Quality assessment for visible and infrared color fusion images of typical scenes

Two comprehensive evaluation metrics, image perceptual quality based on target detectability (PQTD) and perceptual quality based on scene understanding (PQSU), are proposed to measure image quality for visible and infrared color fusion images of typical scenes. A psychophysical experiment is performed to explore the relationship between conventional quality attributes and the proposed evaluation metrics. The prediction models for PQTD and PQSU are derived by multiple linear regression statistical analyses. Results show that the variation of PQTD can be predicted by sharpness and perceptual contrast between the target and background, and that color harmony and sharpness can predict PQSU. The proposed evaluation metrics and their prediction models provide a foundation for further developing objective quality evaluation of color fusion images.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

基于MRI列线图模型对乳腺良恶性结节的预测价值研究

采用多因素Logistic回归分析构建乳腺结节的MRI多参数诊断预测模型,并验证该模型的诊断效能。回顾性分析乳腺病变患者共205个病灶,其中恶性病灶113个,良性病灶92个。观察良恶性病灶的形态学及动力学特征。以恶性组为实验组,以良性组为对照组,将205例病灶随机分为训练集样本(174例)和外部验证测试集样本(31例)。通过统计学分析筛选指标,用训练集数据构建预测模型并绘制其列线图;采用外部验证测试集样本验证模型诊断的一致性;绘制受试者操作特征(ROC)曲线并通过计算曲线下面积(AUC)来验证模型的区分度,以预测模型在乳腺良恶性结节鉴别诊断中的敏感度、特异度及准确度来评价其诊断效能。经过筛选后纳入预测模型的独立危险因素为患者年龄以及病灶的ADC值、TIC曲线、病灶大小及强化特征5项指标。经研究,预测模型在此次样本中对乳腺良恶性结节预测准确率达92.2%。因此,基于Logistic回归分析法构建的乳腺多参数MRI预测模型,其列线图对乳腺良恶性结节的预测具有较高的参考价值。     

基于灰色预测模型的广州港货运发展研究

新冠肺炎疫情对广州港的货运发展产生了一定程度的影响,但目前仍然缺少相关的定量研究.基于灰色预测模型,利用港口货物吞吐量、外贸货物吞吐量、集装箱吞吐量三个货运指标,在新冠肺炎疫情没发生的这一假设下,推测2020年1-8月广州港的各货运发展指标值.基于预测值与实际值的比较,定量研究广州港的货运发展受新冠肺炎的影响值,反映新...     

基于小波去噪和WNN-ARIMA组合模型的年径流预测

为解决单一的小波神经网络预测精度不高的问题,提出一种新的基于小波去噪和WNN-ARIMA组合模型,应用小波阈值去噪法对小波神经网络的输入值进行预处理,同时对模型残差值进行ARIMA模型修正.利用该组合模型对洮河流域下巴沟站年径流量进行预测,预测趋势和预测值与原始实测数据吻合度高,表明此组合模型可靠性强,可以有效预测年径...     

