网格构建 |
| 4.4 纹理映射 |
| 4.5 三维模型成果 |
| 4.6 精度分析 |
| 4.6.1 空三精度分析 |
| 4.6.2 三维模型精度分析 |
| 4.7 本章小结 |
| 第五章 模型优化 |
| 5.1 三维模型出现的问题 |
| 5.2 三维模型精细化修复 |
| 5.2.1 水面空洞修复 |
| 5.2.2 悬浮物及碎片的删除 |
| 5.2.3 镂空复杂的建筑物修复 |
| 5.2.4 结构扭曲变形修复 |
| 5.2.5 数据影像不足的处理 |
| 5.2.6 精细化纹理处理 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）厚松散层下开采地表移动变形规律与区域预测模型构建（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 煤矿开采沉陷研究现状 |
| 1.2.2 厚松散层下开采地表移动规律研究现状 |
| 1.2.3 厚松散层下开采沉陷预计研究现状 |
| 1.3 主要研究内容及技术路线 |
| 2 厚松散层下开采地表移动变形规律分析与预测模型构建 |
| 2.1 2111 (3)工作面沉陷规律分析 |
| 2.1.1 工作面开采地质条件 |
| 2.1.2 观测站布设与观测情况 |
| 2.1.3 工作面地表移动变形情况分析 |
| 2.2 开采沉陷预计参数变化规律分析 |
| 2.2.1 参数选取与精度评定指标 |
| 2.2.2 开采沉陷参数影响规律分析 |
| 2.2.3 厚松散层下开采地表移动规律总结 |
| 2.3 厚松散层下开采沉陷预测模型的构建 |
| 2.3.1 概率积分预计模型 |
| 2.3.2 岩土体分层预测组合模型 |
| 2.4 本章小结 |
| 3 预测模型的参数反演算法 |
| 3.1 遗传算法 |
| 3.2 总体最小二乘抗差算法 |
| 3.2.1 总体最小二乘基本模型 |
| 3.2.2 总体最小二乘抗差基本模型 |
| 3.2.3 预测模型参数的总体最小二乘抗差算法 |
| 3.3 改进布谷鸟搜索算法 |
| 3.3.1 标准布谷鸟搜索算法 |
| 3.3.2 增强局部搜索能力的CS算法 |
| 3.3.3 算法实现 |
| 3.4 数值仿真实验 |
| 3.4.1 设计工作面概况 |
| 3.4.2 CS-ELSA算法对误差的抗干扰能力 |
| 3.4.3 三种算法反演参数能力对比 |
| 3.5 本章小结 |
| 4 厚松散层下开采沉陷预测区域参数模型构建 |
| 4.1 工作面参数解算 |
| 4.2 参数模型构建 |
| 4.3 实例验证 |
| 4.4 本章小结 |
| 5 厚松散层下矿山开采沉陷预计系统研究 |
| 5.1 MSPS软件简介 |
| 5.1.1 移动变形计算模块 |
| 5.1.2 概率积分模型预计参数解算模块 |
| 5.1.3 开采沉陷预计模块 |
| 5.2 软件的工程应用 |
| 5.2.1 矿区概况 |
| 5.2.2 预计结果概况 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 主要工作及结论 |
| 6.2 主要创新点 |
| 6.3 不足及展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（3）基于机器学习的答题卡客观题识别系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文内容安排 |
| 第二章 相关技术综述 |
| 2.1 数字图像处理技术 |
| 2.1.1 图像二值化 |
| 2.1.2 图像去噪 |
| 2.1.3 形态学处理 |
| 2.1.4 倾斜校正 |
| 2.2 数字识别算法 |
| 2.2.1 模板匹配 |
| 2.2.2 支持向量机的数字识别 |
| 2.2.3 卷积神经网络 |
| 2.3 本章小结 |
| 第三章 基于机器学习的答题卡客观题识别算法 |
| 3.1 客观题识别算法整体框架 |
| 3.2 图像倾斜校正 |
| 3.3 基于机器学习的填涂点定位算法 |
| 3.3.1 题号图像裁剪 |
| 3.3.2 数字识别 |
| 3.3.3 题号位置的确定 |
| 3.3.4 填涂点的精确定位 |
| 3.4 基于填涂点综合特征的填涂信息识别算法 |
| 3.4.1 K-means |
| 3.4.2 客观题识别算法 |
| 3.5 准考证号的识别 |
