基于超声波反射法检测钢管腐蚀分布的观测实验

为降低钢管被腐蚀后对工业生产及人身安全所造成的潜在危害,研究钢管壁厚度的无损检测及推断腐蚀的分布。根据超声波通过不同介质分界面时会发生反射这一特点,用检测到的反射波形进行数据处理,从而计算出被测钢管壁的厚度,并利用互相关函数法提高反射信号间延迟的分辨精度,从而准确地推断出钢管壁的腐蚀分布。     

基于局部自我相关函数光线照明变化下的人脸检测

针对照明变化条件下人脸图像检测精度相对较低的问题,以照明变化下的人脸检测为研究对象,提出局部自我相关函数(local autocorrelation, LAC),研究基于Adaboost算法下采用局部自我相关函数为前处理的光照变化下人脸检测。提出了局部自我相关函数定义模型,对局部自我相关函数的物理特性进行分析,从理论上验证局部自我相关函数对线性照明变化的鲁棒性。采用卡内基梅隆大学的人脸照明变化数据库(CMU PIE Database)作为检测数据验证基于局部自我相关函数的光线照明变化下的人脸检测,实验结果证明了局部自我相关函数消除照明变化对人脸检测精度影响的有效性。     

《数字图像处理技术》课程的教学改革探索

从培养应用型人才的角度出发,提出了教学过程中基础理论知识与技术应用相结合的教学模式,并用Matlab和Photoshop对学生进行知识理解和技术掌控进行引导。针对如何激发学习兴趣,培养学生综合知识的运用能力等问题,从课程讲授内容、教学方法、教学手段等方面进来了探讨,以达到提高教学质量,优化教学过程的目的。     

改进的YOLOv3网络在钢板表面缺陷检测研究

为了提高工业自动化水平,对表面缺陷进行有效检测,提出了一种改进的YOLOv3（You Only Look Once）网络检测方法。使用轻量级网络（MobileNet）来代替YOLOv3原有网络中的密集连接网络（Darknet-53）,适当减少参数量的提取;加入空洞卷积,提高网络对小目标缺陷的检测能力;在网络结构的最后一层卷积中加入了Inception结构,进一步减少参数总量并加深网络。改进后的网络在测试集上精准性比原有的YOLOv3网络提高了23.3%,实时性也提高了95.4%,在钢板表面缺陷检测中具有更好的应用前景。     

基于递归奇异熵方法的波纹管压浆超声检测

为检测混凝土结构中波纹管内灌浆密实度,提出了一种基于递归奇异熵方法的波纹管压浆质量检测的方法。利用有限元软件进行理论模拟仿真,对结构响应信号采用多变量融合的方法,结合递归图分析法和奇异熵估计分析回波数据,结果表明,缺陷横向尺寸与递归奇异熵值具有单调对应关系,递归奇异熵方法可以用来判断压浆剥离尺寸。通过实际制作模型并测量,验证了该方法的可行性。     

浅析用于地球表面监测的合成孔径雷达

合成孔径雷达已广泛应用于产生高精度的数字高度模型、测量地表形变等领域。本文介绍了合成孔径雷达的基本原理，并就合成孔径雷达技术的处理过程总结了如何利用合成孔径雷达技术获取地表信息。分辨率是衡量SAR图像质量的最重要指标之一，本文也介绍了用孔径合成来提高雷达的图像分辨率。     

基于系统解卷积技术的波纹管压浆质量检测

提出了一种基于系统解卷积技术的波纹管压浆质量检测方法,利用系统分析技术结合解卷积补偿特性处理回波信号,并分析处理后的波形的首波响应时间,对缺陷的位置及大小做出判断。利用有限元进行了理论模拟仿真,采用系统解卷积技术处理并分析回波数据,结果表明解卷积后的波形的首波的响应时间与缺陷表面深度值存在一一对应关系。通过实际制作模型并进行实验测量,验证了仿真的结果。     

流形自适应结构化子空间聚类算法

为了解决高维数据维数灾难影响数据相似性度量的问题,提出一种流形自适应结构化子空间聚类方法,通过构造相似矩阵获取数据的全局和局部流形结构信息,将亲和矩阵的构造和聚类分割统一到一个优化框架中,得到相似图和最终的聚类结果.在YALE、JAFFE、COIL20等10个真实数据集上与多个经典聚类算法进行对比试验,提出的算法在Ac...     

基于区域合并与轮廓模型的图像序列人物轮廓分割

为解决受图像背景复杂度影响,分水岭算法较难高精度实现图像序列中人物轮廓的分割与追踪这一问题,提出了利用颜色空间转换的区域合并实现目标轮廓区域的划分、并基于人物头部轮廓信息生成人物领域轮廓模型的方法。通过对人物领域边界线生成的初步轮廓模型进行高斯函数的卷积运算,生成形态轮廓模型的有效对象模板,实现图像序列的人物领域中不依靠序列差分和移动向量亦能在图像序列中追踪移动对象。基于颜色空间转换的区域合并和轮廓模型算法,可满足视频背景变动并且背景复杂的情况下对图像序列中的人物轮廓进行有效分割。实验结果验证了本算法的有效性与鲁棒性,可有效而稳定实现图像序列中人物轮廓的分割。     

基于时空图像分割和交互区域检测的人体动作识别方法

针对现有人体动作识别方法没有考虑到非人体目标的作用,提出一种基于时空图像分割和目标交互区域检测的人体动作识别方法。首先,在视频流中检测出人体轮廓,并将其进行时空图像分段,形成关键段区域;然后,扩展分段使其包含与人体交互的非人体目标;再后,通过时空梯度方向直方图(HOG)和光流场方向直方图(HOF)描述符来表示关键段的静态和动态特征,并通过k均值算法构建成码书,同时采用局部约束线性编码(LLC)技术来优化码书;最后,采用非线性支持向量机(SVM)对特征进行学习并进行动作识别。实验结果表明,与现有基于兴趣点的方法相比,该方案获得了较高的动作识别率。