基于圆形梯度的手势分割算法的设计与实现

为了在复杂动态背景下分割出完整的手势目标,借鉴于Canny算子,设计一种结合复杂动态背景模型、HSV空间肤色检测和圆形梯度边缘探测的手势分割算法。该算法首先利用复杂动态背景模型提取前景区域后,在HSV空间进行肤色检测,去除非手势区域,然后在手势区域提取出边缘探测的种子点,并以种子点为中心利用圆形梯度算子进行肤色边界探测,以填补手势空洞,完善手势边缘。该算法以圆形梯度幅值作为手势边界的判断标准,极大地减小了阴影和高光等不利因素对手势分割的影响。多场景试验表明,该算法手势分割的准确度高,且实时性较好。     

RP-HPLC梯度洗脱法测定杏香兔耳风不同部位中绿原酸和芦丁的含量

目的：建立高效液相色谱法同时测定杏香兔耳风不同部位中绿原酸和芦丁的含量。方法：采用Kromasil C18柱（4．6mm×250him,5μm）,以甲醇-水为流动相,梯度洗脱程序为0min（25：75）-13min（25：75）-14min（45：55）-30min（45：55）-40min（75：25）;流速0．8ml·min^-1;检测波长350nm;柱温25℃;光电二极管阵列检测器（PAD）。结果：绿原酸线性范围为0．430～3．870μg,r=0．9996,样品的平均加样回收率为98．9％（RSD=1．7％）;芦丁线性范围为0．252～2．268μg,r=0．9995,样品的平均加样回收率为97．6％（RSD=2．3％）。结论：方法快速简便,专属性强,重复性好,可作为杏香兔耳风中绿原酸和芦丁的定量分析方法。     

基于梯度图的快速POCS超分辨率复原算法研究

随着红外成像相关产业的兴起,红外成像技术具有的隐蔽性好、探测范围广、定位精度高、穿透距离远,以及轻质小巧、低耗可靠等优点备受青睐,已成为当前智能化光电探测发展的主流方向。然而,红外弱小目标的图像细节特征少、信噪比低等特点成为红外图像应用的瓶颈,如何提高红外弱小目标成像效果成为目前的研究热点。POCS算法是目前超分辨率复原中应用非常广泛的一种复原算法,但是该算法运算量大,处理时间较长,同时对图像的边缘细节保留能力较差。针对POCS超分辨率复原算法迭代时间较长,无法满足光电探测系统实时性的问题,提出了基于梯度图的快速POCS超分辨率复原算法(GPOCS)。该算法根据图像的梯度分布对图像中的像素点进行分类,采用不同的迭代系数进行计算。改进算法能够较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间。实验结果表明:GPOCS算法复原结果在背景处噪声得到一定的抑制,整体复原能力优于传统的POCS复原方法。该算法能够有效地保留边缘细节,同时处理时间小于传统的POCS复原方法,减少了1个数量级已经是接近实时。GPOCS算法能够自适应的选取迭代步长,较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间,虽然不能满足实时性的要求,但是也已经是接近实时。     

工艺参数对Ti0.33Al0.67N梯度膜层形貌及性能的影响

研究基体负偏压、氮分压及合金靶电流等工艺参数对Ti0.33Al0.67N梯度膜层性能的影响。结果表明,Ti0.33Al0.67N梯度膜层随着各工艺参数的增大表面形貌得到改善、沉积率增大,当超过某一个值时,却随着参数的增加形貌恶劣、沉积率降低。工艺参数对膜层显微硬度影响的次序为:TiAl合金靶电流>基体负偏压>氮分压。对膜基结合力影响次序为:基体负偏压>氮分压>TiAl合金靶电流。在试验设计的参数水平范围内,在齿轮材料40Cr表面较优的镀覆工艺参数:基体负偏压150 V、TiAl靶电流60 A、氮分压0.5 Pa。     

梯度纤维多孔材料的吸声特性及结构优化

利用金属纤维为原料,制成内部具有梯度孔结构的金属纤维多孔吸声材料。梯度孔结构可分为孔隙度梯度和丝径梯度,分别研究了这2种梯度结构的吸声特性。结果表明,厚度在6~30 mm范围内时,孔隙度梯度结构按照孔隙度从大到小的顺序排列有利于提高全频的吸声性能;厚度为3 mm时,孔隙度梯度结构的排列顺序对吸声性能的影响规律恰好相反;丝径梯度结构的吸声特点是当厚度为3 mm时,细丝径纤维多孔材料在前,全频吸声性能较好;当厚度≥15mm时,粗丝径纤维多孔材料在前,全频吸声性能好;厚度在3~15 mm之间,2种排列方式的丝径梯度结构的吸声-频率曲线存在一个交点,随着厚度的增加,该交点逐渐向低频方向移动。     

