基于计算机视觉的计量仪表自动检测系统

介绍基于计算机视觉技术的计量仪表自动检测系统的组成,工作原理以及软硬件实现的关键技术;基于图像先验特征,提出有效的仪表图像处理方法。在仪表公司进行的大量检测结果表明,该系统具有稳定性、准确性、快速性特点。     

生态建筑理性化表达的多样性

通过对生态建筑的本质与视觉表达多样性的挥讨,并举相应实例加以说明,从而认识到生态建筑多样化的表达方式正逐渐走向理性和科学。     

谈建筑中色彩的运用及效果

通过对色彩视觉现象，色彩中所含有的潜在意识和效果的分析。阐述了色彩在建筑中的特殊功用和应用效果。以期使色彩的艺术应用得到足够重视。     

履带车的视觉导航方法

本文介绍了视觉导航履带车模型的结构和工作原理。通过对视频图像的处理，识别出路标的位置和方向，采用模糊控制方法实现了履带车的视觉导航控制。试验证明了履带车视觉导方法的可行性及控制算法的可靠性。     

城市照明的环境理念

通过对人类环境构成的分析，应用环境心理学方法，阐明了影响城市照明的人、光、物等环境要素及其关系，在研究人的视觉特点和心理需求的基础上，总结了城市总体、城市广场、建筑物、园林景区等要素的照明特点，揭示了城市照明环境的规律，建构了绿色照明的理论体系。研究发现城市照明不仅是从技术上营造视觉环境，更要通过城市的空间要素和人的生理感知的相协调，以营造与功能氛围相和谐的心理环境。最后，从基于环境理念出发，提出了综合自然条件、物体形态、人眼视觉、光学特性和环境特色的城市照明设计思路。     

追求卓越的全球城市:上海城市发展目标和战略路径研究

随着总体规划公共政策属性的强化,城市发展目标作为承载政府意图、公众共识和技术纲领的综合载体,在总体规划中扮演着越来越重要的角色.从对城市发展目标的再认识入手,归纳城市发展目标的基本内涵,解读上海的历史发展轨迹和未来发展语境,构建了上海新一轮总体规划中“愿景+性质”的目标体系,提出“全球城市”为核心、“三个之城”为内涵的目标愿景,从历史延续和时代拓展两个层面阐释新的城市性质,并从目标出发在总规指标、策略、机制等方面进行应对,构建了目标引领的总体规划技术框架逻辑.     

地域——一种文化的空间与视阈

在当代建筑活动中,全球化与地域性构成了一种双向互动,提出了一系列“现代性”问题。有关全球化与地域性的争论似乎不可调和,然而其中却普遍存在着对于这两个概念的误解,这导致我们难于深入地域建筑文化的本质。本文试图对此论题进行深入探讨。     

图像质量评价研究综述——从失真的角度

随着多媒体技术的快速发展及广泛应用,图像质量评价因其在多媒体处理中的重要作用得到越来越多的关注,其作用包括图像数据筛选、算法参数选择与优化等。根据图像质量评价应用时是否需要参考信息,它可分为全参考图像质量评价、半参考图像质量评价和无参考图像质量评价,前两类分别需要全部参考信息和部分参考信息,而第3类不需要参考信息。无论是全参考、半参考还是无参考图像质量评价,图像失真对图像质量评价的影响均较大,主要体现在图像质量评价数据库构建和图像质量评价模型设计两方面。本文从图像失真的角度,主要概述2011—2021年国内外公开发表的图像质量评价模型,涵盖全参考、半参考和无参考模型。根据图像的失真类型,将图像质量评价模型分为针对合成失真的图像质量评价模型、针对真实失真的图像质量评价模型和针对算法相关失真的图像质量评价模型。其中,合成失真是指人工添加噪声,如高斯噪声和模糊失真,通常呈现均匀分布;真实失真是指在图像的获取中,由于环境、拍摄设备或拍摄操作不当等因素所引入的失真类型。相对合成失真,真实失真更为复杂,可能包括一种或多种失真,数据收集难度更大;算法相关失真是指图像处理算法或计算机视觉算法在处理图像时,由于算法本身的缺陷或性能不足等原因而出现在结果图像中的降质,相对合成失真和真实失真,算法相关失真的显著特点是该类型失真呈现非均匀分布。本文介绍现有的图像质量评价数据库,包括图像数据来源和数据库构建细节等;然后重点介绍图像质量评价模型的设计思想。最后总结了介绍的图像质量评价模型,并指出未来可能的发展方向。     

数据受限条件下的多模态处理技术综述

随着多媒体技术的发展,可获取的媒体数据在种类和量级上大幅提升。受人类感知方式的启发,多种媒体数据互相融合处理,促进了人工智能在计算机视觉领域的研究发展,在遥感图像解译、生物医学和深度估计等方面有广泛的应用。尽管多模态数据在描述事物特征时具有明显优势,但仍面临着较大的挑战。1）受到不同成像设备和传感器的限制,难以收集到大规模、高质量的多模态数据集;2）多模态数据需要匹配成对用于研究,任一模态的缺失都会造成可用数据的减少;3）图像、视频数据在处理和标注上需要耗费较多的时间和人力成本,这些问题使得目前本领域的技术尚待攻关。本文立足于数据受限条件下的多模态学习方法,根据样本数量、标注信息和样本质量等不同的维度,将计算机视觉领域中的多模态数据受限方法分为小样本学习、缺乏强监督标注信息、主动学习、数据去噪和数据增强5个方向,详细阐述了各类方法的样本特点和模型方法的最新进展。并介绍了数据受限前提下的多模态学习方法使用的数据集及其应用方向（包括人体姿态估计、行人重识别等）,对比分析了现有算法的优缺点以及未来的发展方向,对该领域的发展具有积极的意义。     

脉冲视觉研究进展

视频是视觉信息处理的基础概念,传统视频的帧率只有几十Hz,不能记录光的高速变化过程,成为限制机器视觉速度的天花板,其根本原因在于视频概念脱胎于胶片成像,未能发挥电子和数字技术的潜力。脉冲视觉模型通过感光器件捕获光子,累积能量达到约定阈值时产生脉冲,形成脉冲的时间越长,表明收到的光信号越弱,反之光信号越强,据此可估计任意时刻的光强,从而实现连续成像。采用普通器件,研制了比影视视频快千倍的超高速成像芯片和相机,进而基于脉冲神经网络实现了超高速目标检测、跟踪和识别,打破了机器视觉提速依赖算力线性增长的传统范式。本文从脉冲视觉模型表达视觉信息的生物学基础和物理原理出发,介绍了脉冲视觉原理的软件模拟器及其模拟真实世界光子传播的计算过程,描述了基于脉冲视觉原理的高灵敏光电传感器件及芯片的工作机理和结构设计、基于脉冲视觉的影像重建原理以及脉冲视觉信号与普通图像信号融合的计算摄像算法与计算摄像系统,介绍了基于脉冲神经网络的超高速运动目标检测、跟踪与识别,通过对比国际国内相关研究内容和发展现状,展望了脉冲视觉的发展与演进方向。脉冲视觉芯片和系统在工业(高铁、电力和轮机等不停机监测,智能制造高速监视等)、民用(高速相机、智能交通、辅助驾驶、司法取证和体育判罚等)以及国防(高速对抗)等领域都具有巨大应用潜力,是未来值得重点关注和研究的一个重要方向。