基于三次B样条小波的图像边缘检测技术研究

图像的边缘信息在图像的各种变换和处理中至关重要,边缘检测是为了获取更多的图像细节信息。根据边缘信息的多尺度特性和小波变换的性质,研究了基于B样条小波的图像边缘检测方法。采用三次B样条小波设计的平滑滤波窗算子,实现相对简单、效率较高。测试表明,该算子与其他边缘检测算子具有相似的视觉处理效果。     

铁硅化合物β-FeSi2带间光学跃迁的理论研究

采用基于第一性原理的赝势平面波方法系统地计算了β-FeSi2基态的几何结构、能带结构和光学性质.能带结构计算表明β-FeSi2属于一种准直接带隙半导体,禁带宽度为0.74eV;其能态密度主要由Fe的3d层电子和Si的3p层电子的能态密度决定;利用计算的能带结构和态密度分析了带间跃迁占主导地位的β-FeSi2材料的介电函数、反射谱、折射率以及消光系数等光学性质计算结果,复介电函数的计算结果表明β-FeSi2具有各向异性的性质;吸收系数最大峰值为2.67×105 cm-1.     

无传感器永磁同步电机矢量控制中转子初始位置的估算方法

介绍了一种在电机静止时检测其转子初始位置的方法。该方法利用永磁同步电机定子铁心的饱和特性 ,通过给电机施加一系列不同方向的电压脉冲 ,检测并比较其相应的定子电流的方法来估算出转子的初始位置     

区域方向直方图及在鉴别身份证真伪中的应用

提出了一种新的区域方向直方图，直方图由角向直方图和径向直方图共同组成，考虑了目标区域内各点的角向和径向分布，能够全面、准确地表达图像的形状特征。用区域方向直方图抽取目标的形状特征，判断是否存在激光防伪标志，从而鉴别身份证的真伪。实验证明，该方法简单实用，能有效地打击伪造身份证的现象。     

浅谈计量单位的量子化

正2018年11月召开的第26届国际计量大会,将包含"千克"在内的四个国际单位制(SI)基本单位重新定义,自此,我们迎来国际单位制量子化新时代。到底什么是计量单位的量子化,本文从计量单位的发展概况,为什么要对SI基本单位进行重新定义,基于常数的SI基本单位定义和计量单位量子化演进的影响等四个方面进行简析。     

表面活性剂对纳米MCM-41分子筛分散性的影响

采用聚乙二醇为分散剂,十六烷基三甲基溴化铵为模板剂,正硅酸乙酯为硅源,在室温碱性条件下合成了粒径为40～60 nm的单分散纳米球形MCM-41分子筛.利用XRD、TEM和N2吸附脱附等手段研究了聚乙二醇用量对纳米球形MCM-41的分散性和介孔结构的影响.结果表明,表面活性剂PEG的加入,可以明显改善纳米颗粒的分散性并且对颗粒形貌影响不大;表面活性剂PEG的加入,样品的六方结构有序性和孔尺寸发生变化.PEG量在1%～20%范围内,样品仍具有较高的六方孔道有序性;PEG量过大(60%)有序性明显下降.随着PEG加入量的增加,纳米MCM-41的晶面间距增大,孔尺寸增大.适量的聚乙二醇可以得到有序性好、比表面积大、孔径均一和孔隙率大的单分散纳米球形MCM-41分子筛.     

车/铣双机加工自动化生产线的节拍平衡研究

生产线中节拍的均衡是保证生产线运行顺畅的基本要求。论文对车铣两台机床加工的基本时间、机器人搬运时间进行了分析,为了保证节拍的平衡,一般可通过调整工序和机器人搬运时间来完成。基于遗传算法对机器人搬运时间进行了优化,通过一组零件加工的自动线节拍的设计,验证了优化后的时间能够保证生产线节拍的平衡。     

融合语音、脑电和人脸表情的多模态情绪识别

本文提出了一种多模态情绪识别方法, 该方法融合语音、脑电及人脸的情绪识别结果来从多个角度综合判断人的情绪, 有效地解决了过去研究中准确率低、模型鲁棒性差的问题. 对于语音信号, 本文设计了一个轻量级全卷积神经网络, 该网络能够很好地学习语音情绪特征且在轻量级方面拥有绝对的优势. 对于脑电信号, 本文提出了一个树状LSTM模型, 可以全面学习每个阶段的情绪特征. 对于人脸信号, 本文使用GhostNet进行特征学习, 并改进了GhostNet的结构使其性能大幅提升. 此外, 我们设计了一个最优权重分布算法来搜寻各模态识别结果的可信度来进行决策级融合, 从而得到更全面、更准确的结果. 上述方法在EMO-DB与CK+数据集上分别达到了94.36%与98.27%的准确率, 且提出的融合方法在MAHNOB-HCI数据库的唤醒效价两个维度上分别得到了90.25%与89.33%的准确率. 我们的实验结果表明, 与使用单一模态以及传统的融合方式进行情绪识别相比, 本文提出的多模态情绪识别方法有效地提高了识别准确率.     

改进的SRGAN图像超分辨率重建算法

图像超分辨率重建技术可以提高图像的分辨率, 在医学、军事等领域都发挥着重要作用. 传统的 SRGAN 图像超分辨率重建算法训练收敛速度慢, 高频纹理锐化过度导致部分细节扭曲, 影响重建图像质量. 针对以上问题, 对传统 SRGAN 模型的生成网络和损失函数进行改进, 用于图像超分辨率重建. 采用稀疏残差密集网络(SRDN)代替传统的 SRResNet 作为生成网络, 以实现对低分辨率图像特征的充分利用, 同时利用 SRDN 稀疏性的连接方式和深度可分离卷积思想, 减少模型的参数量. 此外, 提出融合 VGG 低频特征和高频特征的联合感知损失, 结合均方误差损失对网络的感知损失函数进行改进. 在Set5、Set14、BSD100数据集进行测试, 改进SRGAN 算法的峰值信噪比(PSNR)、结构相似度(SSIM)和平均选项得分(MOS)3个评价指标结果均优于传统SRGAN算法, 重建图像的细节部分更加清晰, 整体表现出较好的鲁棒性和综合性能.     

基于深度学习的手写书法字体识别算法

为解决因手写书法作品种类繁多而识别困难的问题,降低人们观赏书法的门槛,本文提出了基于深度学习的手写书法字体识别算法.识别过程中首先使用投影法等图像处理方法对书法作品图像中的汉字进行定位和分割,然后分别利用GoogLeNet Inception-v3模型和ResNet-50残差网络进行书体风格识别和字形识别.实验结果表明,本文算法能实现对整幅书法作品中楷书和篆书的书体风格以及字形的识别,对楷书和篆书单字的识别率分别为91.57%和81.70%,达到了实用的需求.