高速公路智能交通控制系统的建模及多层描述

本文提出将神经网络和模糊推理用于高速公路交通控制系统的建模及多层描述的一般性方法和框架。其主要思想是：利用神经网络及其他智能方法建立高速公路稳态和动态模型；在此基础上结合交通系统的特点提出改进的多层描述方法，即把高速公路交通系统控制问题分为自组织层，自适应层，最优化层和调节层，试图解决传统方法在高速公路交通系统的分析、建模和控制中遇到的问题。

基于轮廓特征多层描述和评价的部分遮挡目标匹配

针对传统目标匹配算法难以实现部分遮挡目标精确匹配的问题,本文基于轮廓特征的描述和评价提出了一种有效的部分遮挡目标匹配算法。首先,利用曲率划分目标轮廓得到描述局部特征的轮廓分段,并根据目标的骨架对轮廓分段进行合并和分类,实现了目标特征的多层次描述。然后,提出了评价轮廓分段的两个参数:重要性和局部性。前者用于评价轮廓分段所描述目标特征的重要性,后者用于评价轮廓分段相对目标整体轮廓的比例。最后,将两个评价参数与轮廓分段之间的相似度联合起来,得到衡量目标相似程度的加权部分相似度,从而获得部分遮挡目标的最佳匹配结果。与现有遮挡目标匹配算法相比,在不同遮挡情况下本文算法的平均识别率提高了1.5%左右。

一种用于图像检索的多层语义二值描述符

随着图像数据的爆炸性增长,基于内容的图像检索引起了大量的关注.图像检索系统的性能很大程度上是由描述符决定的.有很多传统的描述符先后被提出,但检索的准确率都不太理想.随着深度学习的发展,利用卷积神经网络(Convolutional Neural Network,CNN)来学习占用空间小且具有较强区分力(discriminative)的图像表示逐渐兴起.卷积神经网络全连接层的特征通常为分类任务而设计,捕获的往往是高层的语义信息,难以充分有效的捕获图像的局部信息,而且维度很高.为解决全连接层特征缺乏局部信息且维度较高的问题,本文提出了一种多层语义二值描述符(Multi-level Semantic Binary Descriptor,MSBD).多层语义二值描述符通过多层语义浮点描述符构建和二值描述符学习两个步骤生成.多层语义浮点描述符由全局分支、对象分支以及显著性区域分支构成,每个分支代表一个语义层次,可以同时捕获全局特征以及显著的局部特征.二值描述符学习算法通过一个迭代的过程减少二值化过程中的量化误差以及编码中的冗余信息,在压缩描述符的同时减少区分力的损失.为了进一步提高查询的准确率,本文提出了一种不相似性度量函数.此度量函数同时包含了哈希代表的视觉语义信息以及类级别的高层概念语义信息.本文在该领域典型的数据集上对描述符进行了系统的对比实验,实验结果表明,多层语义二值描述符具有很强的区分力,查询准确率优于很多当前最先进的浮点描述符,在Oxford5K数据集上与目前最好的方法达到了相近的准确率,在Paris6K数据集上比已有的方法超过了约4.3%,在Holidays数据集上比已有方法超过了约2.1%.

基于视觉单词和语义映射的色情图像检测算法

针对传统类型的色情图像检测方法误检率高的问题,提出了一种基于多层视觉单词的检测方法。该方法首先对色情场景的各种视觉元素建立视觉单词,然后通过这些视觉单词建立更高层的编码,包括视觉词组和兴趣区域类别,从而实现对图像不同形态级别的描述与分析。图像的识别特征由相应的编码直方图组成,并将特征映射到一个低维空间中,使图像间的语义距离与空间距离相协调。该方法在各种图像测试中都表现出出色的性能,例如在人物类图像测试中,误检率比传统方法降低了40%。实验结果证明,多层单词体系能够更高效地分析色情图像等复杂场景。

基于快速拒绝模式的局部匹配

针对文物碎片整体形状差异大,自身特点复杂,本文提出一种基于快速拒绝模式的局部匹配算法。利用多层描述子将给定文物碎片模型的特征表示出来,通过快速拒绝模式匹配算法与部位模板进行匹配,最终得到两者相匹配的区域。实验数据表明该算法具有较好的匹配效果。

The application study on the multi-scales integrated prediction method to fractured reservoir description

In this paper,we implement three scales of fracture integrated prediction study by classifying it to macro-（ 1/4/λ）,meso-（ 1/100λ and 1/4λ） and micro-（ 1/100λ） scales.Based on the multi-scales rock physics modelling technique,the seismic azimuthal anisotropy characteristic is analyzed for distinguishing the fractures of meso-scale.Furthermore,by integrating geological core fracture description,image well-logging fracture interpretation,seismic attributes macro-scale fracture prediction and core slice micro-scale fracture characterization,an comprehensive multi-scale fracture prediction methodology and technique workflow are proposed by using geology,well-logging and seismic multi-attributes.Firstly,utilizing the geology core slice observation（Fractures description） and image well-logging data interpretation results,the main governing factors of fracture development are obtained,and then the control factors of the development of regional macro-scale fractures are carried out via modelling of the tectonic stress field.For the meso-scale fracture description,the poststack geometric attributes are used to describe the macro-scale fracture as well,the prestack attenuation seismic attribute is used to predict the meso-scale fracture.Finally,by combining lithological statistic inversion with superposed results of faults,the relationship of the meso-scale fractures,lithology and faults can be reasonably interpreted and the cause of meso-scale fractures can be verified.The micro-scale fracture description is mainly implemented by using the electron microscope scanning of cores.Therefore,the development of fractures in reservoirs is assessed by valuating three classes of fracture prediction results.An integrated fracture prediction application to a real field in Sichuan basin,where limestone reservoir fractures developed,is implemented.The application results in the study area indicates that the proposed multi-scales integrated fracture prediction method and the technique procedureare able to deal with the strong heterogeneity and multi-scales problems in fracture prediction.Moreover,the multi-scale fracture prediction technique integrated with geology,well-logging and seismic multi-information can help improve the reservoir characterization and sweet-spots prediction for the fractured hydrocarbon reservoirs.