一种从平面序列图像中提取深度信息的新方法

本文着眼于探讨从平面序列图像中提取双眼视差异的可能性,分析了线性运动平面序列图像和旋转运动平面序列图像中含有的双眼视差异深度信息,提出了一种将含有双眼视差异深度信息的平面序列图像转换为立体图像的新方法,并给出了具体算法和实验结果.实验表明,本文所给出的分析和方法都是正确的.     

基于生成对抗网络的自爆绝缘子检测模型设计

随着输电线路的持续建设,无人机逐步代替人工成为巡线工作的主要工作方式。绝缘子在输电线路中具有重要作用,然而,因自爆绝缘子导致的事故尤为频繁,从大量的航拍图像中识别自爆绝缘子,是一个亟待解决的任务。在航拍图像中,大部分绝缘子数据均是无损绝缘子,自爆绝缘子数量较少,因而无法满足识别算法的训练要求。针对现有输电线路无人机巡检中自爆绝缘子数据量稀缺的问题,该文提出了一种基于生成对抗网络的自爆绝缘子检测模型。通过生成器和鉴别器的对抗训练,该模型仅使用无损绝缘子数据训练即能完成对自爆绝缘子的检测。在此基础上,该文优化了生成对抗网络的训练过程。通过引入指导网络,解决了生成对抗网络的模式崩塌问题,提高了对自爆绝缘子检测的召回率;通过对鉴别器的输入添加扰动,解决了生成对抗网络中的样本不均衡问题,提高了对自爆绝缘子检测的精确度。通过与其他异常检测算法的对比实验,证明了该文方法的可靠性。并通过对模型各部分的消融实验,证明了该文方法各部分的可靠性。实验结果证明,该生成对抗网络模型有效避免了传统生成对抗网络中的缺陷,完成了对自爆绝缘子的高效自动检测。     

立体图像视差线性调整算法

为使立体图像能在特定显示设备上舒适显示,本文提出一种调整立体图像的方法.首先利用立体图像融像区知识,计算不同显示设备舒适显示的水平视差范围;利用匹配的SIFT(scale-invariant features)特征点来估计立体图像的视差范围,建立起立体图像原有视差到舒适显示视差的线性映射;最后利用奇异值分解估计该映射的变换矩阵,通过变换矩阵计算出调整后的图像,消除立体图像垂直视差,并将立体图像的水平视差调整到舒适观看的范围.实验结果表明,本文提出的方法可以解决不同显示设备上立体图像视差调整的问题,得到更好的显示效果.     

平面和立体图像的ERP特性研究

基于ERP技术,比较了一系列的平面和立体图片刺激的脑电信号。通过分析比较平面和立体图片的脑电信号,发现立体图像诱发的P300成分波幅比平面图像的P300成分波幅大。在非注意条件下,与平面相比,立体图像诱发的N140成分潜伏期较长。注意刺激图片诱发总能量均比非注意刺激图片产生的能量大。     

微型温差电池的无线传感器节点自供电系统

伴随全球性的能源危机,利用环境中的动态能量为无线传感器网络供电已经成为一种趋势.本文设计了一个基于BQ25504芯片的无线传感器节点自供电系统,该系统可以在330mV电压下启动,在工作时以最大功率跟踪方式采集低至80 mV的温差能量,并能够动态地将能量通过能量缓冲器电路供给无线传感器节点使用.该系统有效地解决了基于微型温差电池的无线传感器节点自供电的问题.     

基于Panum融合区的视差图获取算法

视差图的获取既是立体图像处理的核心,也是立 体图像处理的难点。为了高效、精确 地获取立体图像的视差图,提出了一种基于Panum融合区的视差图获取算法。首先根据 人眼视觉特性的Panum融合区得到立体图像视差敏感范围的计算方法;然后根据此范围 将立体图像分割成视差敏感区和视差不敏感区,对视差不敏感区计算低精度视差图,对视差 敏感区计算高精度视差图;最后将两视差图相结合得到最终的视差图。实验结果表明,本文 所提出的算法在不影响人眼主观立体感受的情况下,计算出较高精度的视差图,同时相对于 通常的高精度视差图获取算法降低了时间开销。     

无缝线路轨温实时监测系统的实现和应用

为简便实时地监测无缝线路的钢轨温度,应对钢轨进行应力散放作业。介绍了无缝线路轨温实时监测系统的硬件及软件设计。在该系统中,利用单片机对传感器进行远程控制和数据传输,借助串行通信实现人机交互控制。该系统目前已投入使用,通过对轨温的实时测量和数据统计,为轨道监测和维护作业提供了科学的依据。     

全相位OFDM系统频偏估计器

在正交频分复用（OFDM）系统中,载波频率偏移会导致系统性能严重下降。充分利用全相位OFDM系统的数据帧自我复制的特点,提出了时域自相关频率偏移估计算法。该算法能够在一帧数据周期内完成,收敛速度快,且不受相位偏差的影响。也提出了基于全相位FFT的频率估计算法,该算法利用全相位FFT和FFT在频域的信号相位差异以及信号群时延与频率之间的关系,准确地得到了信号频率。该算法在快衰落信道表现稳健,而且受频偏的影响非常小。     

基于自反馈最优子类挖掘的视频异常检测算法

视频异常检测算法是视频处理领域的研究热点之一,用于检测视频中是否包含异常事件.然而,由于没有异常样本参与训练过程,且异常样本与正常样本之间存在一定程度的相似性,因此很难设计出一种有辨识力的异常检测模型.为了解决上述问题,文中首先提出了一种基于相似度保持和样本恢复的特征选择方法,该方法能够保留正常样本的相似关系,进而可以学习到能够准确描述正常事件的特征.其次,将异常事件检测任务转化为分类任务,并提出了一种自反馈最优子类挖掘方法来获得最优分类器.如果一个测试样本被所有分类器判断为异常,则该样本最终将被判定为异常.在公共视频数据集(Avenue数据集、UCSD Ped2数据集)上进行的大量实验的结果表明,所提异常事件检测算法可以取得很好的结果.     

内容感知的双视点立体图像缩放

为适应不同立体显示终端多样化尺寸的需求,需要对某些尺寸一定的立体图像进行缩放调整．对于双视点的立体图像而言,需要考虑左右两视点的一致性问题,以及视差大小的问题．为此,将视差和匹配引入立体图像的尺寸调整,提出了一种基于Seam Carving的立体图像缩放算法．该算法在选择左视点缝隙时将匹配算法和视差融入其中,在缝隙的选择方面,通过提出新的能量函数做出更精确的选择,从而在调整图像大小的同时,达到了保持图像内容,调整视差大小的目的,并且保证了左右视点缝隙的一致性．