| 3.5.1 填涂型准考证号的识别 |
| 3.5.2 条形码类准考证号的识别 |
| 3.6 异常情况 |
| 3.7 算法性能评估 |
| 3.7.1 数据集 |
| 3.7.2 各部分算法性能评估 |
| 3.7.3 算法总体性能评估 |
| 3.8 本章小结 |
| 第四章 答题卡客观题识别系统的设计与实现 |
| 4.1 系统需求分析 |
| 4.1.1 系统功能需求 |
| 4.1.2 系统非功能需求 |
| 4.2 系统的设计与实现 |
| 4.2.1 系统架构设计与实现 |
| 4.2.2 系统数据库设计 |
| 4.3 系统功能模块设计与实现 |
| 4.3.1 试卷管理模块 |
| 4.3.2 客观题识别模块 |
| 4.3.3 成绩管理模块 |
| 4.4 系统功能测试 |
| 4.4.1 试卷管理模块测试 |
| 4.4.2 客观题识别模块测试 |
| 4.4.3 成绩管理模块测试 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的学术论文和专利 |
（4）心血管疾病鲁棒分类算法研究与平台研制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 论文的组织结构 |
| 第2章 心血管疾病分类系统相关基础 |
| 2.1 引言 |
| 2.2 心血管疾病分类数据源 |
| 2.3 心电信号预处理技术 |
| 2.3.1 心电去噪 |
| 2.3.2 心电定位 |
| 2.3.3 心电信号分割 |
| 2.3.4 归一化 |
| 2.4 特征提取 |
| 2.5 分类 |
| 2.6 大数据平台 |
| 2.7 本章小结 |
| 第3章 格拉姆主成分网络的心肌梗塞识别算法 |
| 3.1 引言 |
| 3.2 一维信号图像化——格拉姆角场 |
| 3.3 主成分分析网络 |
| 3.3.1 简介 |
| 3.3.2 网络结构 |
| 3.4 算法设计思路 |
| 3.4.1 心电信号预处理 |
| 3.4.2 格拉姆角场图像化 |
| 3.4.3 特征提取与分类 |
| 3.5 算法性能验证 |
| 3.5.1 实验数据设置 |
| 3.5.2 实验方案与评估指标 |
| 3.5.3 实验结果与分析 |
| 3.6 算法分析 |
| 3.7 本章小结 |
| 第4章 离散余弦残差网络的心肌梗塞识别算法 |
| 4.1 引言 |
| 4.2 离散余弦变换 |
| 4.3 残差神经网络 |
| 4.4 算法设计思路 |
| 4.4.1 心电信号预处理 |
| 4.4.2 特征提取 |
| 4.4.3 分类 |
| 4.5 算法性能验证 |
| 4.5.1 实验数据设置 |
| 4.5.2 实验与评估指标设置 |
| 4.5.3 实验结果与分析 |
| 4.6 算法分析 |
| 4.7 本章小结 |
| 第5章 离散小波密集网络的心血管疾病分类算法 |
| 5.1 引言 |
| 5.2 自适应频率分割算法 |
| 5.3 离散小波密集网络 |
| 5.3.1 多层二维离散小波变换 |
| 5.3.2 密集连接网络 |
| 5.4 抗数据倾斜算法 |
| 5.4.1 边界合成少数类过采样技术(Borderline-SMOTE) |
| 5.4.2 焦点损失函数 |
| 5.5 算法设计思路 |
| 5.5.1 心电信号预处理 |
| 5.5.2 特征提取 |
| 5.5.3 分类 |
| 5.6 算法性能验证 |
| 5.6.1 实验数据设置 |
| 5.6.2 实验与评估指标设置 |
| 5.6.3 实验结果与分析 |
| 5.7 算法分析 |
| 5.8 本章小结 |
| 第6章 心血管疾病分类算法在大数据平台下的应用 |
| 6.1 引言 |
| 6.2 大数据框架原理 |
| 6.2.1 Hadoop分布式存储文件系统HDFS |
| 6.2.2 Spark分布式计算框架 |
| 6.3 大数据平台设计 |
| 6.3.1 设计思路 |
| 6.3.2 整体架构设计 |
| 6.3.3 具体功能模块设计 |
| 6.4 功能实现与测试 |
| 6.4.1 测试环境 |
| 6.4.2 具体模块功能实现与测试 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 参考文献 |
| 作者简介及在学期间的科研成果、项目经历 |
| 致谢 |
