Gamma Gamma强海洋湍流和瞄准误差下水下无线光通信系统的性能研究

采用外差式差分相移键控(Differential phase-shift keying,DPSK)调制的水下无线光通信(Underwater wireless optical communication,UWOC)系统经过Gamma Gamma强海洋湍流信道传输,当接收端与发送端之间存在瞄准误差并采用孔径接收方式时,分析了湍流效应和瞄准误差对接收光强的抖动影响,推导了UWOC系统的平均误码率(Bit error rate,BER)和中断概率(Outage probability,OP)的解析表达式。数值模拟研究了不同的瞄准误差、束宽、接收孔径和海洋湍流参数对平均BER和OP性能的影响。结果表明,在相同的束宽和信道环境下,瞄准误差越大,系统性能越差;光束束宽与孔径半径之比越大,接收孔径直径越大,系统性能越好;另外,选择较小的温度和盐度波动对海洋湍流贡献的比值ω和均方温度耗散率χT,以及较大的湍流动能耗散率ε和动力粘度u的海洋湍流环境也有利于获得较好的系统性能。

基于LabVIEW多线程的织物疵点视觉检测系统

设计了一种利用机器视觉,并且结合LabVIEW多线程处理机制与Hough变换及Gabor算法的织物疵点检测系统。通过LabVIEW中基于数据流的生产/消费者并行软件编写模式与队列的结合,防止内存中的图像因为采集速度过快而被覆盖,造成数据丢失。在检测算法中使用Hough变换获取织物纹理方向角并作为Gabor滤波器的方向以检测织物疵点,再通过最大熵进行图像分割。实验结果表明,该处理机制与检测算法的结合具有良好的织物疵点检测效果。

基于视觉的经编机纺纱断线检测技术研究

针对传统人工肉眼检测纺纱断线的低效率与误检率问题,设计基于机器视觉的经编机纺纱断线在线检测系统,摒弃数根数的常规思想,提出以断纱缺口特征为研究,结合LINQ技术与统计思想的图像算法。通过测试表明,该算法具有高准确性与实时性,满足企业生产需求,具有良好的应用前景。

基于机器视觉的胶囊缺陷检测系统设计

针对传统人工肉眼检测胶囊缺陷低效率及高误检率问题,设计了一套完整的基于机器视觉的胶囊缺陷检测系统,构建了从上料到传送装置,经过机器视觉光学系统图像采集与工控机图像处理,最后由剔除装置筛选出次品的硬件平台。运用Emgu CV开源计算机视觉库和C#开发人机交互软件系统,包括用户管理、方案配置、相机调参、图像算法等功能。通过测试表明,整个胶囊检测系统可在9~12万粒/h的高速运转下稳定运行,误检率小于5%。具有良好的企业应用前景。

一种MySQL到HBase的迁移策略的研究与实现

随着Web2.0的到来,互联网数据快速增长。大规模数据的采集和处理及应用直接影响着用户体验,决定着企业的发展。比较传统关系型数据库和分布式非关系型数据库两者处理大数据的性能,将本地数据迁移到分布式数据库势在必行。文章分析了现有迁移工具的利弊,基于HBase数据库提出了一种有效的数据迁移策略,并依据提出的策略实现了一种半自动化迁移工具。以美国城市和方言系统CityDetail数据库数据为例,阐述了该迁移工具的工作原理并对迁移后的数据进行多次查询比较,证明了使用该工具进行数据迁移的高效性。

基于Kinect的仿人机器人实时模仿系统

针对仿人机器人学习人类运动的问题,提出一种基于Kinect的仿人机器人的实时模仿系统。首先,利用Kinect设备独有的骨骼追踪功能,实时高精度的完成动作捕捉任务;其次,利用Kinect捕捉到的人体各节点在三维空间中的位置信息进行运动学建模;最后,根据得到的人体关节角度对Nao机器人对应关节进行逆运动学求解,完成仿人机器人实时模仿人运动。实验结果表明,该系统能够实时、准确地完成对目标人物的动作模仿。

