基于偏联系数的得分函数构造方法

分析了集对分析中已有偏联系数得分函数的不足和缺陷,并构造了新的偏联系数得分函数.通过分析新得分函数,有效刻画了偏联系数中异向偏于正向和负向的趋势变化中的不确定主观因素,解决了偏联系数中得分函数评价结果与客观判断不一致的问题,在此基础上讨论了新的得分函数的构造准则及性质.最后,通过实例分析比较了新得分函数的有效性和可行性.

基于双路多尺度金字塔池化模型的显著目标检测算法

为提升复杂环境装甲目标的检测精度,提出了一种显著目标检测算法,该算法通过视觉注意机制与联合金字塔上采样模块分别获取视觉注意机制约束的低层次特征与多尺度池化语义特征,利用聚合策略进行融合,提升低对比度或遮挡情况下的目标表征能力。测试结果表明,文中算法对复杂场景下多尺度目标均取得了良好的检测效果,其精度、召回率与平均精度分别为72.2%、71.4%与77.1%,能够满足实际应用需求。

一种基于AR的可视化交互教学平台

基于VR的教学平台以三维全景方式构置一个沉浸式的虚拟学习(体验)环境而非教学环境,虽然这种教学环境可以搭建一些成本高、现实不宜构建的实验教学场景,但其最大的弊端就是将教学内容与教学过程完全割裂,学生只能置身于虚拟环境被动学习或体验,从而失去了与教师互动环节.基于AR的可视化交互教学平台将摒弃虚构的完全沉浸式教学模式,通过AR技术来促进和强化这一教学过程的体验与交互环节.该系统分为硬件平台和软件平台,硬件平台主要实现多通道交互、同步以及系统集成等;软件平台主要设计满足该平台的教学系统、课件等.这种在保留传统教学模式的基础上搭建的AR可视化交互教学系统,可根据教学内容的需要,虚拟对象在教师的控制下通过AR头盔(眼镜)显示,并实现与学生的同步与交互.

基于Kinect的手势交互课件应用系统的设计

针对增强现实(Augmented Reality,AR)可视化交互教学系统中,需要对课件进行手势控制的需求,本文完成了基于Kinect的手势交互课件应用系统的设计.首先通过Kinect采集深度图像,然后根据Kinect骨骼跟踪技术完成手势识别,并最终依据手势识别结果实现对课件播放的控制.实验结果表明,本方法实现课件播控能提高播控的准确率和灵活性,从而为基于AR交互课件的播控奠定基础.