新高度 新挑战 再铸新辉煌——合肥水泥研究设计院近年来快速成长纪实

悠久的历史奠定跨越的坚实基础1978年,这里还是一片阡陌纵横的薄田荒岗,在一台台机械的轰鸣声中,合肥水泥研究设计院(以下简称“合肥院”)开始组建。来自四川、辽宁、唐山等地的水泥科技力量集中到了这里,     

合肥水泥院在"国际化"中快速成长

随着经济宏观调控,行业结构调整,国内水泥市场竞争加大;我国加入WTO以后,工程项目的建设模式和管理模式也逐步与国际惯例接轨,合肥水泥研究设计院(以下简称"合肥院")面临着一次重大的挑战.为了在新的竞争形势下求得生存与发展,合肥院领导班子和广大职工认真分析形势,研究应对措施,把目标瞄准了国际市场,制定了"国际化"发展战略.     

小空间占用的快速彩色图像特征抽取方法

为了有效降低已有彩色图像特征抽取算法的空间占用,使得这类算法可以适用于仅有有限计算能力和计算空间的计算环境,提出了一种小空间占用的快速彩色图像特征抽取方法。此方法首先用无迭代双边二维主成分分析方法NIB2DPCA对彩色图像的R、G、B三个通道分别做特征抽取;然后把抽取到的三个特征矩阵重构为一个二维矩阵;接着用NIB2DPCA对此二维矩阵抽取特征得到最终的分类特征矩阵。最后用最近邻分类器验证提出方法的有效性。在CVL和FEI人脸库上的大量实验表明,提出的方法采用两次特征抽取方法对彩色图像的信息进行了有效的压缩从而使计算过程中占用的内存空间减小了两个数量级以上,由此导致了计算时间的缩短,计算速度的提高;而且识别率还有所提高。     

基于对称非迭代双边2DPCA的人脸识别

结合人脸图像的对称性在非迭代双边二维主成分分析（NIB2DPCA）的基础上, 提出了对称非迭代双边二维主成分分析（SNIB2DPCA）的人脸识别方法。该方法引入镜像变换, 根据奇偶分解原理分别生成奇、偶对称样本, 用NIB2DPCA分别对奇偶对称样本提取特征, 通过奇偶加权因子对奇偶对称样本的特征矩阵进行组合得到最终的分类特征矩阵, 最后用最近邻分类器分类。在Yale、ORL和YaleB人脸库上的实验表明该方法不仅显著提高了识别率, 而且对光照影响有一定的鲁棒性。