基于双通路视觉系统的自适应轮廓检测模型

在轮廓检测领域,背景纹理的干扰容易造成轮廓提取不完整。针对这一问题,本文提出了一种基于双通路视觉系统的自适应轮廓检测模型。首先从皮层下通路的信息采集与评估过程出发,对图像整体的显著性进行评估,以此获得轮廓信息的可能性分布;然后采用自适应尺度的高斯导函数对经典视觉通路中感受野的动态特性进行模拟,加强了模型对轮廓细节的捕获;最后在外周抑制算法的基础上,结合像素的空间分布对所有边缘的稀疏性进行度量,更加准确地区分了轮廓和纹理边缘。实验结果表明,本文模型可以有效抑制背景纹理,提升轮廓连续性,具有较好的轮廓检测性能。

决策支持系统交互界面设计中的视觉显著性评估研究

目的以从视觉设计层面更好地引导用户理解信息层级关系,提升决策效率为目标,构建适用于决策支持系统交互界面信息设计中的视觉显著性权重评价指标体系。方法首先,基于决策行为和视觉认知等理论对决策支持系统交互界面的视觉显著性客观影响维度进行分析并提出评估框架;其次,采用层次分析法和专家评价法对其进行权重赋值评估,建立决策支持系统交互界面视觉显著性的评价方法并应用于某军装备管理态势监控界面设计。结果推理得到了显著性指标评估计算公式,并通过对某军装备管理态势监控界面进行实际计算和主观评价验证,验证了提出的视觉显著性指数评估方法的有效性。结论决策支持系统交互界面信息设计中的视觉显著性评价指标和评价方法研究,为优化、提升决策支持系统交互界面设计提供了新的理论方法和设计思路。

高效液相色谱内标法测定海水叶绿素a浓度

叶绿素a浓度是海水水质监测和海洋赤潮预警的重要指标,高效液相色谱法作为叶绿素a浓度最准确的测量方法之一被广泛应用。本文选用β-阿朴-8’-胡萝卜素醛(β-Apocarotena-8’-carotenal,Apocarotenal)为内标物,建立了一种基于液相色谱内标法的海水叶绿素a浓度分析方法,在实验检测范围内,方法相关性良好,相关系数为0.9998,检出限为0.05μg/L,回收率为97.0%~100%,相对标准偏差为0.38%~0.55%,精密度良好。同时,利用实验室培养的小球藻藻液和现场海水样品对内标法和外标法进行了显著性差异评估。结果表明:两种方法不存在显著性差异,12组现场海水样品内标法和外标法的测定结果相关性良好,相关系数为0.92,平均相对误差为6.21%。液相色谱内标法测定海水叶绿素a浓度分离效果好、准确度高,能对实验室叶绿素a浓度的测量进行较为准确的质量控制。

基于显著目标检测法的边界模型优化研究

研究提出了一种基于界限区分和多线索集成的显著目标检测方法.为解决因地图所有边界引起的误判问题,和多数采用先验背景的最新模型中,等量人为的选取作为背景.所以,通过Hausdorff距离对每个边界进行判断后,经过测地距离变换成功地建立了背景评估模型.然后通过前背景加权对比得到初始显著性图像,最后通过权重可调优化框架进行优化.大量实验表明,该方法与大多数基于边界的方法相比,具有较好的性能.此外,为了客观、优质地估计显著性图像,作者又设计了一个简单有效地非平面成像的度量标准.以该度量标准为权重,提出了一种融合多线索的显著性框架,大大提高了检测结果.