有机液体危险化学品泄漏处置策略研究

试验研究了利用高分子吸收剂处置有机液体危险化学品泄漏的相关技术,试验结果表明：高分子吸收剂可抑制有害液体的挥发;条装吸收剂可实现对流淌的液体危险化学品的100%拦截。在此基础上利用高分子吸收剂设计能够拦截有机液体危险化学品并报警的智能井盖,还可将吸收剂用于泄漏事故处置及泡沫灭火后处置。     

人体运动非监督聚类分析

提出了一种基于非监督学习的人体运动分析方法.该方法通过使用MDL准则约束下的HMM模型对连续运动序列进行分割和聚类,并实现对运动序列的自动分割和标记.该方法由两步组成,首先通过聚类将连续运动离散化,并按照最小描述长度准则在离散域得到初始解.在此基础上,返回到连续域训练MDL准则约束下的HMM模型.使用HMM模型可以进一步利用原始序列中的动态信息获得更精确的最终结果.通过对实际人体运动序列进行的实验验证了方法的有效性.     

用于去除单张图像高光的光照约束补色

在计算机视觉研究领域,如何检测和消除图像中的高光(specular)一直是个热点问题,有关的研究结果对于提高计算机视觉算法性能有着重要的影响.针对这一问题,提出了一种检测和消除高光的方法.首先,通过比较高光和漫反射光(diffuse)的色度特性的不同,给出了一种交互检测单色物体表面高光区域的方法;然后,引入补色(inpainting)方法并结合光照约束条件,设计了一种去除单张图像中高光并还原出漫反射分量的新的补色算法.与一般补色方法不同,该算法充分利用了高光区域含有的信息来指导补色过程.通过综合利用观测到的像素值、光源的色度分析(illumination chromaticity analysis)、光源颜色的平滑性等来约束补色过程,保证了算法能够克服一般的补色方法无法保持物体表面细微明暗变化的缺点.实验结果表明,与以往的去除单张图像高光的方法相比,该算法能够提供更好的光源色度估计,从而得到更准确的结果.     

基于物理模型的窗帘运动实时动画

提出了一个基于物理的窗帘实时动画模型.该模型不仅大大地减少了绘制的时间,而且保证了画面的视觉效果.通过把描述非刚体运动的半刚性杆相互连接来得到窗帘的模型.在该模型中,首先在经线和纬线的方向上分别进行处理,然后再把它们组合起来,从而得到窗帘的模型.     

多视点平行拼图

提出了一种新的多视点拼图,称之为平行拼图,平行拼图不仅可以应用到基于图像的绘制技术中,而且可以广泛地运用于基于图像的三维重建。该文设计了从真实照片中得到高分辨率平行拼图的算法,建立了从平行拼图得到高精度绘制输出的数学模型,讨论了用照片建立平行拼图的精度上限,并且给出了良好的实验结果。     

利用贝叶斯结构模型的复杂形状建筑物提取

现有的建筑物轮廓提取方法在处理非矩形的复杂形状建筑物时存在局限性,为克服这一缺点,提出一种航拍图像复杂形状建筑物轮廓的提取方法.针对复杂形状建筑物结构不规则的特点,提出一种贝叶斯结构模型.该模型以概率的形式表示建筑物边缘之间的连接关系;并引入Boosting决策树方法,综合考虑建筑物边缘周围的颜色和纹理等多种图像信息,增强了模型的鲁棒性.另外,设计了一种长度归一化的能量函数来描述建筑物轮廓,并运用图优化算法全局寻优,实现对建筑物轮廓的提取.实验结果表明,该方法能有效地提取多种复杂形状建筑物的轮廓.     

用于动态序列合成的基于核密度估计的隐马尔科夫模型

提出了一种用于动态序列合成的统计模型－基于核密度估计的隐马尔可夫模型，给定一个输入动态序列，该模型可以自动产生被控的输出动态序列，文中提出的模型是一种以非参数化概率密度估计作为观测模型的隐马尔可夫模型，该模型对输入和受控输出序列的联合概率分布进行建模，并利用基于核函数的概率密度估计来学习联合概率分布的细节信息，文中详细地讨论了该模型的学习和合成算法，并利用该模型实现了一个虚拟指挥系统，即给定一段音乐，系统可以自动生成相关的乐队指挥动作，该文利用该系统对不同风格和节拍的音乐做了实验，实验结果验证了算法的有效性。     

基于图像的个性化卡通系统

介绍了一个卡通动画系统.该系统可使用户很方便地生成个性化的卡通头像,并通过简单的交互定制各种夸张而生动的表情,还可以实时生成语音驱动的卡通动画.系统主要包括3部分:基于图像的卡通自动生成模块、交互的卡通表情编辑模块和语音驱动的卡通动画模块.卡通自动生成模块采用基于样本学习的方法生成具有特定艺术风格的卡通头像.这里使用了一种非参数化采样算法来学习原始照片和画像间复杂的统计关系.在此基础上,卡通表情编辑器可以通过预先设计的模板生成各种具有生动表情的卡通.同时,用户也可以定制自己的表情模板.卡通动画模块使用了实时的唇形合成算法,可以生成语音驱动的卡通动画.该系统可以使普通用户很方便地生成个性化的卡通头像和动画,在这一点上优于其他动画制作系统.     

从同心拼图中恢复深度信息

同心拼图（Concentric Mosaics,CM)是一种重要的基于图像的绘制方法。如果利用深度信息则可以进一步提高绘制质量并减少数据量。作者发现在CM序列中也存在着近拟的极线平面图像（Epipolar Plane Image,EPI）,而且像点在EPI图像上的轨迹斜率和物点的深度呈近似线性关系。基于此发现,该文提出了一种从CM序列中自动动恢复深度信息的方法。这个方法首先利用EPI图像的频谱分析对场景的深度分布范围做出估计,然后根据全光采样的原理在EPI的斜率空间均匀的分割投票箱,并对给定窗口内频谱能量进行投票,以求得能量的最大方向,从而获得这个窗口所对应的深度,最后组合成CM的场景深度图,实验结果证实了上述方法的有效性。     

中国的崛起

信息产业正成为全球高科技产业发展的主要推动力。中国的软件、通信、网络等相关产业也正在把握前所未有的机遇，要在不久的将来傲然崛起。