“新工科”背景下“数字图像处理”课程的思政探索研究

针对“新工科”背景下的课程思政进行探索,对课程思政在教学过程中的定位、实施准则、教学评价等问题进行研究。首先明确了课程思政的定位,即全程隐性融入教学过程中。其次设计了4条教学准则,即通过优化专业课内容而不断提高载体质量、增强教师课程思政意识和思政能力、将思政元素隐性融入教学、全方位深挖时效性强的思政元素案例。最后采用过程性评价的方式进行教学效果评价,教学反馈显示教学效果较好。

三维补全关键技术研究综述

从部分观测信息中推断出完整三维形状与语义场景信息对自动驾驶、机器人视觉、元宇宙生态体系构建等而言是至关重要的,因此,主要围绕三维形状补全、三维场景补全和三维语义场景补全任务而展开的三维补全技术被广泛研究。本文围绕上述三维补全任务,对近年来的相关研究工作进行了系统性的分析和总结。首先,针对三维形状补全任务,对基于传统方法的形状补全和基于深度学习的形状补全这两个方面的研究进展进行了综述。其次,针对三维场景补全任务,对基于模型拟合的场景补全和基于生成式的场景补全方法这两个方面的研究进展进行了综述。再次,针对三维语义场景补全任务,深入分析了场景补全和语义分割两大任务之间的耦合特性,并根据输入数据的不同类型,对基于深度图的语义场景补全方法、基于深度图联合彩色图像的语义场景补全方法、以及基于点云的语义场景补全方法这三个方面的研究进展进行了综述。最后,对三维补全任务目前面临的主要问题及未来发展趋势进行了分析和展望,旨在为三维视觉中这一新兴领域的相关研究者提供一些有益的参考。

旋转不变的2D视图-3D点云自编码器

点云的无监督表征学习对于理解和分析点云至关重要,基于三维重建的自动编码器是无监督学习中的重要架构。针对现有的自编码器存在旋转干扰和特征学习能力不足的问题,本文提出一个旋转不变的2D视图-3D点云自编码器。首先,设计局部融合全局的旋转不变特征转换策略。对于局部表示,利用手工设计特征对输入点云进行转换,生成旋转不变的点云表征;对于全局表示,提出一个基于主成分分析(Principal Component Analysis,PCA)的对齐模块,将旋转点云对齐同一姿态下,在补充全局信息的同时排除旋转干扰。然后,在编码器设计局部和非局部特征提取模块,充分提取点云的局部空间特征和非局部上下文相关性,并建模不同层次特征之间的语义一致性。最后,提出一个基于PCA对齐的2D-3D重构的解码方法,重建对齐后的三维点云和二维视图,使编码器输出的点云表征集成来自3D点云和2D视图的丰富学习信号。实验结果表明:本算法在随机旋转的合成数据集ModelNet40和真实数据集ScanObjectNN上的识别精度分别为90.84%和89.02%,学习的点云表征在没有任何标签监督的情况下实现了良好的可辨别性,并且具有较好的旋转鲁棒性。

利用模板和邻域信息的静脉骨架提取新算法

为提高骨架提取的准确性和连通性,提出了一种利用模板和邻域信息的静脉骨架提取新算法,该算法首先对二值图像进行平滑,并通过自适应方法计算静脉纹路上所有像素点邻域之和,以快速区分出边缘点和中轴点,然后遍历图像找出所有符合中轴点模板的像素点,并删除其中的孤立中轴点之后,得到一些间断的中轴线段,最后从这些中轴线段的端点开始采用最大邻域点跟踪方法提取出静脉骨架。实验结果表明,该算法提取的静脉骨架与中轴线重合且平滑稳定,且具有尺度不变性,角度不变性和良好的抗噪性能,是一种有效的骨架提取算法。

航空发动机状态监测系统设计研究

以某型航空发动机为研究对象,讨论了发动机状态监测系统的设计和实现,主要探讨了状态监测系统的总体设计,软硬件开发及自检系统和冗余设计,并在发动机状态监测系统的设计中引入了嵌入式PC/104模块。为了使状态监测系统具有更好的扩展性和适应性,将系统设计成可以在三种方式下工作:机载运行方式、数据回放方式和地面试车方式,通过这些方式对发动机状态参数进行自动监测,为发动机的状态趋势分析、故障诊断和视情维修提供科学的依据。

