一种快速的固体核径迹图像分割方法

针对有效测量中需解决的问题,提出了一种快速的固体核径迹图像分割算法,分初始分割与粘连分离两个过程。初始分割通过数学形态学开操作快速去除背景后,迭代阈值分割法实现;粘连分离采用复合距离变换计算核心膨胀半径,一次膨胀重建单个径迹轮廓。实验结果表明,算法具有较强的抗噪能力,可有效对半径≥2μm径迹进行快速分割,准确率>90%。目前已成功运用于实际项目中。     

基于在线评判系统的程序设计教学

本文介绍了以在线评判系统为平台的程序设计教学模式,这一教学模式将教师与学生、课堂教学与实验教学、课内学习与课外学习融为一体,既减轻了教师低层次重复性工作量,又能吸引学生主动学习、主动实验,从而切实提高学生的程序设计能力。     

圆弧刃刀具刀尖圆弧精密测量

圆弧刃刀具刀尖圆弧参数会影响加工尺寸精度、表面质量和刀刃耐用度,研磨和测量的精度要求已达微米甚至亚微米级别;针对其本底噪声强、圆弧刃直线刃过度不明显等问题,提出结合形态学闭运算、滑动窗口三点定圆和空间矩法,分步实现圆弧初、精定位;实验结果表明,算法具有较强的抗噪能力,可快速对0.2~0.8mm的刀尖进行直线刃与圆弧刃正确分离,圆弧半径、圆度误差测量精度达亚微米量级,角度测量精度达0.1°。     

一种提取目标图像最小外接矩形的快速算法

在图像分类与识别算法研究中,目标几何特征的提取通常需要计算目标图像的最小外接矩形以获取长、宽等属性。针对该特点,提出一种利用顶点链码与离散格林理论相结合的方式提取目标图像的最小外接矩形的算法。该算法只需根据顶点链中垂直或水平方向上的点坐标即可求出目标的面积、形心和主轴。基于顶点链码和离散格林的主轴法和旋转法可快速求出目标的最小外接矩形。实验结果表明,旋转法的运算速度是现有算法的2倍左右,主轴法的速度又比旋转法快速2倍左右。     

基于混合模型的CCD镜头畸变精校正算法

针对机器视觉检测和高精度图像测量中使用的CCD镜头都存在不同程度光学畸变的问题,提出基于混合模型的CCD镜头畸变校正算法。用经典模型对畸变图像进行初次校正,用多面函数拟合法进行二次精校正,用三次B样条函数进行灰度重建。实验结果表明,该方法在不依赖摄像机内部参数条件下,相比单一的镜头畸变校正模型,精度提高,鲁棒性增强,校正后径向均方根误差为0.3个像素。     

一种适用于移动设备在线阅卷的答题卡自动识别算法

基于智能移动设备的阅卷方式无需专用设备即可快速阅卷,降低成本的同时还能增加阅卷工作的可移动性。为解决移动设备拍照阅卷时,出现的阴影、反光、倾斜(-45°~45°)等情况,设计并实现了一套答题卡自动识别算法,算法主要分为三部分：图像预处理、待识别区域定位与分割、答题卡内容识别。不同操作系统(PC、Android、IOS)下测试结果表明：该算法正常填涂采集识别率为100%,异常填涂采集识别率为93.6%;识别速度小于2s,满足实时性要求;无需修改就能在不同操作系统下编译运行,提高了程序的通用性和兼容性。目前该算法已成功应用于某教育企业上线APP中。     

一种基于图注意力的双分支社会关系识别方法

从图像中挖掘人物间的社会关系在刑侦、隐私防护等领域有重要的作用。现有的图建模方法通过创建人际关系图或构建知识图谱来学习人物关系,取得了良好的效果。但基于图卷积神经网络（GCN）的方法一定程度上忽略了不同特征对特定关系的不同程度的重要性。针对上述问题,提出了一种基于图注意力的双分支社会关系识别模型（GAT-DBSR）,第一个分支提取人物区域以及图像全局特征作为节点,核心是通过图注意力网络和门控机制去更新这些节点以学习人物关系的特征表示。第二个分支通过卷积神经网络提取场景特征来增强对人物关系的识别。最终对两个分支的特征进行融合并分类得到所有的社会关系。该模型在PISC数据集的细粒度关系识别任务上的mAP达到了74.4%,相比基线模型提高了1.2%。在PIPA数据集上的关系识别准确率也有一定的提升。实验结果表明了该模型具有更优越的效果。     

改进的卷积神经网络红外图像超分辨率算法

基于卷积神经网络的图像超分辨率算法可以分为图像尺寸放大和图像细节恢复/增强两个步骤,在细节恢复过程中,卷积层直接从输入图像中学习特征并将该特征作为下一个卷积层的输入数据。为了加强输入图像和卷积层各通道图像的特征表达能力,提出了一种新的卷积神经网络算法,该算法对输入图像和通道图像进行选择性灰度变换而增强特征表达的能力。实验结果表明,在公共红外图像数据集和实验室采集的红外图像数据集上,所提方法的超分辨率重建效果均优于当前的几种典型算法,能够恢复的细节信息更多。     

区域自适应多尺度强光融合的红外图像增强

图像增强可以分为全局增强和局部增强两种技术,当前基于局部的图像增强技术无法准确地对目标和背景进行分割且难以自适应地对分割区域进行增强。本文提出了一种区域自适应多尺度强光融合算法用于红外图像的增强处理。该算法首先使用语义分割技术完成目标区域和背景区域的划分,然后使用改进后的多尺度强光融合算法分别对各区域进行自适应增强。实验结果表明,所提算法的增强效果均优于当前主流算法,图像增强的视觉效果更真实。