我国优秀女子铅球运动员宋××旋转投掷技术的加速特征研究

本文采用文献资料法、测试法、数理统计法等研究方法,选取宋××6场投掷比赛,对宋××旋转式投掷技术的速度特征进行研究,以期为提高我国女子旋转投掷技术提供参考。结果发现,(1)宋××旋转投掷过程时间节奏较稳定,但在腾空旋转阶段、最后用力阶段的时间节奏控制不稳定;(2)宋××在进入腾空旋转阶段时,身体重心速度低于器械速度,左侧轴的压紧效果较好;(3)在第二单支撑阶段结束阶段铅球速度未出现明显的“延缓器械速度”现象,器械速度起伏较大,对器械控制不稳定;(4)在左脚着地时刻,左肩速度迅速提高,右肩速度较稳定,有助于稳定器械速度;(5)在第一单支撑阶段两侧肩关节速度变化差值较大,不利于上肢稳定。

涨跌停限制磁性效应加速特征研究——基于中国A股市场高频交易数据挖掘

本文选取中国A股市场1003只股票作为研究对象，运用二次函数模型，通过对考察期内高频数据的挖掘，从收益率和交易量两个层面，分析股票涨跌停前30分钟磁性效应的加速度、加速拐点和加速持续期三个特征。研究发现，收益率和交易量涨跌停前的磁性加速现象显著存在；犬盘股涨停前收益率的加速度与跌停前加速度对称，小盘股收益率涨停前加速度大于跌停前加速度，并且两加速度均大于大盘股；上午涨跌停收益率磁性加速度大于下午涨跌停；上涨过程交易量磁性加速度大于下跌过程；收益率的拐点和加速持续期在同一过程中与交易量的拐点和加速持续期基本一致。

三维球床几何稀疏条数长特征线加速方法

特征线法具有非常强的几何适应性,可用于三维球床高温气冷堆全堆芯求解,但存在迭代次数多、计算速度慢的缺点。本文将长特征线加速方法应用于三维球床高温气冷堆以解决非规则几何数值加速的问题,基于三维模型特征线布置较二维模型稠密的分析,提出了稀疏条数长特征线加速方法,极大地减少了加速方程的计算量,在不降低角度离散精度的前提下,获得了非常好的加速效果。通过基准题对加速参数的选取方式进行了研究,条数稀疏度取3~5、长特征线长度取2.0 cm左右、加速迭代步取20~60步可获得良好的加速效果。小型轻水堆三维基准题和球床堆芯简化模型的计算结果表明,采用稀疏条数长特征线加速可获得7倍左右的时间加速比,此时对应的迭代步加速比为20倍左右。

基于加速度波形分析的轮胎运行特征提取和磨损检测方法

针对智能轮胎的实时磨损监测需求,提出了一种新型轮胎磨损检测方法,使用三轴加速度传感器集成设备对轮胎进行加速度波形采集,使用凯撒最大化正态方差法对加速度波形特征进行主成分分析,基于分析结果进行波形特征值提取与筛选,并通过误差反向传播(BP)神经网络对筛选后的特征值数据进行训练,实现轮胎磨损值的实时检测。最后基于实车检测数据进行了测试与对比,结果表明该算法能在较低的算力需求下,将磨损检测的平均误差降低到0.1 mm。

结合加速鲁棒特征点与边缘检测的双相机标定物体尺寸测量

为了准确、低成本、简便地测量工业产品的尺寸参数,提出双相机标定的物体尺寸测量方法;利用低分辨率相机简化检测过程中的计算量,缩短检测时长;新增辅助相机实时更新测量距离,解决目标相对相机位置发生变化的情况;应用环形照明模块持续补光,确保工件边缘的稳定性,解决检测精度受限于光照环境影响的问题,并基于目标检测的加速鲁棒特征点与边缘检测相结合,同时利用亚像素插值法,最大限度地减小目标测量的误差。结果表明,所提出的测量方法可将测量误差减至0.7%,与现有测量方法相比,具有测量精度高、处理时间短、抗噪声能力强等优点。

