一种新的高速圆形匹配算法

针对现有圆形匹配算法无法同时满足高速度、低内存消耗以及高精度要求的情况,提出了一种基于击中率的新型圆形匹配算法．算法引入以轮廓作为匹配特征信息的圆环采样模板,匹配的结果由击中率表征,并进一步根据搜索目标与定位区域的灰度相关性剔除误检对象．实验表明,算法能够实现毫秒级快速定位,且在内存消耗和可靠性方面都获得较好的性能．     

基于投影数据主成分分析的图像篡改检测算法

传统算法处理图像复制-粘贴型篡改问题时速度较慢。为此,提出一种基于投影数据主成分分析(PCA)的图像篡改检测算法。利用分块图像的行、列投影构建图像块投影特征矩阵,通过PCA对其降维,并使用字典排序法进行排序,结合图像块偏移置信距离判断图像复制-粘贴区域,完成被动取证。实验结果表明,该算法能准确找出篡改区域,与Posucue算法相比速度较快。     

利用模板和邻域信息的静脉骨架提取新算法

为提高骨架提取的准确性和连通性,提出了一种利用模板和邻域信息的静脉骨架提取新算法,该算法首先对二值图像进行平滑,并通过自适应方法计算静脉纹路上所有像素点邻域之和,以快速区分出边缘点和中轴点,然后遍历图像找出所有符合中轴点模板的像素点,并删除其中的孤立中轴点之后,得到一些间断的中轴线段,最后从这些中轴线段的端点开始采用最大邻域点跟踪方法提取出静脉骨架。实验结果表明,该算法提取的静脉骨架与中轴线重合且平滑稳定,且具有尺度不变性,角度不变性和良好的抗噪性能,是一种有效的骨架提取算法。     

基于最大邻域点跟踪的静脉图像细化算法

针对二值静脉图像,提出了一种基于最大邻域点跟踪（MNPT）的细化算法．该方法首先估计出静脉纹路宽度,并根据该宽度值计算静脉纹路上像素点的邻域和,然后确定离散的起始搜索点,最后通过跟踪最大邻域点得到细化静脉图像．实验表明,该细化方法提取的静脉骨架位置准确、连通性好、纹路平滑,是一种有效的静脉图像细化方法．     

基于方向场分布率的静脉图像分割方法

提出了一种新的静脉图像分割方法, 该方法以方向场分布率(Distribution ratio of directional fields, DRDF)作为区分静脉纹路和背景的分割准则. 首先利用邻域信息和邻域分块模板计算图像中每个像素点的方向场以生成方向场图像, 然后根据方向场图像中像素点互补半圆区域内的方向场分布率和分布判定函数计算出8灰度级图像, 最后确定二值化参数将8灰度级图像二值化得到最终图像分割结果. 该方法结合静脉图像特征, 充分利用方向场图像的空间属性,克服了照度不均、粗细不均以及边界模糊等因素对分割造成的影响. 实验结果表明该方法对于静脉图像具有很好的分割效果.     

航空发动机状态监测系统设计研究

以某型航空发动机为研究对象，讨论了发动机状态监测系统的设计和实现，主要探讨了状态监测系统的总体设计，软硬件开发及自检系统和冗余设计，并在发动机状态监测系统的设计中引入了嵌入式PC／104模块。为了使状态监测系统具有更好的扩展性和适应性，将系统设计成可以在三种方式下工作：机载运行方式、数据回放方式和地面试车方式，通过这些方式对发动机状态参数进行自动监测，为发动机的状态趋势分析、故障诊断和视情维修提供科学的依据。     

三维补全关键技术研究综述

从部分观测信息中推断出完整三维形状与语义场景信息对自动驾驶、机器人视觉、元宇宙生态体系构建等而言是至关重要的，因此，主要围绕三维形状补全、三维场景补全和三维语义场景补全任务而展开的三维补全技术被广泛研究。本文围绕上述三维补全任务，对近年来的相关研究工作进行了系统性的分析和总结。首先，针对三维形状补全任务，对基于传统方法的形状补全和基于深度学习的形状补全这两个方面的研究进展进行了综述。其次，针对三维场景补全任务，对基于模型拟合的场景补全和基于生成式的场景补全方法这两个方面的研究进展进行了综述。再次，针对三维语义场景补全任务，深入分析了场景补全和语义分割两大任务之间的耦合特性，并根据输入数据的不同类型，对基于深度图的语义场景补全方法、基于深度图联合彩色图像的语义场景补全方法、以及基于点云的语义场景补全方法这三个方面的研究进展进行了综述。最后，对三维补全任务目前面临的主要问题及未来发展趋势进行了分析和展望，旨在为三维视觉中这一新兴领域的相关研究者提供一些有益的参考。     

旋转不变的2D视图-3D点云自编码器

点云的无监督表征学习对于理解和分析点云至关重要，基于三维重建的自动编码器是无监督学习中的重要架构。针对现有的自编码器存在旋转干扰和特征学习能力不足的问题，本文提出一个旋转不变的2D视图-3D点云自编码器。首先，设计局部融合全局的旋转不变特征转换策略。对于局部表示，利用手工设计特征对输入点云进行转换，生成旋转不变的点云表征；对于全局表示，提出一个基于主成分分析（Principal Component Analysis, PCA）的对齐模块，将旋转点云对齐同一姿态下，在补充全局信息的同时排除旋转干扰。然后，在编码器设计局部和非局部特征提取模块，充分提取点云的局部空间特征和非局部上下文相关性，并建模不同层次特征之间的语义一致性。最后，提出一个基于PCA对齐的2D-3D重构的解码方法，重建对齐后的三维点云和二维视图，使编码器输出的点云表征集成来自3D点云和2D视图的丰富学习信号。实验结果表明：本算法在随机旋转的合成数据集ModelNet40和真实数据集ScanObjectNN上的识别精度分别为90.84%和89.02%，学习的点云表征在没有任何标签监督的情况下实现了良好的可辨别性，并且具有较好...