梯度算子对反向合成梯度算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法。与传统的反向合成图像对齐算法相比,该算法可有效地克服光照变化对匹配结果的影响[1]。由于局部指向性的计算在本质上是梯度的计算,而图像梯度的计算可以采用不同的梯度算子,因此采用4种不同的梯度算子(一阶差分算子,Roberts算子,Sobel算子和Prewitt算子)来计算局部指向性,并通过实验比较分析了4种梯度算子对反向合成梯度算法的影响。

基于局部指向性的反向合成图像对齐算法

传统的反向合成图像对齐算法比较的是模板图像与输入图像之间的象素值。该方法容易受到图像中光照变化的影响,从而导致收敛性变差甚至发散。根据局部指向性对光照变化不敏感的特性,提出了一种新的反向合成图像对齐算法——反向合成梯度算法。介绍了局部指向性的定义及表达式,对反向合成梯度算法进行了详细的推导,总结了该算法的计算步骤。通过实验,验证了反向合成梯度算法能够有效克服图像中光照变化的影响。

AAM反向合成匹配算法及其性能分析

介绍了一种基于反向合成图像对齐算法的AAM匹配算法。首先对反向合成算法的内容及其在AAM匹配过程中需要注意的问题进行了阐述,然后通过实验,分别应用反向合成算法和原始AAM匹配算法对一定数量的图像进行匹配,验证了反向合成算法的有效性。

普鲁兰酶的反向合成特性

对普鲁兰酶催化反向合成反应的底物特异性进行了研究。研究结果表明,麦芽糖是普鲁兰酶催化反向合成反应的最小底物。以麦芽糖为底物分子,研究了普鲁兰酶的反向合成特性,结果表明,普鲁兰酶催化反向合成反应的最适pH值为4.5,反向合成活性在pH值4.0～6.0范围内稳定;普鲁兰酶催化反向合成反应的最适温度为65℃,反向合成活性在60～70℃范围内较高;Na+、K+、Li+和Co2+对普鲁兰酶反向合成活力的影响不大,Hg2+、Sn2+、Cu2+、Ag+和Pb2+对普鲁兰酶反向活力有较强的抑制作用,Ca2+、Mn2+对反向活力有较为明显的激活作用,Ca2+可以提高热稳定性。

一种改进的反向合成算法及其算子比较

传统的反向合成图像对齐算法比较的是模板图像与输入图像之间的像素值。该方法容易受到图像中光照变化的影响,从而导致收敛性变差甚至发散。根据局部指向性对光照变化不敏感的特性,提出了一种新的反向合成图像对齐算法——反向合成梯度算法。由于局部指向性的计算在本质上是图像梯度的计算,因此采用几种不同的梯度算子来计算局部指向性。通过实验,验证了反向合成梯度算法能够有效克服图像中光照变化的影响,同时比较了不同算子在不同光照下对反向合成梯度算法的影响。

超高水溶性麦芽糖基β-环糊精的生物反向合成

以麦芽糖、β 环糊精为原料,采用普鲁蓝酶生物反向合成得到超高水溶性的麦芽糖基(α 1→6)β 环糊精.试验测定,在pH4.0～4.2,温度58～60℃,酶量220～308U/gβ CD,麦芽糖与β 环糊精的摩尔比为7∶1～8∶1,反应时间35～38h的条件下,环糊精转化率可达到40%以上.

Lucas-Kanade图像对齐和反向合成图像对齐实时性的研究

该文分别利用Lucas-Kanade图像对齐算法和反向合成图像对齐算法对同一组实验图像(模板图像和输入图像)进行图像对齐,研究了上述2种图像对齐算法的实时性。实验表明,与LucasKanade图像对齐算法相比,反向合成图像对齐算法具有更快的计算速度。反向合成图像对齐算法的实时性比Lucas-Kanade图像对齐算法的实时性好。

切断反向合成法在有机化学中的应用

有机合成在有机化学中占有极其重要的地位，能否得到所要合成的化合物，合成路线的设计和选择起着决定性的作用．本文是采用切断的方法从目标化合物开始逆向合成，推至反应原料，然后根据逆推的结果设计出合理的合成路线，在一定的条件下合成出所要得到的目标化合物．

