基于改进Zernike矩的远场激光高精度中心测量

针对远场激光光斑分布不均匀、形状不规则的特性,提出一种基于改进的Zernike矩的远场激光高精度中心测量方法。在传统Zernike矩亚像素边缘检测基础上,使用新型的logistic边缘检测模型和阶跃阈值自适应提取方法,在减少人工对阶跃阈值误判的同时,提高对实际边缘的识别精度,最后使用最小二乘法椭圆拟合得到高精度激光光斑中心。该方法在远场激光中心检测中,单帧误差在0.5 pixel左右,连续多帧中心偏差波动在1 pixel以内,拥有较高的精度和可靠的稳定性。

一种基于KL变换的椭圆模型肤色检测方法

肤色检测是计算机视觉中的一个重要问题,该文提出了一种新的基于KL变换的椭圆模型肤色检测方法。算法首先对训练肤色样本进行了分布均匀化处理,然后以KL变换为基本工具最终得到了肤色分布区域的椭圆边界方程。方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。

以颜色和形状直方图为线索的粒子滤波人脸跟踪

跟踪器的设计和跟踪线索的选择与表达是人脸跟踪中的两大关键因素,针对一般人脸跟踪算法中常用简单椭圆来描述人脸形状线索时易受背景干扰的缺点,以及视频目标跟踪中动态模型和观测模型的非线性非高斯特点,提出了一种以颜色和形状直方图为线索的粒子滤波人脸跟踪算法,该算法在粒子滤波基本框架之下,引入了一种新的用直方图来描述人脸形状的方法,并对其进行了改进,用来作为人脸跟踪的形状线索。同时,为了减轻背景干扰,提出了一种经验有效边缘的检测方法。实验表明,该跟踪方法不仅能有效地处理人脸旋转、背景中的肤色干扰和部分遮掩问题,并且能够在由于大面积遮掩等原因而丢失目标的情况下,及时有效地重新捕获已丢失的目标。

基于观测似然重要性采样的粒子滤波算法

针对粒子滤波中如何来设计重要性采样函数进行动态粒子传播这个重要问题,提出了一种新的基于观测似然重要性采样的粒子滤波算法,该算法打破了常规粒子滤波先按某一重要性采样函数进行采样,再用观测似然进行粒子权重更新的思路,而是直接根据观测似然进行采样,然后再用先验转移概率进行粒子权重更新。由于算法在采样的过程中用到了观测似然函数,这样保证大多数粒子点都分布在高观测似然区域,极大提高了粒子的利用效率,实验证明基于观测似然重要性采样粒子滤波的性能明显优于当今流行的标准粒子滤波,扩展Kalman粒子滤波以及unscented粒子滤波。

基于均值移动重要性采样的粒子滤波人脸跟踪算法(英文)

针对condensation目标跟踪算法中用先验转移概率作建议分布函数时没有充分考虑最新观测信息的缺点,提出了一种基于均值移动重要性采样的粒子滤波人脸跟踪算法.算法首先利用均值移动跟踪器粗略定位人脸目标,然后再用此跟踪结果去构造建议分布函数进行粒子传播.由于通过该方法所构造的建议分布函数中包含了最新的观测信息,所以它可以使大多数粒子点都能分布在真实状态区域周围,进而提高了粒子传播的准确性.人脸跟踪结果表明,该算法的跟踪性能明显优于标准condensation方法.

基于均值移动和椭圆拟合的人脸跟踪算法

为了解决均值移动跟踪算法对目标的尺度变化自适应能力差的缺点,针对人脸跟踪具体问题,提出了一种基于均值移动和椭圆拟合的人脸跟踪算法.根据当选择较大核窗进行均值移动跟踪时一般可以准确定位目标的事实,以及人脸形状椭圆近似性的特征,利用一个较大核窗的均值移动跟踪器对人脸目标进行粗略定位,在此基础上再用一种高效鲁棒的直接最小二乘椭圆拟合方法来自动调整人脸尺度的大小.实验表明,该改进算法能有效地解决均值移动人脸跟踪中的目标尺度自适应调整问题,其跟踪效果明显优于原均值移动目标跟踪算法.

