《仪表与检测》课程教学改革的探索

针对《仪表与检测》课程教学的内容和特点,对该课程的教学内容、教学方法和考核方法进行了一些有益的探索和改革。通过学生成绩和网上评教结果来看,所做的改革得到了学生的欢迎和好评,取得了较好的教学效果,教学改革也可推广到其它专业技术课程中。     

基于RB粒子滤波的多传感器目标跟踪融合算法

构建面向多传感器信息融合系统的粒子滤波(PF)器是拓展采样型非线性滤波应用领域的关键,针对PF在多传感器融合目标跟踪系统的有效实现问题,提出了一种基于Rao-Blackwellized(RB)PF(RB-PF)的多传感器目标融合跟踪(MT-RB-PF)算法。首先,利用RB建模技术实现跟踪系统非线性状态估计的降维处理;其次,结合多传感器融合系统特点,给出一种多量测下粒子权重优化新方法用以改善粒子权重度量的可靠性和稳定性;最终,通过标准PF和卡尔曼滤波(KF)实现非线性和线性状态分量的估计,并利用状态重构方法构建当前时刻的状态估计值。理论分析和仿真实验验证了算法的有效性。     

焊缝X射线探伤图像自动搭接检测方法

针对焊缝探伤图像造假的现象在工程中比较普遍，而目前主要通过人工读片方式进行检查，检查效率低下、容易漏检。提出了一种基于图像处理的方法对焊缝的搭接区域进行自动定位、分割和比对，建立了焊缝探伤图像搭接自动检测系统，检测是否存在焊缝图像造假的现象。基于拉东变换找到搭接定位标记，从焊缝图像中切割出搭接区图像，采用尺度不变特征变换算法进行搭接匹配，计算两个搭接区图像的结构相似度。最后根据SIFT关键点的匹配点数和结构相似度判断两个搭接区图像是否匹配。实验结果表明，该方法的焊缝图像搭接自动检测准确率达到 87.3%。     

基于误差扩散和均值漂移的DSA特征点选择

数字减影血管造影（DSA）技术在血管疾病的诊断和治疗中起着重要的作用。在DSA图像配准算法中,控制点的精度、数量以及它们在图像上分布的情况在很大程度上决定了几何校正和配准的精度。控制点通常采用规则的网格点,然而更加有效的方法是利用图像本身的特征提取控制点。提出了一种基于误差扩散（Error Diffusion）和均值漂移（Mean Shift）的DSA特征点选择算法。该算法引入误差扩散是为了利用图像本身的特征自适应地选择控制点。在边缘和纹理复杂区域取较多控制点（网格密集）,相反在平坦区域取较少控制点。引入均值漂移的目的是为了减少控制点的数量。实验结果表明,该算法可以自适应地把控制点安排到血管等关键图像特征上,并可以根据需要对控制点的数量进行优化。     

图嵌入正则化投影非负矩阵分解人脸图像特征提取

目的 针对投影非负矩阵分解（PNMF）不能揭示数据空间的流形几何结构和判别信息的缺点,提出一种图嵌入正则化投影非负矩阵分解（GEPNMF）人脸图像特征提取方法。 方法 首先构建了描述数据空间的流形几何结构和类间分离度的两个近邻图,然后采用它们的拉普拉斯矩阵设计了一个图嵌入正则项,并将该图嵌入正则项与PNMF的目标函数融合以建立GEPNMF的目标函数。由于引入了图嵌入正则项,GEPNMF求得的子空间能在保持数据空间的流形几何结构的同时,类间间距最大。此外,在GEPNMF目标函数中引入了一个正交正则项,以确保GEPNMF子空间基向量具有数据局部表示能力。最后,对求解GEPNMF目标函数的累乘更新规则（MUR）进行了详细推导,并从理论上证明了其收敛性。结果 在ORL、Yale和CMU PIE人脸图像数据库上分别进行了人脸识别实验,识别率分别达到了94.00%、64.33%和98.58%。结论 实验结果表明,GEPNMF提取的人脸图像特征用于人脸识别时,具有较高的识别率。     

