基于视觉手势识别技术的智能窗帘研究

在Visual Studio 2010开发环境中以C++为编程语言,使用计算机视觉计算中的开源OpenCV库处理图像,判定手势运动方向,构造基于视觉手势识别技术的智能窗帘系统。通过调用Windows API函数实现PC与LPC2131之间的串口通信,从而通过控制步进电机的转动方向来实现窗帘的打开和关闭操作。系统具有人机交互界面良好、操作简单、窗帘的长度可自行设定等优点。     

基于深度学习的木材表面缺陷图像检测

针对木材活节、死节、虫眼等缺陷图像的检测问题,本文提出了一种基于深度学习的木材缺陷图像检测方法。首先,通过对Faster-RCNN网络进行训练,得到了可以对木材缺陷定位和识别的检测模型;然后,应用NL-Means方法对图像进行去噪,通过线性滤波、调整对比度和亮度实现图像增强;再对图像进行二值化处理,根据像素值差异提取缺陷边缘特征点集,实现了对木材缺陷的精细分割;最后,对椭圆拟合方法进行了改进,实现了对木材缺陷边缘点集的椭圆拟合,提供了新的木材缺陷加工方案。实验结果表明,该算法具有较好的木材缺陷定位和分类能力,得到了较好的分割及拟合效果,可在缺陷修补这一环节减少约10%的木材填充量。     

障碍环境中可视反向视域K最近邻查询

在障碍环境下的空间应用中,用户通常只对视域范围内可视的数据对象感兴趣。为解决障碍环境中视域范围内的反向最近邻查询问题,将视域可视性引入到反向K最近邻查询中,提出一种可视反向视域K最近邻查询算法。给定某空间数据集P、障碍集O和查询点q,可视反向视域K最近邻查询检索P中数据点,并将q作为可视视域K最近邻。应用查询点进行障碍过滤,得到障碍过滤算法,利用数据对象的视域进行剪枝,使用查询点与数据对象的关系剪枝,形成有效的障碍剪枝规则,并根据剪枝规则得到视域可视性判断算法。在此基础上,分别基于R^*-树和VFR-树提出可视反向视域K最近邻查询算法R^*-V2-RKNN和VFR-V2-RKNN,并分别通过对R^*-树和VFR-树进行一次遍历得到查询结果。在真实数据集和模拟数据集上的实验结果表明,VFR-V2-RKNN算法的查询性能明显优于R^*-V2-RKNN算法。     

木材缺陷识别新方法——改进C-V模型与小波变换

分析了木材缺陷、单板节子的特点,提出了一种基于改进的C-V模型、小波变换及背景填充技术的缺陷识别算法。采用symlet5小波,对原图像进行一级二维离散小波变换,分别得到低频分量和高频细节,对低频分量用背景填充技术进行处理得到新的低频图像,分别使用改进的C-V 模型对各子图像识别,利用二维离散小波重构图像,进行Gauss滤波,得到分割结果。     

基于红外热像的油页岩反应炉温度场数值仿真

由于油页岩反应炉在工作时,内部发生的物理和化学变化以及动力学过程极其复杂,而传统手段很难准确快速地实现料面温度场仿真。针对该问题,提出了一种基于数据融合的油页岩反应炉料面温度场智能仿真方法。该方法首先从工艺机理的角度分析了油页岩反应炉红外热像、十字测温信息以及与实际料面温度场之间的数值关系,然后在充分使用油页岩反应炉十字测温信息的基础上,通过基于两点法的分区域动态温度定标方法对红外图像进行温度场的模拟。实验结果显示,该方法具有较好的泛化能力和较高的精确度,能够快速有效地实现油页岩反应炉内部料面温度场的自动化和可视化检测。     

重油轻质化化学添加剂计算机优化仿真系统

为了以尽可能少的试验得到尽可能好的配方,开发了一种重油轻质化化学添加剂计算机优化仿真系统.该软件便于进行试验设计和试验数据的分析处理,并通过建立的数学模型,揭示各因素与变量之间的关系,从而获得最佳的工艺条件或配方.介绍了此系统的结构和各功能模块,并对系统进行了配方的验证,结论证明此系统对化学添加剂的配方性能具有较好的模拟性.     

基于语义分割的高分辨率场景解析网络

为了高效地对城市景观等复杂场景进行分割解析,本文结合高分辨率网络（HRNet）,通过金字塔池化模块（Pyramid pooling module,PPM）补充全局上下文信息,提出了一个高分辨率场景解析网络。首先,以HRNet为基干特征提取网络,并利用空洞可分离卷积改进其大量使用的残差模块,在减少参数量的同时提高了对于多尺度目标的分割能力;其次,利用混合空洞卷积框架设计了多级空洞率,在稠密感受野的同时减小了网格问题的影响;然后,设计了多阶段的连续上采样结构以改进HRNetV2简单的后融合机制;最后,使用改进的可适应不同图像分辨率的金字塔池化模块聚合不同区域的上下文信息获得高质量的分割图。在城市景观数据集（CityScapes）上仅以16.4 Mbit的参数数量实现了83.3%MIOU的精度,在Camvid数据集也取得了良好的效果,实现了更加可靠、准确、低计算量的基于语义分割的场景解析方法。     

基于深度学习的遥感图像地物分割方法

针对传统方法难以同时有效地进行多目标分割,现有基于全卷积神经网络的地物分类方法在复杂场景下分类精度不高的问题,提出了一种基于U-net改进的全卷积神经网络DL-Unet,实现了对遥感图像不同类别地物的有效分割.该网络改进了传统的卷积方式,引入扩张卷积,在不增加网络参数的同时增大感受野.针对遥感影像中地物类别不均衡的问题...     

多跳跃蒙特-卡罗节点定位方法的研究

为了使传感器节点自定位精度能够适应于不同网络规模应用的需要,提出了多跳跃蒙特-卡罗节点定位方法,解决了锚节点密度低的应用限制。在低锚节点分布密度不同的条件下,可以采用多跳锚节点方法收集锚节点信息,然后,再针对密度特点应用不同采样方法计算未知节点位置。通过仿真实验表明了此算法可以不受锚节点密度限制,具有一定的自适应性和实用性。     

基于压缩感知的高光谱遥感影像重构方法研究

高光谱遥感影像包含丰富的空间、辐射以及光谱信息,同时海量的数据也引发了高光谱成像技术在传输和存储方面的诸多问题。针对这一问题,根据高光谱遥感影像谱间相关性强的特性,提出了一种结合谱间多向预测的基于压缩感知的高光谱遥感影像重构方法。首先,根据高光谱遥感影像的谱间相关性对高光谱遥感影像的波段进行分组,每组确定一个参考波段,使用平滑l_0范数算法重构每组的参考波段。其次,根据重构恢复的相邻组内的参考波段,建立了一个非参考波段预测模型,用来计算非参考波段的预测测量值;然后,计算实际测量值与预测测量值的差值,使用SL0算法重构该差值得到差值向量;最后,利用得到的差值向量迭代更新预测测量值,直到恢复该波段原始图像。仿真实验结果表明,该方法提高了高光谱遥感影像的重构效果。