使用多重纹理实时绘制Phong高光表面

物体表面的高光现象均由镜面反射的一个复杂的非线性表达式描述,这为实时绘制带来了困难,由此本文提出了一种使用纹理映射技术绘制高光表面的方法。首先将具有镜面反射表达式的Phong模型分解成多个预计算的函数,然后存储为纹理图,最后使用多重纹理技术将这些纹理组合起来,实现高光表面的绘制。实验结果表明,本文算法大大提高了绘制的性能。     

《操作系统》课程教学改革思考与实践

《操作系统》是一门重要的基础课程,学生在学习中往往存在着感觉理论过多、难以理解、动手能力差等问题。针对在信息安全专业学生教学当中遇到的问题,尝试以实践为导向和手段,从授课内容、教学方法、淡化考核、突出动手、注重综合能力和素质等方面进行教学改革尝试。实践证明,学生的理论知识掌握程度、动手能力和综合素质都能得到提升。     

一种基于双向2DMSD的人脸识别方法

提出一种基于双向二维最大散度差线性判别分析(Bidirectional 2DMSD)的人脸识别方法.该方法通过在水平和垂直2个方向上顺序执行2次二维最大散度差线性判别分析(2DMSD)运算,将判别特征信息压缩到图像的左上角,大大减少了图像特征的维数;选用二维最小近邻分类法进行分类,计算识别率.在ORL和Yale人脸数据库上的实验结果表明,该方法不仅在识别率上优于最大散度差线性判别分析(MSD),而且在与2DMSD具有相同识别率的情况下,特征维数比2DMSD大大减小,降低了计算复杂度,减少了识别时间,提高了人脸识别效率.     

模糊预测控制在新型干法水泥生产线的应用

研究水泥工业生产过程中,窑尾分解炉出口温度的控制对水泥生产的质量及整条生产线的节能至关重要,而分解炉属于大时滞、大惯性、非线性的被控对象,传统PID算法很难达到满意的控制效果。提出一种新型复合型模糊预测控制算法,结合预测控制的预报功能和模糊控制在大偏差范围时响应较快的理想控制效果,相互切换,优势互补。在Matlab平台上仿真。结果表明,复合型模糊预测控制效果优于单纯的模糊控制和预测控制,系统的快速性和稳定性都有提高。     

一种改进的二值图像质量评价方法

本文设计了一种新的距离度量:边界距离,在此基础上提出了一种二值图像评价的客观方法。该方法首先是得到修改像素点的边界距离对于二值图像的影响因子,然后把该值加入到均方误差法(MSE)中,得到一种改进的基于边界距离的二值图像质量评价,并对其进行规范化。实验结果表明,该方法符合人的视觉感知。     

基于横摆角速度的汽车ABS控制策略的研究

研究汽车制动系统中,为了保证缩短制动距离的同时,改善汽车在附着系数分离的非对称路面上行驶制动的方向稳定性,结合单轮独立控制与低选控制方式,以横摆角速度为控制参数,提出一种兼顾制动距离和方向稳定性的ABS整车控制策略:ABS混合控制策略.建立汽车制动相关模型,对4种控制方式进行仿真分析.比较4种不同控制策略的仿真结果,表明以横摆角速度为控制参数的ABS混合控制策略能在制动距离与制动方向稳定性中找到合理的平衡点,既能充分利用每 个车轮的路面附着系数,又能防止汽车在非对称路面行驶时产生较大的制动跑偏量,提高汽车制动时的方向稳定性.综合考虑制动距离和制动方向稳定性两项指标,以横摆角速度为控制参数的ABS混合控制方式制动效果最优.     

多级多项目批量问题的免疫遗传算法

采用以森林为抗体的编码方式的免疫遗传算法,并引入革亲遗传算子的方法,避免在近传鼻子的运行过程中产生不可行解.     

基于身份感知模型的素描人脸识别方法

针对素描图像和光学图像之间存在较大的模态差异这一问题,提出了一种基于身份感知模型的素描人脸识别方法,实现跨模态图像生成和素描人脸识别。该方法应用新的感知损失来监督图像生成网络,生成更好的跨模态图像,减少模态差异带来的识别精度损失,并通过三元组损失来正则化类内和类间距离,增强识别模型的性能,用联合训练策略提升素描人脸识别能力。在UoM-SGFSv2、e-PRIP等素描人脸数据集上的实验结果表明,该方法识别效果优于其他对比算法。     

基于动态ROI识别的智能车辆车道线检测

车道线检测技术是实现汽车无人驾驶的关键技术之一,能够帮助无人驾驶更快地实时处理从相机捕获的图像。近年来,研究人员在车道线检测的精度上取得了很大的进展,但在实际驾驶中,车辆可能会因有限的控制器算力而对车道线检测的速度和准确度产生影响。提出了一种动态识别感兴趣区域的方法,以Donkey car自动避障小车为主体进行实车试验,通过实时减少摄像头采集的图像中干扰信息,更加准确地识别车道线,在采集的图像数量不变的情况下,提高了卷积神经网络(convolutional neural networks, CNN)模型训练的速度和小车自动驾驶时车道线识别的准确度,进而减少了因车道线误判而存在的压线和驶离路面的情况。优化后的模型比原模型在训练时间方面缩短了约38.71%,在小车自动驾驶时间上缩短了约21.67%,同时小车在转弯处行驶速度更加均匀,左右摇摆幅度减小。结果表明,所提方法具有良好的检测效果和准确率。     

电动汽车串联型电弧故障检测方法

电弧故障是引发电气火灾的主要原因之一。在电动汽车电气系统中,直流串联电弧故障通常发生在接触点松动或线路连接损坏处,会引起火灾、爆炸等严重事故。为快速、准确地检测电动汽车串联型电弧故障,搭建了电动汽车故障电弧实验平台,采集不同工况下干路电流时间序列并建立了样本库。通过轻量化卷积神经网络,建立了基于改进Mobilenet网络的串联故障电弧检测模型。通过对比分析学习率、网络层数、样本长度,对模型进行了优化。该优化模型通过干路电流可实现电动汽车串联型故障电弧的检测和故障选线,检测准确率达到96.39%,论文为电动汽车电气系统电弧故障检测提供了一种可行性方案。