图嵌入投影非负矩阵分解图像特征提取方法

针对投影非负矩阵分解(PNMF)不能揭示数据流形几何结构和判别信息的问题,提出了一种图嵌入投影非负矩阵分解(GEPNMF)特征提取方法。首先分别构建了描述数据流形几何结构和类间分离度的近邻图,然后采用它们的拉普拉斯矩阵设计了一个图嵌入正则项,并将其与PNMF的目标函数融合,以构造GEPNMF的目标函数。在GEPNMF目标函数中引入了图嵌入正则项,使求得的子空间能够在保持数据流形几何结构的同时,类间间距也最大。另外,还在目标函数中引入了一个正交正则项,以确保GEPNMF子空间基向量具有数据局部表示能力。对求解GEPNMF目标函数的累乘更新规则(MUR)进行了详细的推导。在Yale和CMU PIE人脸数据库上的实验结果表明,提出的图嵌入投影非负矩阵分解特征提取方法比PNMF更适用于解决分类问题。     

基于单声学矢量传感器的最大能量动态声源波达方向跟踪算法

针对在空域非均匀噪声环境下目标定位跟踪问题,提出一种基于单声学矢量传感器的最大能量动态声源波达方向(DOA)跟踪算法.首先结合噪声协方差矩阵估计结果实现对传感器接收信号的预白化处理,进而确定加权参数值,提出一种加权参数固化的最大能量算法,从而在声压与振速域噪声功率比未知的条件下提高了DOA估计精度.在此基础上,利用最大能量定向估计子输出信息来构建运动目标的量测方程,并在容积Kalman滤波框架下实现对于动态声源的状态跟踪.理论分析与仿真结果验证了算法的可行性和有效性.     

基于位错理论的距离正则化水平集图像分割算法

把材料科学中的位错理论引入到水平集方法中.图像中水平集曲线的演化被看作刃位错中位错线的滑移过程,运用位错动力学机制推导出驱使水平集曲线演化的位错组态力.结合距离正则化水平集方法,把水平集方法的边缘检测函数替换为基于位错动力学理论的速度停止函数,并构建了新的距离正则化水平集函数演化方程.水平集曲线在位错组态力和速度停止函数的驱使下移动.位错组态力反映了单位长度曲线上的平均受力情况,不仅包括了图像梯度信息,也包括了位错组态力的作用范围等信息,因此可以有效地避免在局部图像梯度异常的情况下发生曲线停止演进的现象,或者避免在弱边缘处由于图像梯度较小发生局部边界泄漏的现象.实验结果表明,本文算法对弱边缘图像具有较好的分割效果.     

一种用于农作物叶部病害图像识别的双权重协同表示分类方法

农作物病害是我国主要的农业灾害之一,准确识别病害类型是防治农作物病害的关键。因此,首先采集了小麦、玉米、花生、棉花4种农作物的22种常见叶部病害的441张图像;然后,在对每张病害图像中的叶片和病斑进行分割的基础上,分别提取了描述农作物种类的叶片特征参数和描述病害类型的病斑特征参数;其次,将这两类特征参数组合并作归一化处理,得到病害图像的数据特征向量;再次,采用所有病害图像的数据特征向量,构建了一个农作物叶部病害数据集;最后,在同时考虑数据特征重要性和数据空间局部性的基础上,提出了一种双权重协同表示分类(DWCRC)方法并将其用于农作物叶部病害识别。在农作物叶部病害数据集上的实验结果表明,提出的双权重协同表示分类方法在用于农作物叶部病害识别时具有较高的识别率。     

不完全量测下估计误差协方差与传感器精度上–下确界的关系

在不完全量测下估计系统状态时,状态的稳态误差协方差与各个传感器精度指标有关.今提出一种新算法.可以根据估计误差协方差确定出传感器精度的上-下确界.算法根据稳态卡尔曼滤波的估计误差协方差表达式,推出传感器探测概率以及量测噪声方差指标的容差,并结合线性矩阵不等式求出传感器量测噪声方差的上-下界.根据这些结果,可以对给定的估计误差协方差,采用传感器精度指标的下界,从而在满足其他工程要求的前提下,放宽采样频率,降低传感器成本.