基于无人机多光谱图像的土壤水分检测方法研究

以表层土壤为对象,探究土壤的多光谱反射率与土壤水分含量相关性,进行基于无人机多光谱图像的土壤水分含量预测模型方法的探究。选取中国农业大学通州实验站为研究区域,实地采集试验田的土壤样本100组,按照一定梯度配制土壤含水量,配成的土壤含水率为10%~50%之间,土壤含量的真实值采用土壤烘干法进行测定。多光谱相机灵巧便捷,可搭载在无人机上对土壤进行监测。将RedEdged-M型多光谱相机搭载在Phantom 3型无人机上,选择阳光充足的采集环境,实时采集土壤样本的多光谱图像,建立土壤多光谱信息与水分含量之间的模型。利用处理光谱数据的ENVI5.3软件提取土壤样本多光谱信息,以多光谱相机自带的标准白板反射率为100%,计算出土壤样本在蓝、绿、红、红边、近红外五个波段的光谱反射率。采用BP神经网络算法、支持向量机算法、偏最小二乘算法分别建立基于无人机多光谱图像的土壤水分含量的预测模型。以80组土壤样本数据作为训练集,建立基于多光谱图像的土壤水分含量预测模型。采用莱文贝格-马夸特算法对BPNN进行改进,提高了其训练速度,当网络结构为5-10-1时,训练效果最好,本文选择该网络结构;SVM采取高斯核函数,当参数为0.56时,模型效果最好。本研究采用归一化均方根误差(NRMSE)和决策系数(R 2)对三种土壤水分含量的预测模型进行定量对比。以20组土壤样本数据作为测试集,结果可知,基于BP神经网络土壤水分含量预测模型的NRMSE为0.268,R 2为0.872;基于支持向量机的土壤水分含量预测模型的NRMSE为0.298,R 2为0.821;基于偏最小二乘土壤水分含量预测模型的NRMSE为0.316,R 2为0.789。对三种模型分析可知,基于BPNN的土壤水分含量预测模型效果均较好。结果可知,土壤的光谱反射率与含水率间存在较密切的相关性,将多光谱相机搭载在无人机上可以对土壤水分含量进行有效的实时监测,对监测土壤墒情提供技术支持和理论支撑。     

正畸弓丝与托槽间摩擦力建模及试验研究

正畸矫治过程中,正畸弓丝与托槽间的相对滑动趋势将产生摩擦力,进而降低有效矫治力,影响矫治的性能和效率. 针对目前正畸摩擦力预测方法量化预测精度低的问题,依据正畸弓丝与托槽间的几何关系、力学关系及物理参数,提出一种基于分力叠加原理的计及接触角度的正畸摩擦力预测模型建立方法. 探究影响正畸摩擦力的主要因素以及变化规律,提出采用有限滑动法测量正畸摩擦力,搭建了基于六维力传感器的正畸摩擦力测量系统,进行了不同弓丝-托槽组合和不同接触角度的摩擦力测量,试验数据与预测模型的理论数据间误差率处于0.55%~9.65%之间,证明该预测模型可为医师明确正畸矫治器参数-摩擦力-矫治力的关系提供理论依据,为实现数字化正畸提供理论支撑,保证个性化正畸方案的高效、高可靠性和高舒适度,最终达到轻力矫治的效果.      

语音信号序列的Volterra预测模型

对给定的英语音素、单词和语句进行了采集并完成预处理. 分别应用互信息法和Cao 氏法确定了实际采集的语音信号序列的延迟时间和嵌入维数, 以完成语音序列的相空间重构. 通过计算实际采集的语音信号序列的最大Lyapunov指数, 完成了语音信号的混沌特性识别, 判定其具有混沌特性. 引入Volterra级数, 提出了一种具有显式结构的语音信号非线性预测模型. 为克服最小均方误差算法在Volterra模型系数更新时固有的缺点, 在最小二乘法基础上, 应用基于后验误差假设的可变收敛因子技术, 构建了一种基于Davidon-Fletcher-Powell算法的二阶Volterra 模型(DFPSOVF), 并将其应用于具有混沌特性的语音信号序列预测. 仿真结果表明: DFPSOVF非线性预测模型对于单帧和多帧语音信号均具有更好的预测精度, 优于线性预测模型, 并且能够很好地反映语音序列变化的趋势和规律, 完全可以满足语音预测的要求; 可以根据语音信号序列的嵌入维数选取预测模型的记忆长度. 所提出模型可以为语音信号重构和压缩编码开辟一条新途径, 以改善语音信号处理方法的复杂度和处理效果.     

用人工神经网络预测催化精馏塔开工过程的研究

催化精馏是使化学反应过程和精馏分离过程结合在一起,是伴有化学反应的新型特殊精馏过程.“反应精馏”概念自20年代提出以来,从30年代到60年代初,研究都是对特定体系的工艺探索;70年代后,研究扩展到非均相催化反应体系,出现了非均相催化精馏过程,成为了反应精馏的一个重要分支;