基于改进的加速鲁棒特征算法的工件定位方法

为了解决传统的图像处理算法识别现场获得的工件图像速度慢且匹配效果较差等问题,通过对工件图像的识别方法进行研究,提出了一种改进的加速鲁棒特征(SURF)算法可以实现工件准确、实时的定位。该算法基于加速分割测试特征检测器(FAST)对SURF算法的特征提取方式进行改进,首先利用FAST提取特征点,然后通过SURF算法生成特征点描述子,使用主成分分析算法(PCA)对描述子进行降维。随后以欧式距离作为相似性度量进行粗匹配,再采用随机抽样一致算法(RANSAC)剔除误匹配点。最后结合双目视觉技术得到工件空间位置坐标。实验结果表明:本文提出的算法在运行时间上相比传统SURF算法减少80%,同时提高了匹配的精度。达到了准确、实时的工件定位目的。

基于改进的加速鲁棒特征的目标识别

为了提高加速鲁棒特征(SURF)算法的实时性和准确性,本文提出了一种结合AGAST角点检测和改进的SURF特征描绘算法。首先利用AGAST角点检测模板检测特征点,再使用增加对角信息的哈尔小波响应来生成特征点的描述子,之后利用特征袋对产生的描述子进行编码并生成新的特征向量,最后利用支持向量机(SVM)对特征向量进行分类,完成识别。本文以SIFT和SURF算法为对照,分别进行不同视角、光照和尺度的识别实验。实验结果表明,本文算法的平均识别率为98.0%、96.9%、97.1%,平均时间分别为66.1 ms、79.3 ms、41.0 ms,在识别率上较优于SURF算法,所耗时间约是SURF算法的1/3。

基于二进制鲁棒不变尺度关键点-加速稳健特征的自然特征虚实注册方法

针对基于视觉的增强现实(AR)中虚实注册的准确率和实时效果受光照、遮挡和视角变化影响大,易导致注册失败的问题,提出一种基于二进制鲁棒不变尺度关键点-加速稳健特征(BRISK-SURF)算法的自然特征虚实注册方法。首先,利用加速稳健特征(SURF)特征提取算子检测特征点;然后,采用二进制尺度旋转不变鲁棒(BRISK)特征描述算子对特征点进行二进制描述,结合汉明距离实现准确高速的特征匹配;最后,根据图像间的单应性关系实现虚实注册。从图像特征匹配和虚实注册两方面进行实验,结果显示BRISK-SURF算法的平均准确率与SURF算法基本保持一致,比BRISK算法提高了约25%,平均召回率提高了约10%;基于BRISK-SURF的注册方法的结果接近参考标准数据,精度较高,实时性较好。实验结果表明,所提方法对于光照、遮挡和视角情况不同的图像具有较高的识别准确度、注册精度和实时效果。另外,使用此方法实现了基于AR的交互式旅游资源呈现与体验系统。

基于OpenCL的加速鲁棒特征算法并行实现

加速鲁棒特征算法(speed up robust features,SURF)的时间复杂度大,传统串行计算的方法,实时性难以保证.针对上述问题,提出一种基于OpenCL架构的SURF并行实现方法.首先对算法中的积分图的计算、Hessian响应图、特征点主方向、特征点描述等步骤实施数据并行和任务并行处理,并给出详细的算法流程.接着从OpenCL架构的数据传输、内存访问以及负载均衡等方面优化算法性能.实验结果表明,该算法对不同分辨率的图片均实现了10倍以上的加速比,一些高分辨率的图片甚至可以达到39.5倍,并且算法适用于多种通用计算平台.

基于加速鲁棒特征的广角图像自动拼接校正算法

广角图像在全景图拼接中优势明显,然而,由于广角图像存在严重的透视畸变,往往导致拼接的效果不理想,甚至导致拼接失败。针对广角图像拼接中的透视畸变问题,提出一种广角图像自动拼接、校正算法。先计算出待拼接广角图像的特征点匹配对,求出图像拼接矩阵,对广角图像进行拼接;然后,根据图像采集时的镜头旋转角度计算出图像校正矩阵,对拼接后的全景图进行透视畸变校正。实验结果表明,基于该算法得到的全景图能够有效地消除透视畸变,达到较好的拼接效果。

