一种改进的运动模糊图像参数准确估计方法

模糊角度(方向)和模糊长度是对运动模糊图像进行恢复处理的两个关键参数.针对通过运动模糊图像频谱图像的中心亮条纹获得模糊角度存在角度检测精度不高、角度检测范围受限制等缺陷,在分析Radon变换的数学原理和十字亮纹形成原因及其造成干扰的基础上,根据频谱图像的特点,提出采用模糊频谱图像的暗条纹获得运动模糊角度的方法:在获得频谱图像暗条纹的二值图像后,通过骨架化变换,缩小暗条纹宽度,再经过Radon变换获得模糊角度和模糊长度.实验结果表明,所提出的方法能避开频谱图像中十字亮线的干扰,提高模糊角度检测精度和稳定度,扩大角度检测范围,模糊角度的检测误差小于0.5$^\circ$,角度检测范围达$0^\circ \sim 180^\circ$,优于传统算法的效果     

物理性人-机器人交互研究与发展现状

介绍了物理性人-机器人交互的定义,对该过程可能对人造成的伤害进行了分析,给出了物理性人-机器人交互安全评价指标,并总结了目前该领域采用的安全策略。综述了国内外在物理性人-机器人交互方面的研究进展,在分析物理性人-机器人交互研究现状的基础上,阐述了该领域面临的问题和挑战。文章指出,目前物理性人-机器人交互伤害分析和安全评估研究主要集中在钝/锐碰撞造成的骨骼和软组织伤害上,缺乏对脏器、血管、神经等损伤的研究。安全策略主要方法有碰撞避免、包裹软弹性材料、关节柔顺设计等。通过对比各种安全策略的设计思想和组成方案,总结出了各种策略的优缺点和存在的主要问题。由于现有的研究表明单一的手段和策略无法保证人-机器人交互的安全性,提出将认知性人-机器人交互和物理性人-机器人交互相结合来增强后者的安全性将是未来发展的方向。     

粒子群算法在模糊神经网络系统辨识中的应用

由于模糊算法过于依赖专家知识,参数决定过程中人为主观因素过大且无法进行自学习;而神经网络算法收敛速度较慢,还可能陷入局部最小.本文针对上述这两种算法在实际应用中的缺陷,引入并介绍了一种高效的粒子群算法,在采用Sugeno模糊推理计算模型建立模糊神经网络的基础上,利用粒子群算法收敛快、算法简单和全局寻优的优势,实现模糊神经网络的优化辨识,并进行了仿真实验.     

基于机器视觉和支持向量机的脐橙品质分级检测

为实现利用机器视觉代替人工视觉对脐橙进行品质分级检测,采用数字形态学方法把脐橙从背景中分离出来,并提取脐橙的体积、果面缺陷、颜色和纹理等几个主要特征.以这些特征量为支持向量机(support vector machine,SVM)的输入特征向量进行SVM分类器训练.最后,用该分类器进行脐橙分级检测.实验结果表明:该分类器具有正确识别率高、实时性好的特点,适合于实时环境下的脐橙分级检测.