（5）宽幅高分辨热像仪几何定位关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1 章 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 宽幅高分辨成像技术发展与研究现状 |
| 1.2.2 线阵摆扫式相机几何定位技术研究现状 |
| 1.2.3 在轨成像仿真技术研究现状 |
| 1.2.4 控制信息及提取方法研究现状 |
| 1.3 长线列摆扫式热像仪几何定位技术难点分析 |
| 1.4 论文内容安排与创新点总结 |
| 1.4.1 论文内容安排 |
| 1.4.2 创新点总结 |
| 第2 章 宽幅高分辨热像仪定位模型构建及误差源分析 |
| 2.1 宽幅高分辨热像仪系统组成及成像特点 |
| 2.1.1 系统组成简介 |
| 2.1.2 成像特点分析 |
| 2.2 相关坐标系定义及转换 |
| 2.2.1 时间系统简介 |
| 2.2.2 坐标系定义 |
| 2.2.3 坐标系转换 |
| 2.3 热像仪严格几何定位模型 |
| 2.3.1 内方位模型 |
| 2.3.2 外方位模型 |
| 2.3.3 严格几何定位模型 |
| 2.4 几何定位误差源理论分析 |
| 2.4.1 内方位误差 |
| 2.4.2 外方位误差 |
| 2.5 本章小结 |
| 第3 章 基于改进自校正模型的多模块拼接相机物像标定方法 |
| 3.1 传统遥感相机物像标定方法及其局限性分析 |
| 3.1.1 两维拉格朗日插值法 |
| 3.1.2 畸变模型法 |
| 3.1.3 局限性分析 |
| 3.2 多模块拼接的长线列摆扫式热像仪标定参数分析 |
| 3.2.1 主点主距及畸变误差 |
| 3.2.2 摆镜误差 |
| 3.2.3 长线列摆扫式热像仪物像标定模型 |
| 3.3 基于改进自校正模型的多模块拼接热像仪物像标定方法 |
| 3.3.1 测试条件分析 |
| 3.3.2 改进的自校正标定模型 |
| 3.3.3 基于最小二乘理论的标定方法 |
| 3.4 实验结果与分析 |
| 3.4.1 主点主距计算 |
| 3.4.2 原始畸变解算 |
| 3.4.3 物像参数解算及结果分析 |
| 3.5 本章小结 |
| 第4 章 基于几何纹理模式的热红外影像控制点提取方法 |
| 4.1 常用控制点提取方法及其局限性 |
| 4.1.1 控制点提取流程 |
| 4.1.2 Moravec算法 |
| 4.1.3 SIFT算法 |
| 4.2 热红外影像控制点提取难点分析 |
| 4.2.1 热红外影像特点 |
| 4.2.2 热红外影像控制点提取难点 |
| 4.3 基于几何纹理模式的热红外影像控制点提取方法 |
| 4.3.1 基于互相关及Moravec算法的纹理图像块提取 |
| 4.3.2 基于Log-polar变换的几何纹理描述符构建 |
| 4.3.3 基于匹配位及位匹配误差的描述符匹配及误匹配剔除 |
| 4.4 实验结果与分析 |
| 4.4.1 评价指标 |
| 4.4.2 结果与分析 |
| 4.5 本章小结 |
| 第5 章 长线列摆扫式热像仪成像仿真及几何检校方法 |
| 5.1 热像仪在轨成像仿真流程及参数设置 |
| 5.1.1 热像仪在轨成像仿真流程 |
| 5.1.2 热像仪在轨成像仿真相关参数设置 |
| 5.1.3 姿轨参数仿真 |
| 5.2 基于光迹追踪的地面投影位置计算方法 |
| 5.2.1 基于光迹追踪的直接定位 |
| 5.2.2 地面交点计算方法 |
| 5.2.3 基于地理坐标的灰度重投影 |
| 5.3 热像仪成像仿真结果及定位误差仿真分析 |
| 5.3.1 热像仪在轨成像仿真结果 |
| 5.3.2 仿真影像直接定位误差分析 |
| 5.4 基于仿真影像的热像仪在轨几何检校方法 |
| 5.4.1 长线列摆扫式热像仪几何检校流程 |
| 5.4.2 热像仪几何检校方法 |
| 5.4.3 实验与分析 |
| 5.5 本章小结 |
| 第6 章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）基于深度学习的文本检测和识别系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 文本检测国内外研究现状 |
| 1.2.2 文本识别国内外研究现状 |
| 1.2.3 卡证OCR系统国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本文组织结构 |
| 第二章 文本检测与识别系统相关技术分析 |