等离子喷涂耐磨涂层及热障涂层的新进展

综述了等离子喷少技术在耐磨损涂层及热障涂层方面的研究进展,分析了等离子喷涂技术与新设备,新工艺融合后两种涂所展现出的更为优越的性能;最后指出了两种涂层的发展趋势。     

水平受荷桩的截面优化设计

运用有限单元法和梯度法 ,尝试性地对端承桩进行变截面优化设计 ,编制了相应程序 ;并以一人工挖孔灌注桩为例 ,计算比较截面优化前后的内力、挠度。计算结果表明 ,变截面桩可节省混凝土材料约 45 %。     

Prediction of rockhead using a hybrid N-XGBoost machine learning framework

The spatial information of rockhead is crucial for the design and construction of tunneling or underground excavation. Although the conventional site investigation methods (i.e. borehole drilling) could provide local engineering geological information, the accurate prediction of the rockhead position with limited borehole data is still challenging due to its spatial variation and great uncertainties involved. With the development of computer science, machine learning (ML) has been proved to be a promising way to avoid subjective judgments by human beings and to establish complex relationships with mega data automatically. However, few studies have been reported on the adoption of ML models for the prediction of the rockhead position. In this paper, we proposed a robust probabilistic ML model for predicting the rockhead distribution using the spatial geographic information. The framework of the natural gradient boosting (NGBoost) algorithm combined with the extreme gradient boosting (XGBoost) is used as the basic learner. The XGBoost model was also compared with some other ML models such as the gradient boosting regression tree (GBRT), the light gradient boosting machine (LightGBM), the multivariate linear regression (MLR), the artificial neural network (ANN), and the support vector machine (SVM). The results demonstrate that the XGBoost algorithm, the core algorithm of the probabilistic N-XGBoost model, outperformed the other conventional ML models with a coefficient of determination (R²) of 0.89 and a root mean squared error (RMSE) of 5.8 m for the prediction of rockhead position based on limited borehole data. The probabilistic N-XGBoost model not only achieved a higher prediction accuracy, but also provided a predictive estimation of the uncertainty. Thus, the proposed N-XGBoost probabilistic model has the potential to be used as a reliable and effective ML algorithm for the prediction of rockhead position in rock and geotechnical engineering.     

基于小波变换的目标边缘搜索分割方法

为满足目标识别实时性、抗噪声的要求,提出了利用小波变换的图像边缘搜索分割方法.用反对称双正交小波算子对图像进行小波变换,对小波变换模极大值进行启发式搜索检测边缘,得到目标边缘的链码表示.该搜索方法能较好地克服噪声干扰,边缘丢失时能通过在模值分布图中搜索找回边缘,增强算法的鲁棒性.实验结果表明,在同样平台下,使用该方法检测边缘能减少一般小波多尺度分析的计算量,计算速度与使用Sobel算子的梯度方法相当,且具有更好的抗噪声能力.该方法边缘连接良好率高,特征提取方便,综合提高了图像处理算法效率.     

基于跨层设计的无线传感器网络节能双向梯度路由算法

针对现有无线传感器网络梯度路由算法在下行路由创建过程和能量更新机制中存在冗余控制开销的问题,该文提出一种采用跨层和功率控制机制,具有节能功能的双向梯度路由算法(Cross-layer Energy-efficient Bidirectional Routing,CEBR):无需使用专门的控制分组,采用源路由方式以较小开销建立从Sink节点通往传感器节点的下行路由;通过跨层信息共享,定期采集节点剩余能量信息并按需发布;设计使用含跳数和节点剩余能量的合成路由度量标准,减少节点能量和网络带宽消耗的同时均衡节点能耗;结合RSSI(Received Signal Strength Indication)测距实现节点发射功率控制从而在数据及查询分组发送过程中节约节点能量。理论分析表明了CEBR的有效性;仿真结果显示:与现有的典型相关算法相比,CEBR能够在建立双向梯度路由的前提下,至少降低34.5%的归一化控制开销和27.12%的数据分组平均能耗,并使网络生存期延长18.98%以上。