改性涤纶仿真丝千鸟格织物设计与生产

千鸟格织物是一类经典复古产品。借鉴传统千鸟格织物风格的设计思路,采用经、纬异纤度涤纶低弹网络丝开发出一种涤纶仿真丝千鸟格织物。介绍了织物的原料选用、织物规格设计、上机工艺参数等,并对整经、浆丝、织造等工序的关键生产工艺进行了分析,提出了可行的工艺参数和技术措施。经测试,产品的织造效率达90%、下机一等品率为88%、入库一等品率高达98%,可满足女式连衣裙、围巾、外套等面料的使用要求。     

基于Linux的人脸识别系统设计

文章提出了基于Linux系统环境下的人脸识别系统设计,硬件采用了基于S3C2440芯片作为处理器,采用USB摄像头进行人脸图像采集,以QT作为人机交互界面.对人脸识别系统设计原理进行了研究,重点探讨了特征提取、特征降维和人脸识别等技术问题.最后将PC上实验成功的人脸识别系统植到开发板上,测试结果表明,该系统能准确快速地识别人脸.     

STM32CubeMX的全速USB通信及测速模块设计

针对微处理器USB通信设计中通信协议以及底层驱动开发的复杂性导致其开发周期较长的问题,给出了一种利用STM32CubeMX及LabVIEW图形化编程工具实现STM32全速USB通信的方法.首先利用STM32CubeMX快速生成USB基础配置及初始化函数并通过Keil进行通信程序的编写完成USB从机设计.主机方面使用LabVIEW图形化编程工具进行编程设计,并通过NI VISA软件生成驱动,实现USB主机与从机之间的数据传输,并完成通信速率测试.经试验验证该方案开发便捷且传输速率可靠,可以作为一种基于STM32 HAL库的库函数版本下STM32全速USB通信开发的参考方案.     

H.264/AVC高档次标准快速帧内模式选择算法研究

针对H.264/AVC高档次标准中帧内模式选择计算复杂度高的问题,提出一种新颖的基于纹理信息的快速帧内模式选择方法。利用绝对误差均值检测宏块的复杂度,选择块尺寸模式;利用平均绝对相邻像素差来检测图像块的纹理方向,筛选候选预测模式。实验结果表明,上述两部分算法单独使用都能够有效降低帧内模式选择的计算复杂度,使编码速度分别提高27%和64%,并且对率失真性能的影响可以忽略不计。利用整合后的综合算法,在率失真性能几乎保持不变的情况下,帧内编码速度提高超过70%以上。     

HEVC帧内彩色边缘检测快速模式选择算法

高效视频编码(High Efficiency Video Coding,HEVC)相较于H.264/AVC,帧内预测模式有35种,编码性能得到提高的同时也引起了算法复杂度的增加,本文提出了一种基于Canny彩色算子的快速帧内预测模式选择算法。该算法基于图像物理边缘的梯度方向提前分析预测块（Prediction Unites,PU）的方向,预先确定帧内预测的模式,避免算法遍历35种帧内预测模式。实验结果表明,该算法能够有效地降低帧内编码的复杂度,算法编码时间平均减少23.36%而仅损失0.69%的BD-Rate,且率失真性能良好。     

彩色图像灰度化算法综述*

彩色图像灰度化是图像处理和计算机视觉领域的基本课题和重要前提。针对2005年之后的多种主流灰度化方法进行研究,根据是否对所有像素使用相同映射函数将其分为全局映射法,局部映射法及混合法,介绍每类方法所包含的典型算法的基本思想、实现步骤及优缺点。最后用定性和定量两种评价方法对各种主要算法的实验结果和性能进行对比分析,进一步提出存在的问题及下一步研究方向,为今后的彩色图像灰度化研究提供参考和借鉴。     

融合自适应局部特征与改进模糊C均值的服饰分割算法

提取人体着装图像的服饰区域时,易受光照、阴影遮盖与人体姿态、肤色等问题的影响,提出一种融合自适应局部特征与改进模糊C均值(fuzzy C-means,FCM)的服饰图像分割算法。首先,通过改进区域生长法消除阴影实现前景提取;其次,采用MDSMGR-WT超像素分割获取图像局部特征,将自适应局部信息融入双加权FCM目标方程中,实现二次精细化分割;最后,经肤色检测提取目标服饰区域。实验结果表明,该方法的准确率可达78.93%,召回率90.12%,查准率89.93%。该方法能够减少内部区域噪声,提高服饰图像的分割精度。     

彩色图像多尺度融合灰度化算法

为了使彩色图像灰度化后能够保留更多的原始特征,提出了一种新的基于多尺度图像融合的灰度化算法.将彩色图像分解为R、G、B三个通道图像,采用基于高斯-拉普拉斯金字塔的多尺度图像融合模型进行灰度化,并引入梯度域导向图像滤波(Gradient Domain Guided Image Filter,GGIF)来消除多尺度融合可能...     

结合特征学习与注意力机制的服装图像分割

针对小尺寸服装与遮挡服装图像分割准确率低的问题,提出一种基于改进多尺度特征学习策略与注意力机制的服装图像分割方法。以Mask R-CNN为基础框架,首先采用增强特征金字塔网络优化模型的特征学习过程,对多尺度服装特征进行统一监督,缩小不同层级之间的语义差距,引入残差特征增强模块减少高层特征损失,采用软感兴趣区域选择自适应地获取最优感兴趣区域特征;然后在分类预测分支引入通道注意力模块,在边界框回归与掩膜预测分支分别引入空间注意力模块,提取图像中需要重点关注的服装区域特征。结果表明,与其他方法相比,本文方法改善了小尺寸服装图像和遮挡服装图像分割中存在的漏检、漏分割现象,提取出的服装实例更精确,其平均精度均值比原模型提升了3.8%。