结合最小滤波和引导滤波的暗原色去雾

用基于暗原色信息的去雾方法处理雾化图像时,需要考虑消除景深边缘处的白色晕块并降低修复透射率过程所耗费的时间。为了既能够有效地去除白色晕块又能够降低修复透射率的处理时间,本文分析了最小滤波和引导滤波分别用于修复透射率的优缺点,提出了采用最小滤波和引导滤波相结合的方法来修复透射率。该方法综合了两者的优点,同时又弥补了各自的不足。较之于软抠图法,不仅有效消除了白色晕块,并且大大地降低了透射率处理时间,提高了处理效率。另外,针对传统暗原色去雾方法的缺点进行了改进。根据天空区域像素亮白的特性,将颜色和大气光相近的像素视为天空区域像素,然后对其进行颜色原值保留处理,从而有效地消除天空区域颜色的失真和跳变,从整体上改善了去雾复原图像的视觉效果。     

基于谷点边界扫描及区域合并的浮选气泡提取

针对浮选气泡图像分割难的问题,基于多尺度分析、谷点边界扫描及区域合并的思想提出了一种新的气泡图像分割算法.该算法是建立在多尺度分析和谷点边界跟踪的基础之上的,包括图像预处理,有选择的图像缩小,谷点边界扫描,端点检测及联结,区域合并,缩小图象的分割结果映射到原始图像等步骤,算法可以一次性检测出所有谷点,而不用作图像阈值处理,就可以直接得到谷点边界的二值图像.与基于相似性/Canny边界扫描的算法及分水岭等算法做了对比实验,实验结果表明:1)新算法能够较好地克服气泡破裂及其它噪声的影响,减少过分割现象,具有更好的分割精度;2)其运行速度提高了50～100倍,满足实际应用领域的系统实时性要求.     

聚乳酸/棉交织大提花织物的染整工艺

通过分析聚乳酸纤维（交织物）的烧毛、退浆、煮漂、丝光以及染色过程中的加工要点及注意事项,测试了分散染料染色后织物的各项色牢度以及色光偏移情况,确定了大生产工艺.结果表明,聚乳酸纤维（交织物）需在低温、低碱中进行前处理,染色时应控制好90～110℃的升温速率.由于分散染料在织物上有色光偏移和热迁移现象,应注意染料的选择和控制后定形温度.     

基于深度学习的输电线路风险预警识别研究

“三跨”输电线路出现的故障,对于电力保障及铁路公路等基础交通设施均会造成重大影响。因此对“三跨”输电线路的潜在风险进行识别与预警,是至关重要的。针对这一问题,本文提出了一种结合深度学习和图像处理技术的输电线路安全区域内工程机械设备的的识别与检测方法。采用区域卷积神经网络（Faster-RCNN）对位于输电线路安全区域内的各类工程机械设备进行识别与检测,并基于caff框架下进行了实现;算法还结合同态滤波等图像处理技术,以进一步提高在不良光照等复杂环境下的目标检测结果的准确度。多组实验结果表明算法对于各种复杂环境下的各类工程机械设备均具有较高的检测识别率,算法实现了对位于输电线路安全区域内的工程机械类的风险预警识别,为输电线路故障与风险智能识别平台的建立提供了基础。     

基于红外阵列传感器的人体行为识别系统研究

随着人口老龄化的到来,为了避免发生意外事故,对老人日常活动行为进行识别和监测的安全监护系统的需求不断增长。传统的基于摄像头拍摄或者穿戴式传感器的活动状态监测系统存在着隐私保护和使用不方便等不足。为此,本文设计一种基于红外阵列传感器的人体行为识别系统。该系统通过检测环境中的温度分布和变化情况识别人体行为,不需要在老人身上佩戴任何设备,尺寸小易于安装,在黑暗环境中可正常工作,且由于采集到的是低分辨率信息,不会造成隐私泄露,对比传统方案具有明显优势。从采集到的温度分布信息中提取特征并采用K最近邻(K-Nearest Neighbor,KNN)算法实现了“走”、“坐”和“跌倒”3种状态的识别。实验结果表明平均准确率可达到95%,其中跌倒准确率为97.5%,行走准确率高达100%,坐下准确率为92.5%。     