节点约束型最短路径的分层Dijkstra算法

针对节点约束型最短路径问题,提出了基于回溯法的分层Dijkstra算法,通过分层结构寻找局部最优解来求得全局最优解或次优解.该算法利用分层结构可保存搜索进度的优势,使其在寻找过必经点最短路径时可以实现对搜索进度的保存与回溯等操作.实验结果表明:分层Dijkstra算法虽然增加了一定的空间复杂度,但能有效地减少Dijkstra算法的调用次数;与深度优先搜索、几何代数算法相比,分层Dijkstra算法虽然不一定能找到理论最优解,但出解速度较快,在数据量较大的情况下能快速找到次优解.

基于方向场分布率的静脉图像分割方法

提出了一种新的静脉图像分割方法,该方法以方向场分布率(Distribution ratio of directional fields,DRDF)作为区分静脉纹路和背景的分割准则.首先利用邻域信息和邻域分块模板计算图像中每个像素点的方向场以生成方向场图像,然后根据方向场图像中像素点互补半圆区域内的方向场分布率和分布判定函数计算出8灰度级图像,最后确定二值化参数将8灰度级图像二值化得到最终图像分割结果.该方法结合静脉图像特征,充分利用方向场图像的空间属性,克服了照度不均、粗细不均以及边界模糊等因素对分割造成的影响.实验结果表明该方法对于静脉图像具有很好的分割效果.

基于小波分解和多分类支持向量机的脸谱识别

小波分解提取脸谱特征具有对表情变化不敏感的特点,支持向量机作为分类器具有很高的推广性能,无需先验知识,针对小波分解和支持向量机所具有的优点,提出了一种新的脸谱识别算法,在该算法中无需对训练图像进行预处理,直接使用小波分解方法对脸谱图像进行特征提取,用所提取的脸谱特征向量组合成新的脸谱特征向量训练多分类支持向量机模型,最后用训练好的支持向量机进行脸谱识别,在训练中分别采用了三种不同的核函数;使用ORL脸谱图像库对该算法进行了测试和评估,测试结果表明了该算法在识别性能方面的优越性。

基于最大邻域点跟踪的静脉图像细化算法

针对二值静脉图像,提出了一种基于最大邻域点跟踪(MNPT)的细化算法.该方法首先估计出静脉纹路宽度,并根据该宽度值计算静脉纹路上像素点的邻域和,然后确定离散的起始搜索点,最后通过跟踪最大邻域点得到细化静脉图像.实验表明,该细化方法提取的静脉骨架位置准确、连通性好、纹路平滑,是一种有效的静脉图像细化方法.

政府信息化项目的风险分析与风险控制

经过20多年的建设,我国的政府信息化建设取得了一定的成绩,也积累了一些经验,但也存在着一些严重影响政府信息化建设成效的风险因素。本文针对政府信息化建设过程中出现的各种风险进行了详细的分析,并从统一规划,整合和共享资源,公务员的培训,法律法规的建设,招投标和监理制等五个方面给出了风险的控制方法和手段。

机器视觉与智能检测创新实践教学模式的探索

创新是素质教育的核心,为了培养学生的创新能力,结合机器视觉与智能检测创新实践,通过三年的教学摸索出一种可行的教学模式。该教学模式经过验证效果显著,提高了学生的动手能力和创新能力。

关于开展大学生科研训练工作的经验探讨

大学生科研训练计划是我国教育改革的一项重要内容,对提高大学生的科研素养,培养大学生的创新能力起到了积极作用。本文就如何提高大学生参与科研训练效果进行了积极探索,提出了一些指导经验和建议,为今后指导大学生进行科研训练提供了一些借鉴。

基于投影数据主成分分析的图像篡改检测算法

传统算法处理图像复制-粘贴型篡改问题时速度较慢。为此,提出一种基于投影数据主成分分析(PCA)的图像篡改检测算法。利用分块图像的行、列投影构建图像块投影特征矩阵,通过PCA对其降维,并使用字典排序法进行排序,结合图像块偏移置信距离判断图像复制-粘贴区域,完成被动取证。实验结果表明,该算法能准确找出篡改区域,与Posucue算法相比速度较快。

