导读:本文包含了识别成像论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:裂缝,人工智能,潜山,入射角,偏角,变质岩,波束。
识别成像论文文献综述
华正阳[1]（2019）在《基于视觉技术的热成像图像识别系统研究》一文中研究指出针对我国消防事业中由于许多消防员因无法确定所有被营救目标的位置而在火场中耽误时间过长导致的人身安全问题,提出基于视觉技术的热成像图像识别系统,采用VS与OpenCv开发的识别检测算法,对通过热成像技术获取的到热图像和温度值特征进行阈值分割,根据不同物体相同温度值的特征进行连通域设置,结合不同物体特征创建训练特征库,通过训练完成的热图像特征库对获取到的热图像进行特征匹配识别,实现对热成像图像的识别与检测。该系统成功的确定模拟火场中的营救目标的位置,且具有较高的识别率和稳定性,具有一定的学术研究价值和应用推广价值。(本文来源于《通讯世界》期刊2019年12期）
曹浩,吴晓文,卢铃,胡胜,吕建红[2]（2019）在《基于波束形成声成像技术的某±800 kV换流站噪声源识别》一文中研究指出文中以某±800 kV直流受端换流站为研究对象,采用基于波束形成的声成像测量技术,对该直流换流站整站关键位置可听噪声进行现场测试并获得主要噪声源的空间位置和频率特性。测试与分析结果表明,交流滤波场主要噪声源为电抗器组和电容器组,电抗器组区域噪声在562～708 Hz范围内存在较明显峰值,电抗器组与电容器组的噪声存在干涉现象。此外,交流场架构由于电晕放电产生的噪声同样不容忽视;直流滤波场最主要噪声来自于平波电抗器,存在明显高次谐波引起的噪声成分;换流变压器区域主要的噪声源为布置在换流变外部的冷却风扇阵列,以低频噪声为主;站用变区域最大噪声点为变压器本体,频谱主要分布在100 Hz及其倍频上,以291～375 Hz内频率分量较大;调相机外冷水系统和阀冷系统的最大噪声大部分来自于喷淋水拍打底部水盘产生的噪声。(本文来源于《高压电器》期刊2019年11期）
T.Y.Jia,J.F.Xiong,X.Y.Li,W.Yu,Z.Y.Xu[3]（2019）在《基于无创性成像的影像组学特征和随机森林模型识别肺腺癌中的EGFR突变》一文中研究指出摘要目的表皮生长因子受体(EGFR)的酪氨酸激酶抑制剂(TKI)敏感突变在肺腺癌的治疗中必不可少。手术和穿刺活检对检测EGFR存在一定的风险性,为解决该问题引入(本文来源于《国际医学放射学杂志》期刊2019年06期）
商恩俊[4]（2019）在《昆北地区基岩裂缝成像测井识别》一文中研究指出基岩油气藏已逐渐成为众多油田增储上产、接替区块的重要目标。昆北地区基岩储层裂缝发育,基岩裂缝为该区油气的主要通道,因此对该区开展基岩裂缝识别十分必要,通过成像测井可以准确的识别基岩岩性和储层裂缝。(本文来源于《内蒙古石油化工》期刊2019年10期）
张晨,刘舒扬,赵安娜,王天鹤,贾晓东[5]（2019）在《基于小型化便携式光谱成像技术的分类识别系统研究》一文中研究指出小型化便携式光谱成像越来越多应用于日常生活中,给人们的生活提供了更多的便利。柑橘属水果是人们日常生活中经常食用和储存的水果之一,在智能冰箱中,柑橘由于品种相似等原因不利于识别和分类,光谱成像技术利用其物质不同的特征波长实现其识别。采用新型的单芯片式光谱成像芯片搭建小型化便携式的光谱成像系统,利用光谱成像技术实现对柑橘属水果的分类识别,并通过分批次样本进行交叉验证,同时建立光谱分辨率与准确度关系,通过约束光谱分辨率,有效提高了柑橘属水果分类识别的准确度,光谱分辨率小于20 nm,识别准确度可达到95%以上。(本文来源于《红外与激光工程》期刊2019年10期）
雷均[6]（2019）在《油基泥浆下超声成像测井仪裂缝识别效果探析》一文中研究指出声波幅度的衰减程度除与地层裂缝发育程度有直接关系外,还会受到钻井液泥浆电阻率影响。本文对油基泥浆超声成像测井技术现状进行分析,对井周超声波成像测井仪应用进行了研究,然后对识别裂缝的能力进行探讨。(本文来源于《中国石油和化工标准与质量》期刊2019年20期）
曹晓炜,曾锋,张品,颛孙晓博[7]（2019）在《基于椭偏角成像的识别伪装目标方法》一文中研究指出偏振度的测量对反射辐射强度有一定的要求,反射辐射强度较低时,不同材料之间偏振度差别不明显,且线偏振度受探测角和表面粗糙度影响较大,以相同探测角探测粗糙度类似的目标时难以对目标从偏振度上区分。通过分析影响电磁波在物质表面反射辐射的振幅与相位因素,研究了其偏振特性,提出在线偏振光入射条件下,通过对反射辐射椭偏角成像,直接或间接辅助识别伪装目标的方法。建立椭偏角与复折射率、入射角之间的函数模型,并通过软件仿真验证模型的正确性。文章为基于探测偏振信息进行伪装识别的方法提供一种新思路。(本文来源于《红外技术》期刊2019年10期）
