Euclidean Distance Mapping for computing microstructural gradients at interfaces in composite materials

This paper presents an image analysis procedure using Euclidean Distance Mapping to compute microstructural gradients at interfaces in composite materials. This method is capable of producing phase distribution plots at single pixel strip width very quickly and efficiently. Compared to conventional dilation-subtraction strip analysis, the new method is faster, more flexible and is not constrained by feature geometry and boundary conditions. This allows for truly random and unbiased sampling. The new method was applied to investigate microstructural gradients at the interfacial transition zone (ITZ) of an ordinary Portland cement concrete. The average results show strong gradients in anhydrous cement and detectable porosity at the ITZ, but this is highly variable from location to location. The overall ITZ characteristics depend on the amount of calcium hydroxide deposited on aggregate particles. The new method was able to measure the effect of these calcium hydroxide deposits on the porosity gradient, which has not been reported before.     

搅拌设备设计的几点体会

从搅拌轴的支承条件、轴承间最佳距离的确定以及搅拌轴的稳定器等几个方面讨论 ,分析了其对搅拌设备设计的影响 ,并提出了相应的措施和方法。     

基于模糊PID的无人水面艇直线路径跟踪

针对固定参数PID方法在无人水面艇直线路径跟踪控制中出现的大迴转问题,提出一种基于模糊PID的直线路径跟踪方法。在系统中增加模糊推理模块,利用航向与跟踪直线之间的偏差角以及无人艇位置与跟踪直线之间的距离误差,根据模糊推理的方法动态地调整PID参数。通过PID控制器实时调整左右两侧推进电机的输入电压,实现对给定直线路径的自主跟踪。仿真结果表明,在初始航向偏差角较大时,该方法克服了采用固定参数PID控制方法时出现的大迴转现象;在初始航向偏差角较小时,该方法在超调量以及调节时间方面的直线跟踪性能优于固定参数PID控制方法。     

基于I2C距离和标记相关性的多标记场景分类

将改进的ML-I2C与基于标记相关性的方法结合,提出一种改进的多标记场景分类方法。首先提取所有图像的SURF特征,将每个类用一个特征集来表示;然后采用改进的I2C方法来计算待测图像与已知类之间的距离,根据距离进行标记排序;最后根据排序,利用标记相关性来预测待测图像的所有可能标记。实验结果表明,该方法对多标记场景分类的准确率较高。     

基于点到弦距离累加的快速角点检测

提出了一种鲁棒的快速角点检测算法,以解决现有基于点到弦距离累加的角点检测算法存在的缺陷,即角点定位低、算法时间复杂度高等问题。该算法结合了‘单尺度’和‘多尺度’的优势,首先在‘单尺度’下获取候选角点集合,保留了邻近角点,并使得后续计算量大大降低,然后在‘多尺度’下计算候选角点的特征值,使之有效地去除伪角点。实验表明,所提算法的时间复杂度降低了,并且保持了算法的鲁棒性,角点定位精度也得到了提升。     

基于GPU加速的快速图像相似区域查找

图像相似区域查找是很多图形图像应用中的关键问题,也是计算瓶颈。传统加速方法如ANN(Approximate Nearest Neighbor)处理较大图像区域时速度较慢,而且在非度量空间下不支持精确查找。提出基于GPU加速的图像相似区域并行查找的通用计算框架,该框架可以扩展,以支持任意距离函数。特别针对在图像处理中应用广泛的欧氏距离(度量空间)和Chamfer距离(非度量空间)分别提出了基于CUDA的高效相似区域查找算法,比较完备地给出了相似性计算在不同度量空间下的实现。进一步,在设计具体的CUDA加速算法中,结合不同距离计算的特点对并行计算过程进行优化。该方法采用穷举的查找策略,在欧氏距离和Chamfer距离下都能实现精确查找,且大大提高了计算效率。实验结果表明,加速算法在准确查找的基础上执行速度比传统加速方法提升了一至二个数量级,且应用于纹理合成的实例表明,算法可以快速合成高质量的纹理。     

准完全最大距离伪随机测试研究

对超大规模集成电路进行随机测试的测试码之间的距离作了定量分析,在此基础上,改进了最大距离随机测试算法中测试码的生成方法,使得所生成的伪随机测试码集合同时达到最大海明距离与近似最大笛卡尔距离。因此每一个测试码可以尽可能多地独立检测到更多不重复的故障。进而提出了准完全最大距离测试新算法的思想和构建理论,并详细阐述了该算法的执行流程。在ISCAS'85基准电路上进行的大量实验数据分析表明,本方法确实有效地提高了随机测试效率,降低了随机测试成本。     

基于面向分类准则的维数约简及其在人脸识别中的应用

针对高维数据导致的维数灾难问题,提出了一种基于面向分类准则的维数约简方法。所提准则使每个训练样本在特征空间中与同类样本尽可能接近,而与异类样本尽可能疏远。首先对每个训练样本定义同类样本加权平均距离和异类样本加权平均距离。然后基于上述两个概念分别定义总体同类距离和总体异类距离。以最小化总体同类距离和最大化总体异类距离为目的提出了面向分类的准则(Classification Oriented Criterion,COC)。最后,基于面向分类的准则推导出了一种新的维数约简方法。在公共人脸数据库ORL和Yale上的实验表明所提方法性能优于有代表性的维数约简方法。     

一种基于混合量子粒子群的快速运动目标跟踪算法研究

量子粒子群算法在优化过程中需要权衡局部探索性和全局开拓性,进化后期由于全局开拓能力的丧失使得种群多样性减少,设计了一种基于欧式距离的混合量子粒子群算法,通过计算粒子的种群多样性,当种群多样性低于阈值范围时加入基于欧式距离的种群划分策略划分子种群,从而保证获得全局最优解。利用标准测试函数验证提出的混合量子群算法有效性。提出了基于混合量子粒子群的Mean Shift算法(HQPSO Mean Shift)完成目标快速跟踪,克服传统Mean Shift算法的在跟踪快速移动目标时出现"跟丢"的问题。     

扩展双星树的 Wiener-E 指标和 Wiener-O 指标

扩展双星树（T（n）n1,n2）是 n－1长路径的两端点分别联结 n1条悬挂边和 n2条悬挂边所得到的图。论文根据扩展双星树的结构特征,研究了扩展双星树的类Wiener指数,给出了一般计算公式。