| 2.1 自然场景文本检测相关技术 |
| 2.1.1 基于回归和基于分割的文本检测方法: |
| 2.1.2 融合回归和分割的文本检测算法 |
| 2.1.3 文本检测评价指标 |
| 2.2 卡证OCR识别系统相关技术 |
| 2.2.1 卡证OCR识别框架 |
| 2.2.2 文本识别相关技术 |
| 2.2.3 文本识别评价指标 |
| 2.3 本章小结 |
| 第三章 单阶段融合回归与分割的文本检测算法 |
| 3.1 二阶段文本检测算法的缺陷 |
| 3.2 网络结构 |
| 3.2.1 基于FCOS的单阶段区域检测回归框架 |
| 3.2.2 基于动态卷积的单阶段文本分割结构 |
| 3.3 优化目标定义 |
| 3.4 实验与分析 |
| 3.4.1 实验数据集 |
| 3.4.2 评价标准与实验设置 |
| 3.4.3 实验比较与分析 |
| 3.5 本章小结 |
| 第四章 基于标签分配与质量预测的文本检测算法改进 |
| 4.1 当前算法存在的缺陷 |
| 4.2 文本检测算法优化 |
| 4.2.1 基于中心线区域约束的标签分配策略优化 |
| 4.2.2 基于质量预测分支的合并算法优化 |
| 4.2.3 基于双向特征金字塔的多尺度建模网络优化 |
| 4.3 实验与分析 |
| 4.3.1 实验比较与分析 |
| 4.4 本章小结 |
| 第五章 基于深度学习的高用户自由度卡证识别OCR系统的研究与实现 |
| 5.1 系统整体解决方案 |
| 5.2 基于语义分割的区域定位模块设计 |
| 5.2.1 语义分割模型与二次分割算法 |
| 5.2.2 角点搜索算法与区域畸变校正 |
| 5.3 基于跨层连接的序列文本识别方法设计 |
| 5.4 系统内其他模块的设计与实现 |
| 5.5 实验与分析 |
| 5.5.1 实验数据集 |
| 5.5.2 评价标准与实验设置 |
| 5.5.3 实验比较与分析 |
| 5.6 系统的部署与实现 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（7）化工园区指针式仪表智能巡检技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 指针式仪表定位 |
| 1.2.2 指针式仪表读数 |
| 1.2.3 路径规划研究 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织结构 |
| 2 基于改进YOLO算法的仪表定位技术 |
| 2.1 神经网络基础 |
| 2.1.1 神经网络 |
| 2.1.2 卷积神经网络 |
| 2.2 YOLO系列算法基础 |
| 2.2.1 YOLO算法 |
| 2.2.2 YOLOv2和YOLOv3算法 |
| 2.2.3 YOLOv4算法 |
| 2.3 改进的YOLOv4算法 |
| 2.3.1 网络结构的改进 |
| 2.3.2 实验与分析 |
| 2.4 本章小结 |
| 3 指针式仪表读数算法研究 |
| 3.1 特征提取算法 |
| 3.1.1 传统特征提取算法 |
| 3.1.2 OpenPose关键点检测算法 |
| 3.2 基于关键点的读数算法 |
| 3.2.1 基于关键点的表盘椭圆拟合 |
| 3.2.2 改进角度法读数 |
| 3.3 基于关键点检测的透射变换校正算法 |
| 3.3.1 倾斜误差 |
| 3.3.2 透射变换读数方法 |
| 3.3.3 实验与分析 |
| 3.4 本章小结 |
| 4 化工园区巡检模型及路径规划 |
| 4.1 化工园区巡检的数学模型建立 |
| 4.1.1 化工园区环境描述 |
| 4.1.2 问题描述 |
| 4.1.3 模型建立 |
| 4.2 基于改进的ILS-RVND算法设计 |
| 4.3 算例分析 |
| 4.3.1 算例数据及参数设置 |
| 4.3.2 基于多机制模拟退火的ILS-RVND算法求解 |
| 4.3.3 对比分析 |
| 4.4 本章小结 |
| 5 化工园区指针式仪表巡检系统设计 |
| 5.1 化工园区指针式仪表巡检系统架构 |
| 5.2 硬件平台 |
| 5.3 软件系统 |
| 5.3.1 巡检机器人软件系统 |
| 5.3.2 服务器软件系统 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（8）基于深度学习的高铁接触网关键部件状态检测算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 接触网零件检测国内外研究现状及分析 |