易诗,聂焱,张洋溢,赵茜茜,庄依彤[8]（2019）在《基于红外热成像与YOLOv3的夜间目标识别方法》一文中研究指出红外热成像图像反应物体温度信息,受环境条件影响较少,对于特定条件下的夜间安防监控、行车辅助、航运、军事侦查等方面具有很强应用价值。近年来使用人工智能对图像中目标检测与识别技术发展突飞猛进,广泛应用于各个领域。本文提出了一种结合红外热成像图像处理技术与人工智能目标识别技术的夜间目标识别方法。实时采集热成像视频进行预处理,增强其对比度与细节,使用基于深度学习技术的最新目标检测框架YOLOv3对采集处理后的热成像图像中特定目标进行检测,输出检测结果。测试结果表明,该方法对于夜间目标识别率高、实时性强,结合了红外热成像夜间监测和人工智能目标检测的优势,对于夜间的目标识别、跟踪技术具有重大应用价值。(本文来源于《红外技术》期刊2019年10期）
张任风,张占松,张超谟,秦瑞宝,周雪晴[9]（2019）在《渤中19-6气田潜山变质岩储层类型特征与电成像测井识别》一文中研究指出渤中19-6气田潜山变质岩储层类型复杂多样,明确不同类型储层特征、准确识别储层类型有利于储层评价。综合利用岩心、实验、测井和测试资料,研究渤中19-6气田潜山变质岩储层的储集空间类型、储层类型、不同类型储层的电成像测井响应特征与储层类型识别方法。结果表明:研究区潜山变质岩储层具有缝、孔双重储集空间,根据储集空间类型和配置关系可将储层类型分为裂缝型储层、孔隙—裂缝型储层和裂缝—孔隙型储层叁类。叁类储层优势储集空间不同,电成像测井响应差异明显,电成像测井孔隙度谱分析法可较好地区分储层类型,提取、优选电成像孔隙度谱参数P_(50)和W_(80-10),建立储层类型划分图版与标准,实现全井段储层类型识别,与测试资料对比,储层类型识别效果良好。该结果对具有双重储集空间的储层评价具有参考意义,为电成像测井资料的定量分析与运用提供一种思路。(本文来源于《东北石油大学学报》期刊2019年05期）
俞嘉旭,吴帮玉,刘乃豪,朱小叁,任浩然[10]（2019）在《基于局部成像矩阵的监督学习散射点识别》一文中研究指出局部成像矩阵展示了成像点处波场能量在不同波传播局部入射和出射角度上的分布。对反射点和散射点,局部成像矩阵具有显着不同的能量分布规律,二维情况下,前者能量集中于某一倾角的条带上,而后者能量呈散状分布。利用二维SEG/EAGE模型偏移产生的局部成像矩阵作为训练和测试样本,本文初步测试了8种常见的监督学习分类方法根据局部成像矩阵区分散射点和非散射点的效果,着重考察了各个方法的准确率、查准率、召回率和F1-分数指标。测试结果表明,这8种分类方法对散射点局部成像矩阵均有一定的识别率,其中以随机森林方法效果最好,可作为根据局部成像矩阵进行散射点识别的重点考察方法。(本文来源于《中国石油学会2019年物探技术研讨会论文集》期刊2019-09-09）
识别成像论文开题报告
（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：
文中以某±800 kV直流受端换流站为研究对象,采用基于波束形成的声成像测量技术,对该直流换流站整站关键位置可听噪声进行现场测试并获得主要噪声源的空间位置和频率特性。测试与分析结果表明,交流滤波场主要噪声源为电抗器组和电容器组,电抗器组区域噪声在562～708 Hz范围内存在较明显峰值,电抗器组与电容器组的噪声存在干涉现象。此外,交流场架构由于电晕放电产生的噪声同样不容忽视;直流滤波场最主要噪声来自于平波电抗器,存在明显高次谐波引起的噪声成分;换流变压器区域主要的噪声源为布置在换流变外部的冷却风扇阵列,以低频噪声为主;站用变区域最大噪声点为变压器本体,频谱主要分布在100 Hz及其倍频上,以291～375 Hz内频率分量较大;调相机外冷水系统和阀冷系统的最大噪声大部分来自于喷淋水拍打底部水盘产生的噪声。
（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。
识别成像论文参考文献
[1].华正阳.基于视觉技术的热成像图像识别系统研究[J].通讯世界.2019
[2].曹浩,吴晓文,卢铃,胡胜,吕建红.基于波束形成声成像技术的某±800kV换流站噪声源识别[J].高压电器.2019
[3].T.Y.Jia,J.F.Xiong,X.Y.Li,W.Yu,Z.Y.Xu.基于无创性成像的影像组学特征和随机森林模型识别肺腺癌中的EGFR突变[J].国际医学放射学杂志.2019
[4].商恩俊.昆北地区基岩裂缝成像测井识别[J].内蒙古石油化工.2019
[5].张晨,刘舒扬,赵安娜,王天鹤,贾晓东.基于小型化便携式光谱成像技术的分类识别系统研究[J].红外与激光工程.2019
[6].雷均.油基泥浆下超声成像测井仪裂缝识别效果探析[J].中国石油和化工标准与质量.2019
[7].曹晓炜,曾锋,张品,颛孙晓博.基于椭偏角成像的识别伪装目标方法[J].红外技术.2019
[8].易诗,聂焱,张洋溢,赵茜茜,庄依彤.基于红外热成像与YOLOv3的夜间目标识别方法[J].红外技术.2019
[9].张任风,张占松,张超谟,秦瑞宝,周雪晴.渤中19-6气田潜山变质岩储层类型特征与电成像测井识别[J].东北石油大学学报.2019
[10].俞嘉旭,吴帮玉,刘乃豪,朱小叁,任浩然.基于局部成像矩阵的监督学习散射点识别[C].中国石油学会2019年物探技术研讨会论文集.2019
论文知识图