专业实验室环境下研究生的培养和管理

专业实验室作为研究生培养的基本单元,在研究生的管理和培养方面起着举足轻重的作用。本文就在专业实验室环境下如何提高研究生培养和管理的质量提出几点建议。

基于灰度差统计分析的掌纹线提取

为了快捷而准确地提取掌纹线,提出了一种基于灰度差统计分析的方法。采用了带有修正因子的直方图均衡化方法使掌纹图像灰度分布均匀化,并应用基于邻域平均灰度的计算方法有效抑制伪纹线的干扰。在预先设置长度阈值的情况下,对图像灰度差值图进行统计分析并设置灰度阈值,进而使用具有方向性的8邻域搜索方法,通过判断对象点的灰度值和连续掌纹线点集的点数,提取出掌纹线的二值图像。最后通过计算掌纹图像间的隶属度评价掌纹线的提取效果。实验结果表明,该方法提取出的掌纹线图像清晰,识别正确率较高,达到94.51%以上。

基于模糊积分融合的复杂场景下人体行为识别

利用局部特征描述符来表征视频中一系列关键点的方法已被广泛应用于识别复杂场景下的人体行为,但这些关键点之间隐含的结构化的位置关系目前并未得到有效表征.为此,文中首先采用尺度不变的关键点的检测子和3D-Harris检测子检测视频样本中的局部关键点,结合已有的局部特征描述符和形状描述符来表征关键点位置之间结构化的信息,然后利用bag-of-features模型来计算这些特征的分布,再通过模糊积分对这些局部特征进行有效融合,并给出具体的算法描述.在具有复杂场景的YouTube数据集下的实验表明,所提出的局部特征表征方法能够更有效地表征复杂场景中的人体行为,模糊积分融合方法可有效进行决策层融合.

一种新的高速圆形匹配算法

针对现有圆形匹配算法无法同时满足高速度、低内存消耗以及高精度要求的情况,提出了一种基于击中率的新型圆形匹配算法.算法引入以轮廓作为匹配特征信息的圆环采样模板,匹配的结果由击中率表征,并进一步根据搜索目标与定位区域的灰度相关性剔除误检对象.实验表明,算法能够实现毫秒级快速定位,且在内存消耗和可靠性方面都获得较好的性能.

基于时间上下文跟踪-学习-检测的指尖跟踪方法

针对在基于视频的空中签名认证系统中,现有方法无法满足指尖跟踪的准确性、实时性和鲁棒性要求的问题,在对比研究目前常用的多种跟踪方法的基础上,提出一种基于时间上下文的跟踪-学习-检测(TLD)方法。在原始TLD算法的基础上引入时间上下文信息,即相邻两帧间指尖运动具有连续性的先验知识,自适应地缩小检测和跟踪的搜索范围,以提高跟踪的速度。对12组公开的1组自录的视频序列的实验结果表明,改进后的TLD算法能够准确地跟踪指尖,并且跟踪速度达到43帧/秒;与原始TLD跟踪算法相比,准确率提高了15%,跟踪速度至少提高1倍,达到了指尖跟踪的准确性、实时性和鲁棒性要求。

正交数组技术在面向对象测试中的应用

根据面向对象测试要求的特点及正交数组技术的特点,提出将正交数组技术应用于面向对象测试中的方法和步骤,并提供一个应用实例来说明如何将正交数组技术有效地应用到面向对象测试中。

基于DSP和CPLD的图像采集系统驱动设计

提出了一种新的基于DSP和CPLD的图像采集系统驱动设计方法,该方法针对现有图像采集系统中程序设计灵活性较低和数据传输速度较慢的问题,利用CPLD的灵活性和TMS320C64x系列DSP的PDT传输功能设计了一种合理的解决方案,并给出了硬件接口设计方案以及DSP和CPLD上的部分程序代码。该设计已成功在实际中应用,并减小了CPU的开销、提高了工作效率,使系统适应性增强。