| 1.3 论文的主要研究内容与创新点 |
| 1.3.1 主要的研究内容 |
| 1.3.2 论文创新点 |
| 1.4 论文的章节安排 |
| 第二章 接触网4C系统及深度学习基本原理 |
| 2.1 接触网4C系统功能及典型故障介绍 |
| 2.1.1 高铁接触网4C系统简介 |
| 2.1.2 4C系统零件典型故障介绍 |
| 2.2 深度卷积神经网络基础知识 |
| 2.3 基于深度学习的目标检测算法 |
| 2.3.1 两阶段目标检测算法 |
| 2.3.2 单阶段目标检测算法 |
| 2.4 本章小结 |
| 第三章 基于改进Faster R-CNN的接触网零件定位算法研究 |
| 3.1 4C系统中接触网零件状态检测问题的分析 |
| 3.1.1 接触网零件检测中的问题 |
| 3.1.2 接触网零件检测算法设计思路 |
| 3.2 接触网目标定位算法的构建 |
| 3.2.1 目标定位算法的骨干网络选择 |
| 3.2.2 基于FPN算法的多尺度目标检测 |
| 3.2.3 基于RRPN算法的倾斜目标检测 |
| 3.3 基于Triplet Attention算法的目标定位检测增强模块 |
| 3.3.1 注意力机制介绍 |
| 3.3.2 经典注意力机制模块-CBAM原理介绍 |
| 3.3.3 本文的三重注意力集中机制-Triplet Attention介绍 |
| 3.3.4 可视化结果 |
| 3.4 实验与结果分析 |
| 3.4.1 数据集准备和实验细节 |
| 3.4.2 检测结果评价准则 |
| 3.4.3 算法结果与对比 |
| 3.5 本章小结 |
| 第四章 基于GANomaly的接触网零件异常检测算法研究 |
| 4.1 引言 |
| 4.2 图像异常检测算法介绍 |
| 4.3 GANomaly网络优化 |
| 4.3.1 标签平滑 |
| 4.3.2 增加跳层连接 |
| 4.3.3 损失函数 |
| 4.4 实验与结果分析 |
| 4.4.1 数据集和实验细节 |
| 4.4.2 评价指标 |
| 4.4.3 实验验证 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（9）深度学习光学合成孔径共相误差检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 光学合成孔径成像系统 |
| 1.3 经典共相误差检测方法 |
| 1.4 基于深度学习的共相误差检测方法 |
| 1.4.1 深度学习的发展 |
| 1.4.2 深度学习的特点 |
| 1.4.3 深度学习在光学合成孔径成像共相检测中的应用进展 |
| 1.5 本文的研究内容与结构安排 |
| 第2章 深度学习共相误差检测理论基础 |
| 2.1 引言 |
| 2.2 光学合成孔径成像理论 |
| 2.2.1 光学合成孔径成像系统的理论模型 |
| 2.2.2 共相误差对成像的影响 |
| 2.3 深度学习理论 |
| 2.3.1 感知机 |
| 2.3.2 反向传播算法 |
| 2.3.3 卷积神经网络 |
| 2.4 深度学习点目标共相误差检测原理分析 |
| 2.5 本章小结 |
| 第3章 深度学习点目标共相误差检测仿真研究 |
| 3.1 引言 |
| 3.2 深度学习共相检测研究技术路线 |
| 3.3 卷积神经网络模型构建 |
| 3.4 卷积神经网络的训练 |
| 3.4.1 深度模型中的基本优化算法 |
| 3.4.2 训练设置 |
| 3.5 宽波带点目标共相误差检测仿真研究 |
| 3.5.1 两孔成像系统共相误差检测仿真研究 |
| 3.5.2 四孔成像系统共相误差检测仿真研究 |
| 3.5.3 极限检测量程分析 |
| 3.6 本章小结 |
| 第4章 深度学习点目标共相误差检测实验研究 |
| 4.1 引言 |
| 4.2 两孔成像系统共相误差检测实验研究 |
| 4.2.1 实验系统 |
| 4.2.2 实验数据集构建 |
| 4.2.3 实验检测结果 |
| 4.3 基于仿真驱动的共相误差检测实验研究 |
| 4.3.1 仿真驱动机制 |
| 4.3.2 仿真数据训练 |
| 4.3.3 实验数据测试 |
| 4.3.4 系统参数偏差容忍性分析 |
| 4.4 三孔成像系统共相误差检测实验研究 |
| 4.4.1 实验系统 |
| 4.4.2 实验数据集 |
