基于DoG检测图像特征点的快速二进制描述子

针对SIFT描述子实时性差和传统二进制描述子对尺度、旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和添加灰度差分不变量比较测试进行改进,提出了一种鲁棒性更高的二进制描述子。首先,设计了一种尺度关联、编号标记的采样模式;然后,旋转采样模式中各采样点到特定位置,确保描述子尺度、旋转不变性;接着,分析了采样点点对模式对描述子的影响,选择使用机器学习训练后的128对采样点对;最后,选择灰度值比较测试及梯度绝对值和比较测试构建二进制描述子。实验中采用DoG检测图像关键点,结果表明:本文提出的描述子在描述子构建和描述子匹配上比SIFT描述子分别快84%和67%;在有视角变化的图像匹配上,准确率比传统的二进制描述子高3%~5%,召回率平均要高30%以上。本文提出的特征点描述方法适用于时间要求高的图像匹配领域。     

CPR1000机组功率量程探测器波动特性分析

以工程实践为基础，通过大量的数据调查分析，总结了功率量程探测器（PRC）的波动特性，提出了功率量程波动的部分规律。基于其波动规律，对如何挖掘发电裕度给出了建议；同时针对功率量程波动研究中的部分问题，提出了可能的研究方向。      

帘线钢盘条碳质量分数稳定性控制

帘线钢盘条拉拔后成品钢丝直径较小,为满足不同道次拉拔要求,保证成品钢丝性能稳定,对盘条化学成分特别是碳质量分数波动范围要求严格.转炉终点碳质量分数控制、物料变化、样品制备方法等均会对盘条碳质量分数稳定性产生影响.通过提升转炉终点碳质量分数、增碳工艺前移、缩短精炼过程样品检验时间、保证过程样品质量、规范样品加工及检验标准等手段,实现了帘线钢盘条碳质量分数的精确控制,波动范围由±0.025％减小到±0.015％,提高了帘线钢盘条综合成品率,满足了用户需求.     

利用碳钢铸坯组织灰度图获取C含量分布的方法

摘要：基于热酸洗腐蚀原理与图像光学理论，提出运用金属低倍组织灰度分析技术（灰度分析法）获取中高碳钢铸坯的低倍组织中不同位置不同区域不同尺度的一维、二维C元素含量分布。偏析严重的位置得到的C元素含量高，初始凝固的晶粒中心位置得到的C元素含量低，说明通过灰度分析法计算的C元素含量分布能与低倍组织形貌很好地对应。同时，通过电子探针与灰度分析法的测量结果对比，发现二者C元素含量的变化趋势具有很好的一致性，这验证了灰度分析法的有效性。另外，低倍组织图像整体亮度的改变不会造成由灰度分析法所测量的C元素含量发生明显改变，则表明灰度分析法对测量环境的变化具有一定的抗干扰能力，也间接说明了其可靠性。     

借道左转交叉口的适用条件与特性分析

基于车流波动理论和VISSIM软件仿真分析,研究交叉口适宜设置借道左转车道的车流量临界条件。通过波动理论分析得到设置借道左转车道的临界计算公式,以实例计算和VISSIM仿真分析进行验证,并基于VISSIM软件,对交叉口设置借道左转车道前后各运行指标的差异进行对比分析。仿真结果表明,在左转车流量较小并以不饱和流率驶入借道左转车道时,不宜设置借道左转车道,在适宜设置借道左转车道的流量条件下,借道左转车道的设置能有效提高交叉口左转通行能力,并降低左转车辆的平均延误、行程时间、排队长度、停车时间等,借道左转车道的设置不一定会增加左转车辆的停车次数,其与左转车流量有关。     

硬件木马旁路检测方法的影响因素研究

旁路检测方法通过采集电路功耗、延迟、电磁场等物理参数特性筛查硬件木马电路,但其检测性能会受到工艺波动的严重影响,且工艺的不确定性会随着芯片工艺尺寸缩小和亚阈值泄漏电流增大而增加。为此,研究硬件木马旁路检测的影响因素。通过构建旁路检测模型,在中芯国际130 nm和65 nm标准CMOS工艺下对ISCAS’85 c880基准和木马电路进行实验,结果表明,优化测试向量和适当降低电源电压能够降低工艺波动的影响,平均综合灵敏度分别提升5. 60%(130 nm)和0. 40%(65 nm)。同时,利用静/动态测试向量组的绝对差异比作为辅助判别依据,可降低测试向量筛选迭代次数。     

吹氩流量对结晶器流场影响的插钉工业试验

 结晶器吹氩流量对流场分布有明显影响，因此明确吹氩流量对结晶器内流场分布的影响规律对提高铸坯质量有重要意义。通过插钉法工业试验研究了吹氩流量对结晶器内流场分布的影响，并且定量分析了液位波动的变化。结果表明，随着吹氩流量的增大，流场形态从双环流逐步转变为复杂流和单环流。结晶器内流场形态从双环流转变为复杂流和单环流的过程中，水口附近速度逐渐增大，液位逐渐升高，弯月面速度分布逐渐转变为从水口流向窄面，液位波动也相应增大。因此，生产过程中应选择合适的吹氩流量，避免产生复杂流和单环流，以提高铸坯质量。     

一种灰度化混合法在集装箱箱号识别中的运用

研究一种基于机器视觉的集装箱箱号识别方法。对于集装箱彩色图像预处理过程中的灰度化方法，传统的灰度化算法不能有效弥补图像中污损或其他信息缺失的部分，因此，本文提出使用主成分分析法（PCA）结合贝叶斯阈值估计灰度变化率的混合法对图像的灰度化进行优化，可以在判断图像中某一点灰度值与周围相邻像素点的灰度值的变化率后，弥补缺失信息，有效确定边缘特征，从而使后续的字符识别准确率大大提高。最后使用该算法模型设计实现一套用于港口集装箱的智能检测系统。经过Matlab实验验证，在对50幅港口集装箱箱号图像的识别中，通过使用本文提出的混合灰度化方法，与普通的均值法和加权平均法的灰度化方法相比，准确率更高，其中单一字符准确率可达96%，箱号准确率可达92%。