水资源承载力综合评价的熵权属性识别模型

根据水资源承载力分析的结构特点,在传统多目标分析决策技术的基础上,将熵值法与属性识别模型相结合,建立了基于熵权的属性识别水资源承载力评价模型,应用熵值法来确定权重系数,避免了权重系数确定的主观性问题,用一种新的方法进行水环境承载力评价.结合实际应用的结果表明,其评价结果合理,适用于水环境承载力评价.     

非特定人手语识别统计模型的改进及应用

目前,非特定人手语识别与特定人系统相比还有较大的差距.手语数据差异性使得非特定人手语识别中提取手语数据有效的共同特征非常困难,因而,手语数据差异性在一定程度上影响了非特定人手语识别的识别效果.本文从手语数据存在差异性这一角度入手,利用流形概念的学习和推理能力并在流形允许变化的范围内进行有效建模.在建模的过程中,从范函求极值的角度出发,给出了一个让人容易理解且直观化的推导过程.进而应用流形概念中的切向量来改进手语识别的统计模型(TV/HMM)并应用于大词汇量非特定人手语识别,以解决手语数据的差异性对大词汇量非特定人手语识别所造成的影响.实验表明,改进后的TV/HMM识别系统在大词汇量非注册的易混词集上识别率高明显.     

路况视频能见度检测算法

针对现有气象能见度仪价格昂贵且无法全程分析的不足,提出一种利用路况视频图像的能见度检测算法,通过目标物预置获得距离信息,通过图像预处理得到含有目标物的去噪图像。利用目标物的相互关系和SAD图像匹配算法从图像上分割出目标物,利用Kohler的一致对比度法实现目标物图像的人眼模拟,进而对其特征进行拟合,得出能见度值,实现基于路况视频的能见度检测。实验结果表明,该算法与人眼观察一致,对噪声有较好的鲁棒性。     

CAD中任意复杂装配图成图原理

本文介绍了ＣＡＤ中任意复杂装配图生成的技术关键。讨论了零部件的统一表示模式、零件的分类及处理策略，提出了一种新的轮廓识别算法，实现了以零件生成为前提、集合运算和轮廓识别为基本手段的装配算法，其中包括定位问题的处理，装配关系的提取，以及轮廓线、细实线、占划线、剖面线的综合处理方法。本方法作了为商品化软件ＰＬＡＧＥ的重要组成部分，已应用于工厂设计中。     

一种RBF网络结构调整的稳健增量学习方法

以实现RBF网络的增量学习能力和提高其增量学习的稳健性为目的,给出了一种RBF网络增量学习算法.算法首先对初始数据集进行聚类得到初始的RBF网络结构,然后采用GAP-RBF算法中的隐层节点调整策略动态调整网络结构实现RBF网络增量学习.RBF网络的初始化降低了初始数据集样本训练顺序对RBF网络性能的影响,增强了其增量学习的稳健性.IRIS数据集和雷达实测数据集仿真实验表明,算法具有较好的增量学习能力.     

基于GA的2DPCA在人脸识别中的应用

采用基于遗传算法(GA)的二维主成分分析法(2DPCA)进行人脸识别.2DPCA直接以二维图像矩阵为研究对象,以其协方差矩阵的特征向量为投影轴进行特征提取.为了达到识别时的信息最优,将遗传算法融入2DPCA,对协方差矩阵的特征向量进行优化选择得到最优投影轴,并在此基础上提取特征.最后在MIT人脸数据库上进行实验,表明识别率和速度均高于单纯使用2DPCA的方法.     

动态核的形态分解联想算法及抗随机噪声研究

在灰度图像分解算法和动态核形态联想记忆网络的基础上,提出了一种新的联想记忆算法--动态核的形态分解联想算法.该方法显著地提高了联想记忆抗随机噪声的能力,较好地解决了灰度图像在含噪时的联想记忆和识别的问题,从而给出了一种恢复含噪灰度图像的途径,并把该方法推广到了彩色图像的处理.通过实验,验证了该方法的良好性能,取得了理想的结果.     

基于相对梯度的人脸识别方法

在原始相对梯度算子的基础上,提出一种新的相对梯度算子,并将它与二维主成分分析（2DPCA）或者二维Fisher线性判别分析（2DFLD）相结合,形成一种基于改进相对梯度算子的人脸识别算法。在AR库和Yale_B库上的实验表明,基于改进相对梯度算子的人脸识别算法对人脸图像的光照、表情等变化均具有较好的鲁棒性,识别准确率明显高于只用2DPCA或2DFLD进行特征抽取的人脸识别方法,以及基于原始相对梯度算子的人脸识别算法。同时采用三种不同大小的窗口分别进行实验,实验结果证明,当窗口大小为3×3时,识别效果相对最好。     

融合改进 YOLOv7 与 UNet 的编码点定位方法

针对编码点的定位存在误检率高和精准度差的问题,提出了一种融合改进 YOLOv7 与 UNet 的圆形编码点定位方 法。第1阶段使用改进的 YOLOv7 检测编码点的位置,改进的 YOLOv7 首先将DCN-v2 可变形卷积引入 ELAN 模块,提升 特征提取能力;其次把卷积块注意力模块(CBAM) 机制嵌入骨干网络使网络更关注目标特征;然后使用Focal-EloU Loss 提高 收敛速度;最后构建 OD-Cat 模块替换 ConCat 模块以提升网络检测精度。提取出每个圆形编码点的 ROI 后,第2阶段通过 UNet 分割出编码点的中心轮廓后,使用最小二乘法拟合出编码点的中心。实验结果表明,改进后的模型比原 YOLOv7 的精 确率提高了6.33%,平均精度均值(mAP) 提升了5.76%;提出的定位方法验证了在噪声、亮度不足或曝光等复杂环境下可以 准确定位出编码点的中心椭圆轮廓,在实际工业视觉测量中具备鲁棒性。     

指针式仪表示值识别系统研究

指针式仪表识别系统采用机器视觉技术和数字图像处理算法,实现了对指针式仪表示值的自动识别.使用图像差影法、自适应阈值分割算法和最小二乘法进行圆心拟合;提出区域分割方法及中心投影法,对表盘图像进行分块处理,提取表盘刻度,快速识别出表盘指针所处位置.实验表明,采用该系统的识别值与目测值的最大偏差为0.16μm,最小偏差为0.10 μm,检定时间缩短为原来的1/1000,提高了检定效率、检定精度和检定结果的准确性.