| 4.4.3 实验检测结果 |
| 4.5 本章小结 |
| 第5章 深度学习面目标共相误差检测仿真研究 |
| 5.1 引言 |
| 5.2 与目标特性无关的特征图像构建 |
| 5.3 三孔成像系统共相误差检测仿真研究 |
| 5.4 六孔成像系统共相误差检测仿真研究 |
| 5.5 像差对共相误差检测影响分析 |
| 5.6 冗余度对共相误差检测影响分析 |
| 5.7 本章小结 |
| 第6章 总结和展望 |
| 6.1 主要研究内容 |
| 6.2 主要创新点 |
| 6.3 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（10）基于Cesium的大规模三维场景瓦片构建与可视化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景以及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三维瓦片构建技术研究现状 |
| 1.2.2 Cesium可视化技术研究现状 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 文章结构 |
| 第2章 Cesium框架与3D Tiles数据规范 |
| 2.1 Cesium框架 |
| 2.2 glTF模型格式 |
| 2.3 3DTiles数据格式 |
| 2.3.1 瓦片集数据 |
| 2.3.2 瓦片数据 |
| 2.4 本章小结 |
| 第3章 基于八叉树的三维瓦片构建技术 |
| 3.1 三维场景分割 |
| 3.1.1 模型场景分割 |
| 3.1.2 带约束条件的三角形折叠算法 |
| 3.1.3 点云场景分割 |
| 3.1.4 基于曲率的泊松碟采样 |
| 3.1.5 多细节层次表达 |
| 3.2 三维瓦片构建 |
| 3.2.1 瓦片数据生成 |
| 3.2.2 调度文件组织 |
| 3.2.3 3D Tiles生成 |
| 3.3 本章小结 |
| 第4章 海量三维空间数据可视化技术 |
| 4.1 场景裁剪技术 |
| 4.2 LOD调度策略 |
| 4.3 海量数据的加载调度 |
| 4.4 本章小结 |
| 第5章 可视化平台设计与实现 |
| 5.1 平台架构设计 |
| 5.2 可视化需求分析 |
| 5.3 主要功能模块设计与实现 |
| 5.3.1 地图显示模块 |
| 5.3.2 数据可视化模块 |
| 5.3.3 数据分析功能模块 |
| 5.4 系统测试结果 |
| 5.4.1 地图功能测试 |
| 5.4.2 数据可视化测试 |
| 5.4.3 数据分析功能测试 |
| 5.5 工程应用 |
| 5.5.1 晋祠博物馆数字化平台 |
| 5.5.2 遵义会议纪念馆文物数字化展示系统 |
| 5.5.3 地质博物馆数字化系统 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
四、A Construction of Characteristic Tilting Modules（论文参考文献）
- [1]基于无人机倾斜摄影的化工园三维精细建模[D]. 顾海锋. 南京信息工程大学, 2021(01)
- [2]厚松散层下开采地表移动变形规律与区域预测模型构建[D]. 李静娴. 安徽理工大学, 2021(02)
- [3]基于机器学习的答题卡客观题识别系统的设计与实现[D]. 程长青. 北京邮电大学, 2021(01)
- [4]心血管疾病鲁棒分类算法研究与平台研制[D]. 张弓. 吉林大学, 2021(01)
- [5]宽幅高分辨热像仪几何定位关键技术研究[D]. 李潇雁. 中国科学院大学(中国科学院上海技术物理研究所), 2021(01)
- [6]基于深度学习的文本检测和识别系统的研究与实现[D]. 熊柏桥. 北京邮电大学, 2021(01)
- [7]化工园区指针式仪表智能巡检技术研究[D]. 李钊. 西安科技大学, 2021(02)
- [8]基于深度学习的高铁接触网关键部件状态检测算法研究[D]. 张冰华. 石家庄铁道大学, 2021(01)
- [9]深度学习光学合成孔径共相误差检测技术研究[D]. 马霞飞. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [10]基于Cesium的大规模三维场景瓦片构建与可视化[D]. 孟天杭. 北京建筑大学, 2021(01)