简介:建筑物墙体裂纹是重要的安全隐患,检测混凝土墙体表面的裂纹及测量其最大宽度,已引起众多关注.现介绍基于图像处理的智能检测方法,即根据裂纹像素点分布特征,利用连通域面积大小来提取裂纹,并删除伪裂纹等杂质,再对含有分支或网状裂纹进行局部处理,根据裂纹特征像素点的位置关系获取聚类近似初始值,之后利用K-means聚类算法不断迭代计算裂纹特征像素点到其对应直线的最短距离,并以此将图像中的像素点归为不同方向的裂纹类.最后,利用分类好的裂纹像素点分别进行边缘检测与最大宽度测量并比较,来获取含有交叉裂纹的最大宽度值.本文获得的水平裂纹最大宽度的相对误差为2.968%,斜垂裂纹最大宽度的相对误差为5.188%.
简介:为了深入研究扫描近场光学显微镜(Scanningnear-fieldopticalmicroscope,SNOM)光纤探针导光特性,我们利用VirtualLabFusion光学软件,仿真研究了光纤探针内部的光场分布.结果显示,光纤探针内部的光场分布呈固定的花样;中轴线光场具有峰值结构,其最大值位于探针出口前120nm处;这个最大峰值随着光纤外层铝层厚度的增加呈现先减小后增加,最后趋于稳定的变化,随着光源偏振态的变化呈现正弦的分布.
简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.