基于反向合成高斯牛顿的半全局立体匹配算法

针对数字散斑投影三维测量技术中的立体匹配问题,提出基于反向合成高斯牛顿的半全局立体匹配算法。该算法采用基于Census变换的匹配代价值来衡量像素点间的相似性,通过代价聚合算法增强匹配代价对噪声的鲁棒性;在此基础上,提出基于一阶形函数的反向合成高斯牛顿算法,实现亚像素级别的视差优化;最后,提出耦合唯一性检查、左右一致性检查以及连通区域约束的错误视差剔除算法,消除由遮挡和噪声引起的错误视差。实验结果表明,该算法可精确、稠密、完整地重建出复杂物体的三维形貌,重建精度优于0.06mm。

反向合成超高水溶性麦芽糖基β-环糊精

以β-环糊精、麦芽糖为原料,采用普鲁蓝酶生物反向合成得到超高水溶性的麦芽糖基(α-1→6)β-环糊精,其最佳条件为麦芽糖与环糊精摩尔比为8∶1、普鲁蓝酶450U/gβ-环糊精、反应pH为4.0。

异淀粉酶合成麦芽糖糖基环糊精的研究

以β-环糊精、麦芽糖为原料,采用异淀粉酶反向合成得到超高水溶性的麦芽糖基(α-1→6)β-环糊精.其最佳合成条件为:麦芽糖与环糊精摩尔比8∶1、异淀粉酶300 U/gβ-环糊精、反应pH 6.0、温度50℃、反应时间35 h.

基于分布式合成双射流的飞行器无舵面三轴姿态控制飞行试验

将自主可控的合成双射流激励器集成于常规布局飞行器中,进行了三轴无舵面控制飞行试验,验证了分布式合成双射流对飞行器巡航时的无舵面姿态调控能力.对合成双射流激励器进行改进,设计了分布式三轴姿态控制合成双射流激励器,滚转环量控制激励器分别安装于两侧机翼翼尖处后缘,射流出口靠近压力面;偏航反向合成双射流控制激励器分别安装于靠近两侧机翼翼尖20%弦长处,上、下沿展向均匀布置;俯仰环量控制激励器安装于V尾下的平尾后缘,射流出口靠近压力面.针对巡航速度为30 m/s的飞行器,进行了三轴姿态控制飞行试验,结果表明:分布式合成双射流实现了飞行器巡航时的三轴无舵面姿态操控;横航向控制存在耦合,滚转环量控制激励器实现了飞行器的双向滚转操控,能产生的最大滚转角速度达16.87°/s,偏航反向合成双射流控制激励器实现了飞行器的双向偏航操控,能产生的最大偏航角速度达9.09°/s;俯仰环量控制激励器实现了飞行器的纵向控制,能产生的最大俯仰角速度达7.68°/s.

合成双射流逆向吹吸控制对翼型流动特性影响

为探究合成双射流(Dual Synthetic Jets,DSJ)技术对飞行器航向姿态的控制能力,采用数值模拟的方法,研究了反向DSJ对小攻角、大攻角下翼型绕流流场的控制机理及气动控制特性,并通过飞行试验验证了其航向姿态控制能力。结果表明:小攻角下,反向DSJ会使阻力增大,升力略有减小,俯仰力矩基本不变;大攻角下,反向DSJ会使升力、阻力及低头力矩增大。小攻角下施加控制后,激励器出口前由于射流的阻挡作用形成高压区,伴随着流向逆压梯度的增加,分别在两个出口后形成准定常低压回流区,致使前后压差阻力增大,但压力包络面积基本不变,故升力变化不大;大攻角下施加控制后,除了会在射流出口前、后分别形成高压区、低压区外,还会使背风面流动提前分离,扩大分离区域面积,同时也会减小分离区内的压力值,扩大压力包络,增大阻力的同时,也会提升升力。飞行试验结果表明,反向DSJ具有对飞行器巡航时航向姿态的控制能力,可实现的最大偏航角速度为9.01°/s。

