轨迹空间中基于特征符号搜索算法的非刚体三维运动重建研究

现有研究一般是在正交约束条件下采用最小二乘法来求解三维运动轨迹基重建问题,然而这些算法的性能容易受噪声影响,产生不适定性。为此,通过利用离散线性的方法为三维运动搜索最优轨迹基系数和三维结构,建立了一种基于特征符号搜索算法的三维运动轨迹基重建方法。利用该方法,对一系列单目图像序列进行了重建实验研究,结果表明所提出的方法是可行的,并提高了重建算法的准确性。     

自适应粒子滤波在人体跟踪过程中的应用

人体运动跟踪技术近年来在图像处理与计算机视觉领域引起很多关注,在当前一些重要研究和应用领域有着广泛的需求。在以往跟踪方法的基础上提出了基于决策规则的自适应粒子滤波的无标记运动目标跟踪方法。利用一个带外观模板的人体关节模型,通过学习得到运动模型及基于关节模型的相似性计算,巧妙地利用自适应粒子滤波对运动目标进行实时跟踪,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数。实验表明,提出的算法鲁棒性好,跟踪速度比基于传统粒子滤波的快。     

X光安检图像低对比度区域目标的分割与增强算法

为了增强显示安检图像中一些如植物风险源等因处于低对比度区域而难以识别的目标,提高安检人员的识别准确率,提出了粗分割细搜索的模糊增强算法。粗分割细搜索阶段,通过使用OTSU与结合了均值偏移的区域生长算法对低对比度区域目标进行提取。模糊增强阶段,根据感兴趣区域中像素隶属于目标区域的程度进行增强。实验表明,该算法能将低对比度区域目标提取出来并实现目标的增强,同时不改变图像的其他区域。     

基于历史趋势和预测误差的时序序列预测方法研究

针对时间序列预测方法训练复杂、迁移预测能力差等问题,提出一种自适应预测方法。先根据预测误差和当前值确定下一时刻预测值的范围,再结合短期历史趋势确定最终预测值。得到的当前预测值代入下一轮循环中继续预测,通过不断“预测-校正-预测”循环实现对数据预测。最后利用金融、风力等时序数据,LSTM、SVM、ARIMA、MA等经典时间序列预测算法在预测精度、迁移预测能力、运算速度等方面做了对比。     

基于图像序列的非刚性物体运动形变程度估计方法

形变程度的定量分析是非刚性物体运动研究中一个重要问题.现有的形变程度估计方法一般都假设特征点位置误差是各向同性,并且不考虑特征点数据丢失的问题.通常事实并非如此,所以本文提出一种同时考虑图像的方向性误差和特征点数据丢失问题的形变程度估计方法.理论研究和人活动图像序列的实验表明,本文提出方法十分有效.     

基于单片机的石英晶体微天平气体检测系统设计

在对石英晶体微天平(QCM)的工作原理和检测方法进行了研究之后,本文提出采用参比QCM补偿的方法来克服温湿度等非质量因素对测量结果的影响,并研制了以MSP430F112单片机为核心的低成本的QCM气体检测系统.详细阐述了该系统的硬件结构和软件设计.为验证系统设计的合理性,用聚苯胺作为敏感材料制备了QCM氨传感器,通过并使用该系统对它性能进行检测.结果表明,与QCM传感器一起配合,该系统可以用来检测环境中气体的浓度.     

定量检测振动觉阈值的自动方法研究

介绍了自主研发的一套用于评价人体外周神经纤维功能的振动觉阈值定量检测系统.该系统的设计以神经生物学原理和实验心理学理论为基础.阈值由渐增渐减转换规则和强迫选择法两者联合得到,并用心理物理学统计算法过滤人体主观感受的影响.该系统具有医生病人双盲的自动检测功能,也兼具医生干预.用该振动觉阈值检测系统进行两组不同的对比实验,分析结果表明,该系统具有良好的重复性、可靠性和精确性.     

混沌遗传算法用于求解混合整数规划问题

针对遗传算法的早熟收敛问题,提出了一种混沌遗传算法（CGA）用于解决混合整数规划问题（MIPP）。该算法的基本思想是把混沌变量加载于初始个体的混沌生成和最优个体的混沌搜索过程中。研究结果表明：混沌遗传算法能够有效地解决混合整数规划问题,改善了遗传算法的早熟问题。该算法效果显著,明显提高了解决混合整数规划问题的计算效率,在收敛速度、解的精度和稳定性方面也都优于遗传算法。     

卷积神经网络在心电逆问题中的应用

基于横跨膜电位分布的心电逆问题研究,即从身体表面电位无创重建心脏跨膜电位,可视为一种多输入多输出的回归问题（亦即多个体表电位分布输入重构多个心脏跨膜电位分布输出）,而基于数据驱动的机器学习模型是解决回归问题的一种有效手段。通过使用深度卷动神经网络（CNN）构建深度学习模型,使用Caffe框架训练神经网络;此外,基于真实的心脏模型,使用ECGSim软件仿真了肯特束综合症心室激活情况的数据,用于训练和测试回归模型。实验结果表明,与极限学习机（ELM）和核化的极限学习机相比,CNN方法在心脏跨膜电位重构方面有更高的精度和泛化性能。     

基于嵌入式图像处理的仪表自动识别技术研究

针对远程抄表系统中的仪表读数识别问题,提出了一种有效的识别算法。依据仪表图像的特点,在均值滤波、形态学运算以及最大类间方差法对仪表图像预处理之后,利用轮廓检测以及连通域分割等方法对表盘区域和单个数字进行分割,并依据数字结构特征,对分割出的数字进行识别。将该算法移植到以S3C2440A为核心的ARM-Linux系统中进行测试,可以有效识别,获得了满意的效果。