一种旋转和光照不变的加速鲁棒特征算法

针对加速鲁棒特征(SURF)算法对光照变化敏感、主方向误差影响匹配性能的问题,提出了一种改进的SURF算法。首先分析了特征邻域划分方式在旋转变换下对描述符匹配性能的影响,然后提出了采用圆形特征邻域构建描述符的方法,以消除主方向计算误差带来的影响。此外,利用自适应Gamma校正来克服光照变化带来的影响。在特征邻域内计算灰度均值,并将此与灰度级的一半的比值作为Gamma值,对特征邻域作Gamma校正,然后计算特征描述符。最后进行了匹配实验,与SURF算法进行了比较。实验结果表明,改进的算法具有光照不变性和旋转不变性,与SURF算法相比,在AMC580影像上正确匹配数增加了77.4%,匹配准确率提高了11.6%。

融合加速稳健特征的子空间人脸识别方法

为了充分利用人脸特征信息更加准确全面地描述人脸,提高现有识别算法的识别率,提出一种融合改进的加速稳健特征和子空间特征进行人脸识别的方法。利用AAM形状模型的训练方法,训练得到41个点的人脸形状模型;对每幅图像进行特征点初歩定位,找到并保留与初歩定位的特征点空间距离最近的SURF特征点。将SURF特征点描述子利用PCA降维,得到改进的SURF局部特征向量。然后利用PCA对图像进行全局特征提取,将局部特征与全局特征进行融合,组成全新的特征向量。最后通过特征向量的匹配实现识別。对包括本算法和PCA-SIFT算法在内的6种不同识别算法进行了验证。实验结果表明,提出的算法在改变ORL人脸库中训练集样本数的情况下,识别率均优于其他算法;在样本数为5的情况下比PCA-SIFT方法提高了4.3%,可见该算法提高了人脸的识别率具有较强的鲁棒性和分类性。

基于加速鲁棒特征的眼底图像配准改进方法

为保证眼底图像配准精度,同时降低时间损耗,提出一种改进的基于加速鲁棒特征的眼底图像配准方法。该方法在提取眼底图像加速鲁棒特征的基础上,利用BBF算法和特征的方向特性和空间一致性检测得到初始匹配特征序列,并给出层次估计与模型选择技术相结合的方法,以求解图像之间的变换参数。通过进一步配准修正获得更好的变换参数。实验结果表明,该方法获得的配准精度均方根误差值均小于1,并能够在满足精度要求的同时提高效率。

基于改进加速鲁棒特征的井下视频拼接算法

针对加速鲁棒特征算法用于井下视频拼接时实时性不高的问题,通过降低特征点维度和仅在感兴趣区域提取特征点来改进加速鲁棒特征算法,在此基础上提出了一种井下视频拼接算法。首先,利用改进的加速鲁棒特征算法提取视频图像特征点;然后,动态追踪特征点数量,若非首帧图像特征点数量变化超过阈值,则重新进行特征点配准、提纯,以及投影变换矩阵计算及存储处理,否则采用前一帧图像所得的投影变换矩阵;最后,采用渐入渐出加权平均法进行图像融合处理,完成视频拼接。实验结果表明,基于改进加速鲁棒特征的井下视频拼接算法实时性高,拼接效果较好。

基于加速鲁棒特征和多示例学习的目标跟踪算法

针对照明变化、形状变化、外观变化和遮挡对目标跟踪的影响,提出一种基于加速鲁棒特征(SURF)和多示例学习(MIL)的目标跟踪算法。首先,提取目标及其周围图像的SURF特征;然后,将SURF描述子引入到MIL中作为正负包中的示例;其次,将提取到的所有SURF特征采用聚类算法实现聚类,建立视觉词汇表;再次,通过计算视觉字在多示例包的重要程度,建立"词-文档"矩阵,并且求出包的潜在语义特征通过潜在语义分析(LSA);最后,通过包的潜在语义特征训练支持向量机(SVM),使得MIL问题可以依照有监督学习问题进行解决,进而判断是否为感兴趣目标,最终实现视觉跟踪的目的。通过实验,明确了所提算法对于目标的尺度缩放以及短时局部遮挡的情况都有一定的鲁棒性。

基于加速鲁棒特征的含噪局部放电模式识别

由于变电站现场环境复杂多样,实测的局部放电(PD)数据存在大量的干扰信号。为提高含噪PD类型识别准确度,提出一种基于加速鲁棒特征(SURF)和改进支持向量机(BFOSVM)的PD模式识别方法。首先,将单源PD数据与噪声及干扰数据叠加形成染噪PD数据,并构造脉冲序列分布(PRPS)模式;然后,利用SURF算法自动提取PRPS灰度图像的特征点及特征描述符,结合词袋模型思想和K-means聚类方法生成不同PD类型的视觉单词频率特征;最后,将提取的特征量输入BFO-SVM分类器,并将该算法与基于灰度梯度共生矩阵(GLCM)的特征提取方法和传统SVM优化算法的识别效果进行对比。结果表明:该算法在高幅值白噪声背景及典型干扰环境中具有较高的识别准确率及较强的抗干扰能力。研究结果可为现场PD检测和识别提供参考。

