航天观测数据的服务器管理机制研究

针对于航天观测数据进行服务器管理机制进行研究,首先,对空间X射线数据管理模式进行了分析,其次,分析了空间X射线数据探测平台,最后,对其服务器管理机制进行了研究,得出不同时间、不同尺度的观测数据,可获取到不同的信息量。     

Butterfly细分曲面的快速求值

从分析Butterfly细分曲面的局部参数化出发,通过参数二进制分解生成数列以及构造细分格式的局部加细矩阵,并利用对应矩阵序列乘积与矩阵特征分解计算出控制点权值,从而解决TButterfly细分曲面插值问题.算法独立于网格存储的数据结构,避免了求邻接关系等费时的操作,并且容易推广到其他三角网格插值细分格式的曲面求值中.     

基于四自由度视觉机器人的织物分拣方法

针对人工分拣织物效率低,劳动成本高,而且对工人身体产生危害的问题,提出机器视觉与机器人相结合代替人工分拣织物的方法,从而解决了人工分拣织物存在的缺陷。构造RBF神经网络的颜色分类器将不同颜色织物分类,利用阈值分割对目标织物进行分割;使用遍历中心扩散法求取机器人抓取织物的抓取点;经过摄像机标定和机器人轨迹规划实现机器人对纯色织物的自主分拣。实验结果表明,该方法分拣织物的准确率能够满足纺织业的实际应用需求。     

丹巴某斜坡堆积体物理力学特性试验及其稳定性分析

边坡工程是工程建设中最常见的工程形式,由于边坡工程的复杂性和不确定性,边坡工程的稳定性问题至今仍是工程界关注的热点.以大渡河丹巴某边坡工程为例,在充分分析其成因机制的基础上,运用二维极限平衡分析的方法,对该滑坡的整体稳定性进行了计算分析,并结合室内试验、工程地质类比确定了边坡稳定性计算参数,计算结果表明:该滑坡的整体稳定性较好,仅需采取一些简单的支护措施即可.     

LBP与低秩分解的网状织物纹理缺陷检测方法

针对网状织物纹理复杂,缺陷检测难度大的问题,提出一种基于局部二值模式(LBP)与低秩稀疏矩阵分解的网状织物纹理缺陷检测方法.首先,采用等价旋转不变的局部二值模式算法提取网状织物纹理特征,获得纹理特征矩阵;其次,根据纹理特征矩阵构建低秩稀疏分解模型;最后,通过最佳阈值分割算法对网状织物低秩稀疏分解产生的显著图进行分割.实验结果表明,与K-奇异值分解(K-SVD)算法相比,该方法的平均准确率达到89.94%,平均召回率达到93.88%,分类总正确率达到92%以上。     

基于Rényi熵图的医学图像自动弹性配准

提出一种基于Rényi熵最小生成图和multi-quadric径向基函数的医学图像自动弹性配准方法。应用图像金字塔的思想,对图像分层分块,将Rényi熵最小生成图作为相似性测度对子块进行配准,在对应的子块中选取对应的标记点,用multi-quadric径向基函数插值这些标记点,从而实现医学图像弹性配准。实验结果表明,该方法配准速度较快,精度较高,是一种有效的自动弹性配准方法。     

均匀准保角球面参数化

针对闭的或者单边界亏格为0的三角网格,提出一种球面参数化方法．通过立体投影将现有的平面参数化方法推广到球面上,得到一个初始的球面参数化;为了减小变形,引入质心坐标进行全局优化;最后用Moebius变换均匀化最终的球面网格．该方法能够避免立体投影出现三角形折叠的情况,保证最后的映射是双射．通过大量典型的三维模型实验和比较可以看出：文中的参数化方法变形小,在复杂网格的纹理映射中的均匀化效果较现有的保角、保面积变换有明显的改善．     

基于改进GMM与帧差法的运动棉杂率分析算法研究

针对清梳棉流程中产出棉含杂高、质量差的问题,结合改进高斯混合模型(Gaussian mixed model,GMM)与帧差法,提出一种局部运动棉杂率控制优化方法。首先针对清棉机除杂原理及棉杂特性进行分析;其次通过提取视频关键帧并改进GMM与帧差法对图像序列“与”运算实现目标的精确提取,进而通过设计GMM分类器获得棉杂率并进行分析;最后与传统的检测算法作对比验证。实验表明,改进后的算法在有效性以及实用性方面优于传统算法。同时,通过引入闭环控制能满足工业高精度、实时性的需求。     

基于改进DeepLabV3+的铣床碎屑图像分割方法

针对铣床碎屑形状不规则导致图像分割中碎屑轮廓不清晰、分割精度低的问题,本文提出一种改进的DeepLabV3+铣床碎屑分割算法。首先在DeepLabV3+的Xcepetion模块中嵌入通道与空间注意力机制(convolutional block attention module, CBAM)模型,优化通道的权重和位置信息,加强碎屑图像区域的特征学习;其次将DeepLabV3+的空洞空间卷积池化金字塔(atrous spatial pyramid pooling, ASPP)模块改为密集连接(dense conolutional network, DenseNet)方式,增大碎屑图像特征点的感受野,提升铣床碎屑图像特征的复用效率;最后在解码过程中采用多尺度自适应特征融合方法,聚合多尺度特征作为解码器的输入特征,提高碎屑图像分割的精度与鲁棒性。实验结果表明,本文算法优于其他分割算法,改进后算法相比DeepLabV3+,像素准确率提高0.026,平均交并比(mean intersection over union,MIOU)提高0.020,F₁值提高了0.013。