使用单目视觉的移动机器人导航方法

机器视觉与机器人的结合是未来机器人行业发展的一大趋势。在移动机器人的避障导航方案中,使用传统的传感器存在诸多问题,且获取的信息有限。提出一种基于单目视觉的移动机器人导航算法,在算法应用中,如果使用镜头焦距已知的相机,则无需对相机标定。为降低光照对障碍物边缘检测的影响,将机器人拍摄的彩色图像转换到HSI空间。采用canny算法对转换后的分量分别进行边缘检测,并合成检测结果。通过阈值处理过滤合成边缘,去除弱边缘信息,提高检测准确度。采用形态学处理连接杂散边缘,通过区域生长得到非障碍区域,并由几何关系建立图像坐标系与机器人坐标系之间的映射关系。利用结合隶属度函数的模糊逻辑得出机器人控制参数。实验结果表明,对图像颜色空间的转换降低了地面反光、阴影的影响,算法能有效排除地面条纹等的干扰并准确检测出障碍物边缘,而模糊逻辑决策方法提高了算法的鲁棒性和结果的可靠性。

采用Matlab的六自由度机器人三维运动学仿真

对SA1400型六自由度工业机器人进行三维的运动学建模与仿真,建立机器人的正逆运动学方程,并得到正逆解.为验证方程及所求解的正确性,首先,使用Solidworks建立机器人各个部件三维模型;然后,用Matlab将所求得的正逆解编写为程序,导入机器人各部件,利用Matlab的三维绘图功能,以显示机器人的三维模型,并对机器人按轨迹运动的过程进行动态仿真,记录运动过程中机器人各关节角度值的变化,提示求解得到的不合理角度值和奇异点.结果表明:仿真过程较真实地模拟了实际机器人的运动情况,仿真结果达到预期目标,证明根据正逆运动学方程求得的解的准确性和可行性.

空间自适应正则化的图像超分重建算法

为提高稀疏表示系数的精度和图像的分辨率,提出一种基于稀疏表示和正则化技术的超分重建算法.首先引入自回归正则化项,通过样本图像来训练出描述图像局部结构的自回归模型,每个图像块自适应选择一个自回归模型用以调节解空间,实现图像局部的自适应性控制.然后,引入非局部相似正则化项作为自回归正则化项的补充,用于保持图像边缘清晰度.从而,完整构造出一种基于自回归正则化和非局部相似正则化的稀疏编码目标函数.为了进一步恢复图像,实现图像去噪、去模糊,利用总变分正则化实现全局优化.实验结果表明,与L1SR、SISR、ANR、NE+LS、NE+NNLS、NE+LLE和A+(16 atoms)等算法相比,无论在主观视觉效果还是客观评价指标上,提出的算法都取得了更好的超分重建效果.

基于卡尔曼滤波的动态目标跟踪

为了实现工业相机对动态目标的准确、实时跟踪,提出了基于卡尔曼滤波的算法。通过创建背景模型来估计出当前背景,进而得到前景区域,并对前景区域进行相关处理,最后通过计算补集得到更新后的背景。此方法能根据不同场景信息调整前景与背景阈值,减弱背景区域造成的噪声影响,实时地根据场景变化快速、自动更新背景,并对每一位置的像素进行背景估计。通过在VS2010平台上结合JAI软件开工具包(Software Development Kit,SDK)调用Halcon函数库实现了卡尔曼滤波动态跟踪,其中JAI SDK用于开发千兆网相机,几乎支持所有千兆网相机。实验结果表明,该算法能够实现对目标的实时动态跟踪,实时性强,准确度高。

使用网络编码技术的同步传输方法

提出基于网络编码的同步传输方法,分析传统传输和分步传输、同步传输的网络编码传输方法,给出相应的归一化吞吐量.仿真结果表明:在低误码率下,相比于其他传输方法,基于网络编码的同步传输方法能够更好地减少传输时隙,有效地提高网络吞吐量.