基于加速健壮特征拟合算法和Chan-Vese模型的超声图像腔室分割方法

针对超声心动周期序列图的腔室自动分割过程中,弱边缘轮廓难以有效提取的问题,提出一种基于加速健壮特征(SURF)拟合算法和Chan-Vese模型的超声图像腔室分割方法。首先对序列中第一帧图像进行人工标记弱边缘轮廓;然后,提取弱边缘轮廓周围的SURF点,建立Delaunay三角网;接着,通过相邻两帧之间的特征点匹配,预测后续帧的弱边缘轮廓;之后,用Chan-Vese模型提取粗糙轮廓;最后采用区域生长算法得到精确的目标轮廓。实验结果表明,该算法能较好地完整提取超声序列图像中含弱边缘的腔室轮廓,并且与专家手动分割结果相近。

基于加速鲁棒特征图像匹配的云导风计算方法

利用云导风技术结合高分辨率气象卫星遥感数据获取风矢量,在监测台风等极端气象灾害方面具有重要应用。本文提出了一种基于加速鲁棒特征(speeded up robust features,SURF)图像匹配的云导风计算方法,利用SURF算法结合随机抽样一致算法(random sample consensus,RANSAC),提取并匹配两景连续时序云图的特征点,计算风矢量,并结合当地大气温度廓线指定云高,经质量控制得到云导风矢量。运用该方法模拟了2018年台风“山竹”的云导风矢量,以美国威斯康星大学气象卫星研究合作所(CIMSS)的大气运动矢量资料进行验证,结果表明:(1)风速和风向的相关系数分别为0.78和0.79,均方根误差分别为4.75 m·s^(-1)和37.64°,平均绝对百分比误差分别为33.49%和22.55%,整体具有良好的模拟精度;(2)与CIMSS资料相比,基于特征点匹配的SURF云导风计算方法在反演密集云区的风矢量有明显优势,可有效提高云区内风矢量的数量,扩大风矢量的空间覆盖范围;(3)图像对比度增强处理对特征点的提取和风矢量的空间分布有重要影响,伽马变换因子γ=5时,能较好地平衡台风外围螺旋云带和中心附近云区的风矢量数量,反映台风风场的整体特征。该方法作为基于尺度不变特征变换的云导风计算方法的改进,可为利用卫星遥感影像数据进行云导风计算提供新的思路。

基于加速稳健特征算法的混凝土图像拼接

混凝土结构表面常常存在裂纹等缺陷,然而混凝土构件尺寸大,无法一次性成像,影响缺陷识别效果。本文分别采用SIFT和SURF算法对圆形和含裂缝的混凝土图像进行拼接。当图像重叠率为30%左右,图像之间视场偏转角不超过30°时,均取得良好的拼接效果。SURF算法的拼接速度更快、鲁棒性更好,具有实际工程意义和应用前景。

不同局部邻域划分加速鲁棒特征描述符的性能分析

研究了加速鲁棒特征(SURF)描述符的局部邻域划分方法,以降低该描述符的维数,提升基于SURF的图像匹配算法的匹配速度和鲁棒性。参考尺度不变特征变换(SIFT)描述符和SURF描述符已有的各种邻域划分方式,将SURF描述符的局部邻域分为栅格状(原SURF划分方式)、三角形和扇形进行分析。首先,分析了图像的尺度和旋转变化对这3种邻域划分方式描述符匹配性能的影响;然后,提出了构建三角形划分和扇形划分SURF描述符的方法;最后,进行了匹配实验,对8种不同划分方式的SURF描述符进行了比较。结果表明:扇形划分SURF描述符的性能要优于三角形划分和栅格划分SURF描述符,其中6扇区、8扇区、12扇区及三角形划分的SURF描述符的性能均比SURF描述符有一定程度的提升,描述符的维数与原SURF描述符(64维)相比分别低了40维、32维、16维和32维。