基于多尺度分析的归一化割图像分割算法

不同尺度的图像拥有不同的特性,针对单一尺度图像进行分割容易出现过分割或欠分割的问题,本文提出一种基于多尺度分析的归一化割的图像分割方法,首先利用方向能量模型得到不同尺度子图像的边缘方向能量,然后根据干涉轮廓的思想建立各个子图像像素之间的相似度,形成多个不同尺度的权值矩阵,并归一化为一个权值矩阵,最后运用归一化割算法对图像进行分割。实验表明,本文方法在融合了多个尺度图像不同特性的同时,能很好地处理含有纹理区域和弱边缘的图像,在一定程度上避免了过分割或欠分割的问题。     

辊型在线超声检测可行性研究􀀁

随着工业技术的发展，人们对所需要钢的质量和性能要求越来越高，作为轧制在生产线上的一个重要工具－轧辊，其性能对轧制钢的影响是不容忽视的，轧辊在轧制过程中始终处于高温、高负荷和高速的状态下，因此随着轧制的进行，轧辊表面逐渐磨损，变得的粗糙，此时就会引起板厚精度，板形及带钢等的恶化，因此，必须对轧辊进行监测和磨新     

滚动轴承接触疲劳试验机信号采集系统的设计

本文简要介绍了轴承疲劳试验机的信号采集系统工作原理,设计了加速度、扭矩、温度和转速4路信号的硬件采集电路,并针对电路的工作特点采取相应的抗干扰措施,提高了系统的控制精度,同时简要介绍了A/D转换电路和电源电路。经过长时间试验,控制系统运行良好,为轴承的寿命判断提供了有力的理论依据。     

用于动态称重的模型参数估计方法

首先对动态称重系统建立了力学模型,考虑到观测噪声,采用了一种适用于测量中动态校准建立数学模型的极大似然法,精确估计出模型参数,实现较高精度的动态称重。     

基于双阈值法的超声辊型在线检测的研究

To eliminate the error of distance measurement caused by amplitude change from signal attenuation, the method based on dual thresholds is introduced． Thus the precise ultrasonic measurement is accomplished． Combining wiht the mechanical scanning the on-line detection of roller shape is implemented．     

多CPU定量称重控制器的设计

介绍了一种采用３个微控制器实现定量称重控制的方案，给出了３个微控器的连接方攻相应的软件流程，实践证明了它可满足定量称重的要求。     

动态图像序列中鱼体体干运动建模

针对利用鱼游运动机理对水下仿生器进行研究的问题,本文从动态图像处理的角度出发,建立了基于动态图像序列的鱼体体干运动模型。首先,通过边缘检测得到鱼体轮廓,提出基于欧式距离变换的鱼体体干线提取方法,然后,拟合体干包络线和体干若干点的平动方程,获得细长体理论参数,建立鱼体体干运动模型。实验表明,本文建立的运动模型可以真实有效的描述自然状态下鱼类游动的体干曲线形变。     

改进非参数变换测度下的立体匹配

针对传统非参数变换测度的局限性,提出了一种基于局部纹理加权项的非参数Census变换测度,并使用半全局匹配法聚合代价的立体匹配算法。根据图像纹理度量的方向性,通过增加局部纹理反差值计算匹配窗口内所有像素的灰度均值,将其与反差值的加权和作为现匹配基元。使用半全局匹配法计算8邻域方向的匹配代价,以最小代价为匹配条件选取初始视差值。最后,利用图像分割法统计各分割区域的视差直方图,以直方图主峰所对应的视差值作为最终视差值。实验结果表明,该算法获得的视差精度优于当前多数局部算法,处理立体匹配中幅度失真的问题效果明显,能够很好地适应于真实场景测量。     

基于局部纹理特性和图像分割的分步立体匹配

为解决立体匹配难以兼顾精度和速度的问题,提出一种分步立体匹配方法。根据局部纹理特性对图像对进行灰度变换;然后利用均值漂移算法分割参考图像,以任意大小和形状的分割区域为支持窗口进行初次匹配,形成基于色彩分割的视差约束;再以固定窗口为支持窗口进行二次匹配,获得初始视差图;最后通过可信度分类优化初始视差。实验结果表明所提出的算法兼有较高的匹配速度和精度。     

基于改进差分进化算法的运动想象脑机接口频带选择

由于人脑对事件响应频带各不相同,为了准确确定个体最优滤波频带,提出一种多策略变异算子和时变非线性交叉因子差分进化算法对运动想象EEG频带进行处理,采用共空间模式算法提取特征向量,利用线性分类器进行分类识别。使用该方案对BCI competition III-dataset 4a受试者的EEG数据进行了10次5倍交叉分类实验。实验结果表明,该算法稳定性强、耗时少,解决了运动想象BCI特征提取中的最优频带选择问题。