检索结果-南通市图书馆

随着我国城镇化进程的加快,大批农民工进入城镇就业和生活,这其中女性农民工就占农村流动人口的40%多,成为名副其实的流动大军。女性农民工集农民、工人、女性诸项身份于一身,她们为当代中国的经济社会发展作出了重要贡献,但同时也是当今中国社会中最需要关注的一大弱势群体。许多进城女性农民工由于遭到农民户口和性别歧视的双重压迫,再加上不够健全的社会保障机制,其合法权益时常受到侵害,诱发了诸多法律问题和社会问题,成为影响和谐社会建设的一大障碍因素。本研究借鉴现有有关女性农民工的研究成果和文献资料,从社会学、管理学等角度论述了女性农民工的群体特征与社会功能,分析女性农民工的权益缺失状况及其基本成因,探讨了女性农民工的维权障碍与维权机制,提出了构建女性农民工维权长效机制的具体设想。通过本研究,一是力求寻找解决女性农民工权益的有效路径,为问题的解决提供参考方略;二是期望能够引起更多的社会关注和参与,共同为女性农民工的合法权益保障作出努力。本文共分为五个部分：第一章导论部分,主要介绍论文的研究背景、意义,对国内已有研究成果进行概括梳理;明确研究内容和思路,说明研究方法和材料来源;对论文的基本概念进行界定。第二章女性农民工就业的群体特征描述与功能分析,主要是对女性农民工群体的特征现状进行阐述,分析女性农民工进城对经济社会发展的积极作用以及负面效应。第三章女性农民工权益缺失现状及原因分析,从经济权益、发展权益、政治权益、社会权益四个维度论述女性农民工权益维护的困境;从劳动力市场的失衡状态、正规就业市场的缺位、法律法规不健全、思想意识误区等角度分析其权益缺失原因。第四章女性农民工的现有维权方式与障碍因素,通过对女性农民工个体维权和组织维权方式的分析,归纳出女性农民工维权特点,理清女性农民工维权中的障碍因素。第五章提出构建女性农民工维权长效机制的设想,着重从思想观念的更新、管理体制的创新、培训机制的构建、法规体系的完善等方面进行,建构一套全方位、多方参与的机制框架。

关键词：女性农民工权益保障维权方式维权机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

SAR图像去噪、分割及目标检测方法研究

SAR图像去噪、分割及目标检测方法研究

引用

作者：郝亚冰南京航空航天大学

学位级别：硕士

合成孔径雷达（SAR）在民用和军事领域都有着广阔的发展前景和实用价值，SAR图像处理的关键技术成为了国内外的研究热点。因此，对SAR图像处理的关键技术进行研究具有重要的理论和实际意义。本人在现有成果的基础上，研究了SAR图像去噪... 详细信息

合成孔径雷达（SAR）在民用和军事领域都有着广阔的发展前景和实用价值，SAR图像处理的关键技术成为了国内外的研究热点。因此，对SAR图像处理的关键技术进行研究具有重要的理论和实际意义。本人在现有成果的基础上，研究了SAR图像去噪、分割及目标检测的方法，主要工作如下：首先，研究了一种基于复Contourlet变换和隐马尔科夫树（HMT）模型的SAR图像去噪方法。该方法利用复Contourlet变换的多尺度、多方向性和平移不变性的特点，将其与HMT模型相结合，从而能够准确地描述复Contourlet变换域系数在相邻尺度间的相关性。对实验结果的定量分析可知，该方法取得了良好的去噪效果。其次，提出了一种基于混沌粒子群优化（CPSO）的二维模糊Tsallis熵SAR图像阈值分割方法。该方法引入模糊集理论，在定义隶属度函数时考虑像素的邻域灰度信息。同时利用CPSO算法搜索最优的模糊参数，减少了运算时间。实验结果表明该方法在分割效果和运算速度上都有一定的提高。再次，实现了一种基于二维最小Tsallis交叉熵的SAR图像舰船检测方法。该方法首先使用基于二维最小Tsallis交叉熵的方法从背景中提取到含有舰船目标的感兴趣区域，然后利用数学形态学的方法去除感兴趣区域中的虚假目标。由实验结果可知，该方法能够在复杂背景中提取出舰船目标，并且有效地降低了虚警率。接着，在研究了核模糊聚类（KFCM）算法和Chan-Vese（CV）模型的基础上，提出了一种KFCM算法和CV模型结合的SAR图像海面溢油检测方法。该方法利用KFCM算法将图像映射到高维特征空间，使属于不同类的数据更易划分。在CV模型中耦合KFCM的区域信息，提高了CV模型的收敛速度。通过对比率图像方差和对数归一化似然比的定量比较可知，该方法具有一定的优越性。最后，给出了一种基于Contourlet域模极大值和改进数学形态学的SAR图像河流检测方法。该方法利用Contourlet变换各方向子带的方向信息和梯度信息，分别采用模极大值方法和改进的数学形态学边缘检测算子对高频子图像和低频子图像进行边缘检测。实验结果显示该方法得到的河流边缘清晰、准确。

关键词：合成孔径雷达图像图像去噪图像分割目标检测边缘检测混沌粒子群优化核模糊聚类 Chan-Vese模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于KFCM和改进CV模型的海面溢油SAR图像分割

引用

仪器仪表学报 2012年第12期33卷 2812-2818页

作者：吴一全郝亚冰吴诗婳张宇飞谢乾坤南京航空航天大学电子信息工程学院南京210016 国家海洋局海洋溢油鉴别与损害评估技术重点实验室青岛266033 水声通信与海洋信息技术教育部重点实验室(厦门大学) 厦门361005 中国科学院海洋环流与波动重点实验室青岛266071

图像分割是合成孔径雷达(synthetic aperture radar,SAR)图像海面溢油检测的关键步骤之一,将核模糊C均值(kernel fuzzy C-means,KFCM)聚类方法及Chan-Vese(CV)模型应用于海面溢油SAR图像分割,为了解决单一KFCM方法分割精度不够高,及传... 详细信息

图像分割是合成孔径雷达(synthetic aperture radar,SAR)图像海面溢油检测的关键步骤之一,将核模糊C均值(kernel fuzzy C-means,KFCM)聚类方法及Chan-Vese(CV)模型应用于海面溢油SAR图像分割,为了解决单一KFCM方法分割精度不够高,及传统CV模型对初始条件敏感和收敛速度低的问题,提出了一种基于KFCM和改进CV模型的海面溢油SAR图像分割方法。首先利用KFCM算法将海面溢油SAR图像从原始样本空间映射到高维特征空间,得到聚类结果;然后将其作为CV模型的初始条件,以降低CV模型对初始条件的敏感性,并利用图像边缘强度取代传统CV模型中的Dirac函数,以提高模型的收敛速度和对不同SAR图像的适应性。大量实验结果表明,所提出的基于KFCM和改进CV模型的海面溢油SAR图像分割方法具有分割精度高、运算速度快的优点。

关键词：海面溢油检测 SAR图像图像分割核模糊C均值聚类 Chan—Vese模型

来源：

维普期刊数据库

同方期刊数据库评论