基于改进最大值法合成NDVI的夏玉米物候期遥感监测

利用遥感技术监测农作物物候期,能够及时有效地评估作物生长趋势、提高农情信息化管理水平。本研究利用2016年MODIS 8天合成数据,提出改进的最大值合成法,结合S-G滤波和Logistic函数拟合重构夏玉米生长曲线,最后利用曲率法提取夏玉米的拔节期和成熟期,利用动态阈值法提取夏玉米的出苗期和抽雄期。结果表明:采用本文提取的夏玉米物候期与实测物候期相比,平均误差为2.76d,其中在抽雄期的绝对误差为1.06d,运用改进的最大值合成提取作物NDVI时序数据可有效去除连续云雾对植被指数的影响,提高监测作物物候期的准确性,为精准农业提供技术支撑。

噪声对基于不同梯度算子的ICG算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法,能有效克服光照变化对匹配结果准确性的影响。局部指向性的计算在本质上是梯度的计算,可以用不同的梯度算子求解。该文采用4种梯度算子计算局部指向性,通过给输入图像和模板图像中加入噪声模拟实际图像,研究了噪声对基于4种梯度算子的反向合成梯度算法的影响。

条件主动外观模型下的人脸特征点跟踪

为了完成人脸关键特征点的精确定位跟踪,提出一种改进的基于反向合成匹配算法的条件主动外观模型匹配及其初始化算法.该算法假设已知正面人脸的关键特征点,首先通过建立散乱点对应与标定点对应之间的映射,根据给定的正面人脸标定点对任意姿态的侧面人脸进行自动初始标定,映射关系由核岭回归算法学习得到;将该标定点作为人脸跟踪算法的初始化点,然后利用条件主动外观模型反向合成匹配算法建立正面与任意姿态人脸的外观和形状模型,并对模型参数进行迭代优化;最后得到最优的任意姿态人脸的轮廓点,完成人脸跟踪.实验结果证明,与同类方法相比,该算法表现出了良好的性能,可在较短的计算时间内获得较高的定位精度.

抽油杆随动转向步进输送装置的设计与分析

基于SolidWorks Motion反向合成设计凸轮轮廓,利用双凸轮-连杆机构,实现步进装置的近似椭圆整周运动。进行运动学仿真和分析,得到了凸轮曲线的动态性能指标,验证了凸轮性能满足设计要求。通过对转向装置关键部件的设计,在无需外部动力驱动的条件下,利用自身相对运动实现了杆件同步的2次90°旋转和1次45°旋转。结果表明,随动多角度转向步进输送装置很好地达到了预期目标,提高了抽油杆锻造生产机械化水平,并可推广用于其它圆柱形杆件多工位、多角度转向的自动化加工。

一种基于姿态先验的鲁棒的人脸对齐方法

人脸对齐作为人脸图像分析中的重要步骤,被广泛应用于各个领域.其中,主动表观模型(AAM)因其良好的对齐效果而被大量使用.但AAM对初始模型依赖度极高,且极易受到姿态、光照以及遮挡等因素的影响.当初始形状和标准形状相差较大时,匹配效果并不理想.对此,本文提出一种基于姿态先验的人脸对齐方法.首先,在非限制环境下的人脸库LFPW上进行训练,根据姿态的不同分别建立正脸模型、左偏模型和右偏模型.在搜索阶段,利用特征三角形自动选择合适的模型作为人脸的初始模型,从而避免了姿态变化对初始模型产生影响导致后续匹配效果不理想的问题.其次,利用同时反向合成算法,实现了鲁棒精确的AAM匹配.理论分析与实验证明,所提方法针对遮挡、光照以及姿态变化的有效性.

基于图像子区的数字图像相关方法的原理与实验

分析了基于图像子区的数字图像相关方法的计算原理,实现了数字图像相关程序,最后用模拟生成的散斑图像作为测试对象给出了实验结果.

USAN-AAM人脸特征点快速定位方法

基于反向合成算法的AAM(active appearance model)是一种快速而高效的人脸特征点定位方法,但由于其纹理模型仅包含灰度信息,当测试数据集中的图像光线条件和训练数据集中的图像光线条件有较大差异时,算法定位精度明显下降。基于此,提出了一种改进的AAM人脸特征点定位方法USAN-AAM。实验结果表明,与原方法相比,该方法对光线变化更鲁棒,定位精度也更高。