基于泡沫表面特征变化及支持向量机的气泡稳定度测量

为提取浮选气泡的动态特性,提出了基于相邻帧气泡区域特征变化检测的气泡动态变化检测与测量方法,并引入支持向量机,将测量问题转化为分类问题.首先分别通过阈值分割法和分水岭实现相邻2帧气泡亮点区域和气泡个体区域的提取,而后根据气泡破裂合并等事件的内在特点提取上述2种区域共6项变化特征,接着完成支持向量机分类器的训练和设计,最终完成气泡稳定度的分类,并通过提取分类器的决策值做进一步的归一化处理后得到气泡稳定度数据.算法在某一铅锌浮选车间进行了实验,结果表明:算法能够实现对浮选气泡所发生的动态事件的检测,并根据特征变化参数对其稳定程度作出分类判决,同时给出定量的气泡稳定度测量值.     

基于PC的体绘制技术

研究一种基于PC的体绘制技术,采用改进的光线投射算法,并以Visual C 6.0为开发环境,实现基于Open-GL光照模型的直接体绘制系统,突破现有三维体绘制大都基于专用图像工作站的现状,在微机上成功地实现从建立灰度体素模型、灰度体数据显示,包括灰度梯度计算、光照效应计算、投影合成显示等整个体绘制过程。并在Widows 2000平台下形成界面友好的人机交互通用化系统,从而较好地解决了体绘制生成图像质量和显示速度之间的深刻矛盾,达到快速有效完成三维图像显示的目的,并应用于外科手术支援系统中。     

基于低分辨率红外阵列传感器的头部运动检测

在驾驶和在线课堂这类持续时间较长的行为中,人们容易出现分心而导致事故发生或上课效率差。为检测这类分心行为,提出了一种基于低分辨率红外阵列传感器的头部运动检测方法,它在实现行为监测的同时也保护了个人隐私。首先,基于图像处理方法提取了人体的显著区域;然后设计了一种三维图像融合算法来提取时空域的变化信息;最后,设计了一个改进的残差网络来实现头部运动分类。面向驾驶和在线课堂应用场景设计了10种头部运动。实验结果表明,在50 cm到100 cm的检测范围内,平均识别率为96.76%,处理速度为9帧/s,优于现有算法。将该系统应用于车内实测,也达到了93.7%的准确率。     

一种基于WiFi信道状态信息的人体动作识别方法

人体动作识别是以人为中心的物联网的核心技术之一,为了实现无需穿戴设备、低成本的动作识别系统,提出了一种基于WiFi信道状态信息(Channel State Information, CSI)的人体动作识别方法,该方法采用Hampel滤波结合离散小波去噪对CSI信息进行处理后,利用CSI幅度方差确定动作起止区间,从中提取CSI的特征向量,并用线性判别式分析算法(Linear Discriminant Analysis, LDA)分类器实现人体日常生活中“蹲下”、“站起”、“坐下”、“捡起”和“走”5种动作的识别,实验结果表明平均识别率可达到96%。     

基于时空域增强微多普勒谱图的行为识别方法

为缓解新冠疫情下医护人员短缺的现象,实现对住院患者的智能监护,本文基于调频连续波(FMCW)雷达提出了一种 新的基于时空域增强微多普勒谱图的行为识别方法。 首先,该方法对雷达获取的人体行为数据构造微多普勒谱图;然后利用一 种新的直方图均衡化和同态滤波相结合的时空域增强算法用于谱图信息的增强;最后采用一种改进的卷积长短时记忆网络 (ConvLSTM)提取谱图的时空域特征,并有效辨识喝水、跌倒等 7 种住院患者常见行为。 实验结果表明,基于本文方法对 7 种动 作的识别准确率能达到 94%,可以有效的监护患者的行为。