基于均值移动确定性漂移的改进CONDENSATION人脸跟踪

针对视频序列目标跟踪粒子滤波经典CONDENSATION算法用先验转移概率,即采用一阶或二阶AR模型难以有效进行粒子传播的问题,提出了一种改进的CONDENSATION人脸跟踪算法。首先利用高效的均值移动跟踪器以低廉的计算成本初步进行人脸目标跟踪定位,并用此初步跟踪结果来确定CONDENSATION粒子动态传播模型中的确定性漂移部分,然后只需加入一个较小的随机扩散噪声来完成粒子的传播。由于这样所得的粒子点能较为集中地分布在状态的真实区域附近,因而大大提高了粒子的利用效率。人脸跟踪实验表明,该改进算法的性能明显优于原CONDENSATION方法。

一种新的基于直接最小二乘椭圆拟合的肤色检测方法

肤色检测是计算机视觉中的一个重要问题,本文提出了一种新的基于直接最小二乘椭圆拟合的肤色检测方法,其基本思想是根据肤色样本分布区域的边界数据点采用曲线拟合的方法得到肤色分布区域的边界方程。在实现时,为了解决直接在笛卡儿坐标系中提取肤色样本分布区域边界数据的困难,算法采用了一种新的解决思路,即首先把训练肤色样本在色度空间的统计分布转化为图像的形式,然后再利用边缘检测方法得到肤色分布区域的边界数据。根据所得的边界数据点用直接最小二乘椭圆拟合方法便可得到肤色分布区域的椭圆边界,方法简单直观。实践表明,该算法能完成对各种不同环境条件下所拍摄图像的肤色分割,效果理想,其性能明显优于常用的域值界定法和单高斯模型法。

分块多特征自适应融合的多目标视觉跟踪

为提高多目标视觉跟踪算法的实时性和稳定性,提出了分块多特征融合的目标跟踪算法。该算法融合底层颜色、纹理和边缘特征信息,以降低单一目标特征算法容易受复杂环境和目标形变的影响。建立分块目标多特征融合直方图模型,引入目标和背景区分度抑制背景分量,并且结合Kalman滤波器进行预测,在发生遮挡时根据置信度最大子块位置获取遮挡目标位置,实现目标稳定可靠的跟踪。实验结果表明:该算法对每帧图像的平均处理时间为36.2 ms,达到实时性的目的,且算法鲁棒性较强。

“半导体物理”课程教学改革

本文结合我校实施的"卓越工程师教育培养计划",对"半导体物理学"课程进行了教学计划和教学内容的调整,增加了实验内容,构建了"知识讲授、网络学习、综合实验、科研训练、生产实习、企业实践"六位一体的半导体物理教学模式,提高了学生综合利用知识的能力,强化了对学生工程实践能力培养。

基于双正则化的图像超分辨率盲重建

图像超分辨率重建是利用数字信号处理技术由一系列低分辨率观测图像得到高分辨率图像。大多数重建算法假设成像系统的模糊特性也即点扩散函数(PSF)已知,然而实际的应用环境下PSF事先不知道或部分知道。为此,将未知PSF模型化,提出基于双正则化的图像超分辨率盲重建算法,并且正则化作用的强度随重建图像局部光滑程度的变化而自适应地改变,以便能保护图像细节同时抑制平滑区域的噪声。求解过程中采用交替最小化方法估计PSF参数和高分辨率图像,并随着迭代次数的增加逐步提高每次寻优的精度以节省计算开销。实验结果表明,该算法能够比较准确地估计出PSF参数并取得较好的图像重建效果。

一种新的图像配准和超分辨率重建算法

对低分辨率观测图像进行精确配准是实现图像超分辨率重建的关键。然而,当低分辨率图像中的混叠分量达到一定程度时,许多配准算法不能满足超分辨率重建的精度要求。将图像配准和超分辨率重建联合实现的方法受混叠影响较小,该文分析其原因并提出实现这类方法的新算法,该算法采用类似于变量投影的思想,改善问题求解的条件,从而克服常用的坐标轮转下降法的一些不足。新算法利用Lanczos方法和Gauss求积原理高效地实现,并且能够处理低分辨率图像之间平移和旋转等形式的运动。实验结果证明了该方法的有效性。

一种基于形态学滤波的视频对象空间分割新策略

视频对象提取是现代信息科学领域的一个研究热点。为了改进常见的视频对象时空分割方法,提取具有理想边缘的视频对象,本文提出了一种新颖的结合交替顺序重建滤波和自适应阈值判别的空间分水岭分割策略。该策略中结构元素逐渐变大的形态学开闭重建迭代使得分水岭分割所获区域数大大减少,有效地避免了复杂的区域融合。同时,迭代过程使得对象边缘像素的梯度与前景、背景中平坦区域内部像素的梯度更易区分,从而能够应用自适应阈值算法进一步消除由局部梯度极值造成的分割小区域。应用基于该策略的时空分割方法对标准测试序列进行分割实验,实验结果表明,该策略能够带来令人满意的空间分割结果,有助于提高视频对象时空分割方法的主客观性能。此外,该策略能够自动确定交替顺序重建滤波器中结构元素的大小以及非线性判别的阈值,算法的通用性和易用性较好。

一种抑制背景干扰的粒子滤波人脸跟踪算法

首先从理论上推导出基于MMSE状态估计在背景干扰下的偏差,然后通过实验说明基于MAP状态估计存在的问题,在此基础上提出一种新的跟踪目标状态参数估计方法.即在视频目标跟踪过程中,按照粒子权值大小的准则,筛选适当数量具有较大权值的粒子进行目标状态估计.由于该算法利用了参考目标与候选目标相似度大的特性,所以可以有效地剔除背景以及伪目标的影响.实验结果表明,该算法具有很好的鲁棒性,并且提高了在背景干扰下目标跟踪的精度.

