角型管道式凝并器PM_(2.5)凝并特性的数值模拟及优化设计

颗粒物凝并技术是强化超细颗粒粉尘收集和脱除的有效方法。基于FLUENT软件对角型管道式凝并器的凝并区内流场进行了数值模拟,结果表明:凝并区内设置的横条可以产生扰流效果,为超细颗粒的碰撞凝并创造良好条件;综合考虑扰流效果和压力降,设置3组角型横条,角型开口角度设置90°是优化选择。     

利用改进的Retinex进行人脸图像光照处理

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸侧光照图像时会误增强阴影的边缘提出了一种基于新的传导函数的自适应平滑Retinex算法。该传导函数用空间梯度和像素的局部不一致性两种方式共同测量灰度的剧烈变化,在平滑图像的同时没有边缘增强效应,且不会损失人脸特征边缘。在平滑估计的迭代过程中,选取上一次与此次迭代结果中的较大值作为约束条件来保证估计出的亮度图像能满足Retinex理论的约束条件。在YaleB人脸库上的实验结果表明,本文算法能有效克服强侧光照时的阴影现象且没有损失人脸特征边缘;与较经典Retinex算法相比,侧光照时的识别率在最好情况时提高了24.2%,无强侧光照时也可提高4%左右,具有光照鲁棒性,可适用于任何光照条件下的人脸识别。     

融合梯度特征的灰度目标跟踪

为了克服灰度目标跟踪中目标和背景的对比度低、界线模糊的情况,提出了融合梯度特征的灰度目标跟踪方法.该算法采用mean-shift迭代过程,是一种用新的概率密度向量代替以亮度为特征建立概率密度向量的跟踪方法.目标的梯度特征描述了目标的纹理等细节信息,增加了目标和背景的对比度,因此通过提取目标的梯度特征,建立梯度概率密度向量,与灰度概率密度向量融合构成新的向量,用新概率密度向量描述目标模板的特征跟踪目标.实验结果表明,该算法与mean-shift算法相比,跟踪稳定得到了较大改进,取得了理想的跟踪效果.     

半导体生产线调度与仿真系统研究与实现

基于半导体制造企业的实际需求,在SIMUL8平台上设计并实现了半导体生产线调度与仿真系统TB-PSS。该系统主要由三个子系统构成:数据库子系统、仿真调度子系统和性能分析评价子系统。仿真调度子系统是TB-PSS系统的核心,它根据数据库提供的数据和调度规则从生产线当前状态开始仿真,仿真结果预测了生产线即将发生的事件,由性能分析评价子系统反馈给用户。目前,TB-PSS已在半导体生产线上得到了应用,能够辅助生产管理人员决策,并取得了较好的实际效果。     

光电轴角编码器的细分误差快速测量系统

为了在野外快速准确地测量编码器的误差,研制了编码器的误差测量系统。因为编码器的误差主要来自细分误差,该系统主要对细分误差进行分析。系统采用2片MAX125 A/D转换芯片对编码器输出的信号进行采集,通过并口将数据传给计算机进行误差分析。与传统的误差测量系统相比具有测量速度快、便携、简单等特点。利用该系统对某21位编码器的误差进行测量分析,证明该方法可行。     

复杂场景下的人数统计

室外复杂环境下的人数统计面临诸多复杂问题,如背景复杂、人群存在遮挡、与干扰物紧密结合的“不干净”人体等.这些因素给人数统计带来严重挑战.针对前景区域提取多种局部特征,并对各种干扰进行针对性处理.最后通过ε—SVR对特征进行回归得到人数计数,较好地解决不完全遮挡、常见干扰物、复杂背景造成的前景人体被分割等影响.同时针对处理不断提高的监控视频分辨率带来的实时性挑战,利用改进的混合高斯模型提高运算速度,使其适用于实际系统.     

一种鲁棒的基于改进Mean-shift的目标跟踪算法

为了克服传统Mean-shift算法在跟踪运动目标时由于背景像素造成的定位偏差和由于遮挡造成的跟踪失效,提出了两点改进措施。第一,根据初始帧目标和背景在颜色分布上的差异,建立对数似然图(log-likelihood image),筛选出目标中与背景可区分性好的颜色特征建立目标模型,并以同样的方法在后续帧建立候选模型。第二,将候选区域划分为若干重叠的子块,分别利用Mean-shift算法对各个子块进行迭代,以与目标区域相应子块最为匹配的子块的所在位置对整个目标重新定位,该方法很好地实现了目标部分遮挡情况下的稳定跟踪;严重遮挡时,采用简单的线性预测,估计下一帧目标可能出现的位置。实验结果表明：改进算法可以准确的进行目标跟踪,对部分遮挡和严重遮挡都有较强的鲁棒性。     

基于CPLD的带刻度十字丝的产生电路

针对现有十字丝产生方案中电路工作不稳定或者价格高、体积大等不足,提出了一种基于复杂可编程逻辑器件CPLD的带刻度十字丝的产生电路.利用CPLD响应速度快、集成度高、体积小的优点,将复杂的时序处理和逻辑控制集成到一块CPLD芯片中进行,电路使用很少的硬件就完成了带刻度十字丝的产生功能.实用证明,该电路工作稳定,十字丝标定准确,刻度清晰.     

基于方向角的特征配准算法

图像特征点匹配是计算机视觉领域的一个瓶颈问题,为了提高匹配精度,提出了一种基于方向角的特征配准算法.该算法采用Harris算子检测角点,根据图像梯度变化计算特征点的方向角,然后将待匹配特征点对间的方向角距离转化为权值对代价函数进行加权,并对特征点进行分析,改进了代价函数.实验证明,本文算法的匹配精度高于传统的归一化互相关(NCC)匹配,且具有一定的旋转不变性和抗噪性.