本发明公开了一种基于补偿函数观测器的模型补偿控制方法，涉及非线性系统控制方法技术领域。所述方法包括如下步骤：通过搭建被控对象机理数学模型、补偿函数观测器以及模型补偿控制器构建基于补偿函数观测器的模型补偿控制器结构；对系统输入给定信号并加入随机扰动，使用基于补偿函数观测器的模型补偿控制器进行控制并观察跟踪效果和估计效果。所述方法能够有效的提高对复杂非线性系统中的未知模型偏差的估计精度，提高系统的鲁棒性和跟踪精度。

本发明属于数字图像处理领域，具体涉及一种基于生成对抗网络的高动态范围成像及鬼影去除方法；所述方法通过引入基于双重注意力机制的特征提取模块，对视频图像连续帧的语义和像素特征进行提取，以提升图像融合的细节和纹理特征；为有效地提升成像质量和算法鲁棒性，同时解决GAN网络中的梯度消失和模式崩溃问题，本文研究基于球面距离的损失函数，以解决运动目标位移大在合成阶段产生的大范围鬼影问题。

本发明涉及道路检测技术领域，具体涉及一种改进FPHBN网络结构的路面裂缝检测方法，包括采集路面图像集；筛选路面图像集中含有裂缝的图像，将其裁剪成256×256的固定尺寸后进行标注得到GroundTrue数据，用以构建训练集和测试集；调整FPHBN模型及参数，用DeepCrack数据集对改进后的FPHBN模型进行训练；将采集到的路面裂缝图像放入训练后的FPHBN模型中进行测试，若测试结果不合格则调整FPHBN模型结构和参数重新训练，直至测试合格；利用测试合格的FPHBN模型对裂缝图像进行分类和损害程度的评估；通过改进的FPHBN网络结构，并整合空间注意力机制到特征金字塔模块，能够实现在复杂的背景环境中准确地检测出路面裂缝。

本发明涉及深度学习技术领域，尤其涉及一种改进ResNet‑50网络结构的路面裂缝检测方法，通过移除ResNet‑50网络的全连接层和平均池化层，将混合扩张卷积融入网络后三层中，在第二层与第三层、第三层与第四层、第四层与第五层之间加入空间‑通道注意力机制，并使用多尺度特征融合的方式对提取的特征进行融合形成改进ResNet‑50网络，并使用路面裂缝数据集对改进后的网络模型进行训练获得裂缝检测网络模型，最后使用裂缝检测网络模型进行裂缝分类和严重程度评估，改进的扩张卷积模块可以从更大范围的像素中提取特征，确保网络能获取全局特征信息，多尺度特征融合的方式对提取的特征融合提高了准确率。

本发明涉及电通信技术领域，具体涉及一种基于深度强化学习的索引选择方法，包括创建数据库实例；根据数据库实例和指定规则分别生成训练工作负载和测试工作负载；根据五条启发式规则分析训练工作负载，生成候选索引；基于候选索引设置本次训练的索引限制条件，并基于索引限制条件训练索引选择智能体；使用索引选择智能体在测试工作负载上选择最优索引组合；在数据库实例创建索最优索引组合，针对具体的实例添加相应的索引，从而提升数据库系统的查询性能，解决了现有的索引选择方法未考虑索引交互带来的影响，会存在随着索引数量增加而查询提升率下降的情况的问题。

本发明涉及图像拼接技术领域，具体涉及一种改进二叉树模型的无序图像快速拼接方法；对若干无序图像归一化预处理后进行随机排序，得到图像序列；基于所述图像序列获取差异图像、相似率和匹配序列；将所述匹配序列按相似率从大到小依次与若干参考图像进行匹配，找到图像匹配对拼接，得到若干全景子图；改进二叉树，并基于若干所述全景子图制备配准索引表辅助二叉树拼接图像，得到最终全景图，通过计算每幅图像与其他图像匹配区之间的相似率来构建一个匹配序列，减少寻找图像匹配的无效匹配次数，在多幅无序图像配对并拼接后，记录拼接信息作为配准索引表，省去后续拼接中寻找图像匹配对的过程。

本发明涉及一种隧道衬砌表面图像裂缝检测方法，主要解决现有技术中存在的未考虑隧道砼衬砌结构的特殊结构环境的问题，通过采用对待处理图像进行图像畸变校正及使用Mask差值匀光法进行匀光处理，输出预处理图像；对预处理图像预提取裂缝像素点，根据提取的裂缝像素点标记渗流种子点坐标，生成渗流种子点地图；根据渗流种子点地图，提取渗流种子点地图对应待处理图像坐标位置像素点作为渗流种子点，进行点渗流，采取加速条件下的二次渗流处理，检测出裂缝相似目标；对初裂缝检测结果进行裂缝细化及裂缝断裂连接，去除衬砌接缝，去除背景噪声的技术方案，较好的解决了该问题，可用于公路隧道的衬砌表面图像检测中。

本发明涉及一种基于通信基站三维定位的跟踪与轨迹方法，主要解决现有技术中存在的定位结果为估计值，定位结果不准确，不能计算终端运行轨迹的技术问题。采用基于通信基站三维定位的跟踪与轨迹方法包括根据CHAN算法进行三维室内粗定位出基站采集TOA数据，预处理，建立基站加权投票估值模型,建立度量值拆分模型拆分出真实时延模型，噪声时延模型及干扰时延模型；建立机器学习度量微调模型，建立精确多点三维定位模型；建立精确三维定位优化模型；将精确三维定位优化模型用于精确多点三维定位模型，建立改进终端运动轨迹定位模型完成运动终端轨迹定位的技术方案，较好的解决了该问题，可用于室内三维定位的跟踪与轨迹方法中。

本发明涉及一种基于无线通信基站的室内三维定位方法，主要解决现有技术中存在的定位结果为估计值，定位结果不准确，实时性低的技术问题。本发明通过采用基站加权投票估值模型、测量值拆分模型、机器学习度量微调模型和精确三维定位模型，具体为TOA测量数据预处理，然后LS算法消除多路径误差，分离噪声函数和去干扰点影响，最后使用基于稀疏的机器学习算法，通过加权投票算法来完成多点三维精确定位，之后为了满足实际应用中实时性的要求，通过衡量基站所测数据的精度筛选定位基站，利用有限数量的基站完成精确定位的技术方案，较好的解决了该问题，可用于室内三维定位中。

本发明属于多目标跟踪与行人角度识别领域，具体涉及一种联合多目标跟踪和行人角度识别的分类方法，该方法包括：将待检测的图像进行增强处理；将增强后的图像输入到训练好的分类模型中进行行人跟踪和角度的识别分类，根据分类结果对待检测图像进行标记；分类模型为改进的JDE多目标跟踪模型和行人角度识别模型；本发明通过特征共享的方式实现了多目标跟踪算法与行人角度识别的算法的结合，减小了模型参数数量，减小了计算量。本发明既能够对视频中出现的所有大目标以及中等目标进行跟踪，又能够对视频中出现的所有大目标以及中等目标的角度进行角度识别，同时该算法能够满足实时性要求。