网格运动分析与形态学滤波相结合的视频对象分割

提出了一种基于二维网格运动分析与改进形态学滤波空域自动分割策略相结合的视频对象时空分割算法。该算法首先利用高阶统计方法对视频图像的二维网格表示进行运动分析,快速得到前景对象区域,通过后处理有效获得前景对象运动检测掩膜。然后,用一种结合交变序列重建滤波算法和自适应阈值判别算法的改进分水岭分割策略有效获得前景对象的精确边缘。最后,用区域基时空融合算法将时域分割结果和空域分割结果结合起来提取出边缘精细的视频对象。实验结果表明,本算法综合了多种算法的优点,主客观分割效果理想。

基于多观测模型的粒子滤波头部跟踪算法

粒子滤波在非线性和非高斯问题上具有独特的优越性,但在视频跟踪过程中,其跟踪性能却在很大程度上依赖于观测模型的选择。为了解决被跟踪目标特征状态随时间变化而与粒子观测模型不匹配的问题,提出了一种新的粒子滤波算法,即将被跟踪目标的不同特征状态与粒子观测模型相结合,形成一组具有不同观测模型的粒子,并且在跟踪过程中,对应不同观测模型的粒子根据被跟踪目标所表现的特征线索的变化而相互转换,从而动态刻画了被跟踪目标特征变化的过程。实验结果表明,本算法能够有效处理由于头部旋转而导致跟踪性能下降甚至丢失跟踪目标的问题,提高了跟踪的准确性,并且具有较好的鲁棒性。

一种应用形态学滤波的视频对象时空分割算法

从视频图像中提取视频对象是基于内容的视频编码中的一项关键技术。本文提出了一种基于帧间运动信息和形态学滤波的视频对象时空分割算法。该算法首先利用分块高阶统计算法和基于最大类间方差的阈值算法得到目标的运动区域检测模板。然后,用基于交变序列重建滤波的分水岭算法得到前景对象的精确边缘。最后,用区域基时空融合方法将运动检测和形态学分割结果结合起来提取出视频对象。实验结果表明,本文算法能避免区域合并有效提取出具有精确边缘的视频对象,主客观分割效果理想。

基于融合模板的均值移动头部跟踪算法(英文)

针对被跟踪头部目标特征状态随时间变化而与参考模板不匹配的问题,提出一种基于融合参考模板的均值移动算法,即将被跟踪目标在不同状态下所呈现出的不同特征使用采样的方法进行融合,如将头部跟踪过程中正面的肤色信息和后面的发色信息进行融合,从而形成一个包含不同特征的参考模板.在跟踪过程中,使用该融合模板可以有效地克服由被跟踪目标特征变化导致跟踪失败而不能实现头部连续跟踪的问题.通过头部跟踪实验可以看出,该算法实现了复杂环境下的具有360°旋转的头部跟踪,并且在一定程度上提高了跟踪精度.

智能工业用分选系统控制终端的开发

本文针对智能工业分选系统设计了其控制终端。该终端以AT89C51为核心,配以信号调理电路、A/D转换电路、信号输出电路和键盘/显示单元等几个部分。工作时,系统通过压敏式压力传感器采集重量产生的电压模拟信号,将该信号放大、滤波后,送入A/D转换器,转换后的数字信号进入AT89C51单片机,经系统软件进行运算处理后,得出所属分选等级,并向分选开关发出开关量信号,实现对产品的动态称重和实时分选控制。

基于RFID和Android的固定资产管理系统

为了提高企事业单位固定资产管理的工作效率,降低人工操作的复杂度和错误率,设计并开发了固定资产管理系统。系统选用Android智能手机作为客户端,通过蓝牙获取RFID数据采集端采集到的数据,对其进行解析分析并予以显示。同时系统的服务端选用My SQL作为远程数据库,并利用PHP API实现数据库访问和与客户端的数据交互,其中数据被封装成JSON格式,从而减小数据量,提高数据传输效率。测试结果表明,该固定资产管理系统操作过程简单快捷,能够存储较大的资产信息数据,一定程度上改善了固定资产的管理工作。