基于亚像素边缘搜索的气门几何参数检测

气门几何参数检测问题是汽车、船舶、航空以及柴油发动机等工业缺陷检测领域的热点难题,其本质是气门边缘关键点的检测问题,目前应用在工业气门产业的成果较少。本文针对气门边缘关键点难以精准检测问题,设计了基于亚像素边缘搜索算法,该算法基于Zernike矩和亚像素边缘检测对气门边缘进行矫正,并结合图像投影和逐像素边缘搜索精确定位边缘关键点对其拟合,得到气门几何参数检测结果。为了验证所提算法的有效性,对不同尺寸的工件进行检测分析,结果表明该算法检测气门杆径的最大绝对值误差和最大极差分别低于0.009 3 mm和0.036 3 mm,在检测精度和稳定性上均达到了工业要求,满足实际工业生产现场的检测需求。     

基于数字图像处理的车牌定位方法研究

针对复杂背景的车牌定位问题,提出了一种二值图和纹理方向图相结合的车牌定位方法。采用GaussainHermite矩和方向场对原图像进行计算,从而得到纹理方向图;然后结合二值图和方向图通过查找边缘信息的方法确定车牌区域及候选区域;最后使用改进的区域标记法准确的定位车牌。实验证明此种方法定位效果好。     

基于多尺度特征融合的跨视角步态识别

在跨视角步态识别中,针对衣着遮挡情况下难以提取具有可辨别性和多样性的步态特征,导致识别准确率下降的问题,提出了一种基于多尺度特征融合网络的跨视角步态识别方法。该方法能够有效利用步态特征间的互补性,获得具有可辨别性和多样性的步态特征,从而解决因衣着遮挡造成可辨别性差以及单一性的问题,进而提升跨视角步态识别的准确性。为验证所提方法的有效性,在公共数据集CASIA-B上进行了验证,实验结果表明所提方法在处理具有遮挡条件下的跨视角步态识别问题的识别性能达到了73.4%,同时在正常和背包两种行走条件下的识别性能分别达到了95.5%和88.0%。此外,我们的方法在处理遮挡条件下的识别性能优于同类典型的步态识别方法。     

连续型进化算法首达时间分析的更新理论模型

连续型进化算法首达时间上界研究中需要较强的前提假设且较少关注其下界.文中引入鞅论和更新过程,结合瓦尔德不等式以及更新定理,提出基于增长率的更新理论模型,用于估计进化策略(Evolution Strategies, ES)平均首达时间的上界和下界.更新理论模型依赖算法的初始种群以及增长率概率密度函数,这为进化策略的首达时间分析提供估计优势.为了验证文中更新理论模型,首先计算带均匀变异(1,λ)ES在二维倾斜平面问题上的平均首达时间,得到(1,λ)ES种群规模与时间上下界之间的关系闭合表达式,并且验证平均首达时间与种群规模之间并非负相关.再计算带均匀变异(1,λ)ES在五维超平面问题上的平均首达时间,得到理论计算的上下界闭合表达式.数值实验表明,理论计算的上界和下界与实际运行平均首达时间一致,这为分析进化策略的首达时间提供一种理论工具.     

关于单位圆内高阶齐次线性微分方程的复振荡性质

本文对单位圆内解析系数的高阶齐次线性微分方程的复振荡进行研究，得到了解的超级和超级零点收敛指数的估计。     

基于ARIMA模型的贵州全社会固定资产投资预测

本文利用贵州省1987至2008年的全社会固定资产投资总额数据，运用计量经济学软件EViews，利用时间序列分析方法建立相应的ARIMA模型进行预测分析，为各级政府和企事业单位相关的管理决策，提供数量化的参考信息。     

高阶线性微分方程的复振荡性质

研究了亚纯函数系数的高阶齐次线性微分方程的复振荡，得到了解的超级和超级零点收敛指数的估计。     

基于双分支特征拼接的行人重识别

针对不同监控视觉的拍摄，行人重识别任务存在类内（同一行人）前后变化大被误判、类间（相似行人）模糊造成区分度低的问题，提出一种双分支特征拼接的行人重识别方法（Dual-branch Feature Concatenation Network,DFCNet）。该方法通过对网络的深度特征进行拼接，使特征信息互补，获得辨别性特征，并用批归一化层代替基础网络全局平均池化层后的全连接层，使用标签平滑交叉熵损失函数训练网络，解决类内变化大及类间模糊造成提取特征辨别性差的问题。为验证所建议方法的有效性，在Market1501、DukeMTMC-reID公开数据集上进行验证，其中在Market1501数据集上，Rank-1和mAP指标分别达到95.8%和94.3%。结果表明所建议方法在处理类内误判与类间难区分问题上具有良好性能，且识别精度优于对比的流行算法。