六自由度机械臂运动轨迹自动生成方法仿真与实现

运用运动捕捉系统,结合机器人运动学方法,提出一种六自由度机械臂运动轨迹自动生成方法.首先,在运动捕捉系统下得到人手臂末端的Marker标记点的位姿信息;然后,通过数据处理得到标记点的位姿矩阵,并将其作为机械臂末端执行器的位姿矩阵,进而通过数据流通道将该数据传入机器人运动学仿真系统,在仿真系统中运用代数解法求机器人运动学逆解,并进行运动学仿真.最后,将逆解求得的6个关节角度传入机械臂本体,实现机械臂末端执行器按照运动捕捉系统下手臂末端标记点的运动轨迹而运动.仿真实验表明:该方法具有可行性.

采用HOG特征和机器学习的行人检测方法

针对基于方向梯度直方图(HOG)/线性支持向量机(SVM)算法的行人检测方法中存在检测速度慢的问题,提出一种将HOG特征与Adaboost-BP模型相结合的行人检测方法.利用边缘检测技术快速检测出行人候选区域,提取出多尺度多方向的HOG特征,利用Adaboost算法训练多个反向传播神经网络用于构建强分类器,实现对测试样本图像的检测识别.结果表明:文中方法具有更高的检测率、更低的误报率和漏检率,具有较好的检测效果.

采用部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别

提出一种基于部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别方法.首先,对煤和煤矸石0~255级灰度图像的前部分灰度信息作灰度级压缩和灰度矩阵扩阶处理,对剩余灰度级部分保持原灰度级不变;然后,根据灰度共生矩阵纹理特征分析理论,分别计算压缩扩阶后的煤和煤矸石灰度图像的能量、熵、惯性矩及相关性.最后,对煤和煤矸石各100张样本采集图像进行处理,并依据特征参数分类识别.结果表明:基于部分灰度压缩扩阶共生矩阵的特征参数能够很好地对煤和煤矸石图像进行有效识别,总的正确率达到93.5%.

采用深度学习的快速超分辨率图像重建方法

为满足实际工业生产需要,提出一种基于深度学习的快速超分辨率图像重建方法.采用一种快速的卷积神经网络结构,使用级联的小卷积核以取得重建速度上的提升,加深卷积网络以取得重建质量上的提升.实验结果表明:在标准的公共数据集上,该算法重建的高分辨率图像在主观视觉感受和客观的图像质量评价(峰值信噪比)上取得较好的效果,且重建时间大大缩短;将算法应用在实际的项目中,能达到阈值分割后准确检测物体的标准,减少企业对高额工业相机的经济开支.

正则化技术和低秩矩阵在稀疏表示超分辨率算法中的应用

为了有效地利用图像的特征作为指导重建的先验知识,解决常规超分辨率算法对边缘与结构等细节恢复不足的问题,提出一种改进的超分辨率算法.对待重建图像进行低秩分解,得到不同特征的低秩子图像和稀疏子图像;对于低秩子图像,提出采用基于正则化技术的稀疏表示超分辨率算法进行重建,先通过在低秩子图像中寻找相似图像块构造非局部相似正则化项,得到图像的非局部冗余,以保持边缘信息;再通过局部线性嵌入方法构造流形学习正则化项,获得图像的结构先验知识,以增强结构信息.对于稀疏子图像则不参与稀疏表示超分辨率重建,而是采用双三次插值法进行重建.实验结果表明,与其他算法相比,无论在主观视觉效果上,还是在峰值信噪比和结构相似性指标上,文中算法都有显著的提高.

平衡搜索的改进人工蜂群算法

针对人工蜂群(ABC)算法局部搜索能力弱的问题,提出一种平衡搜索的人工蜂群算法(BSABC).首先,采用一种基于对数函数的的适应度评价方式,用于减小选择压力,在一定程度上避免陷入局部最优.其次,受微分进化算法的启发,提出一种新的搜索策略,通过当前最优个体指导进化方向,使候选解的产生倾向于当前最优解,同时避免陷入局部最优.对6个经典测试函数进行仿真实验,并与经典的改进人工蜂群算法对比测试,结果表明:所提出的算法在收敛速度和收敛精度上都有显著的提升.

动静结合的二阶SQL注入漏洞检测技术

为了有效检测应用中的二阶结构化查询语言(SQL)注入漏洞,提出一种动静结合的检测方法.通过静态分析获取持久存储信息,解决动态分析无法处理的Web应用多阶段间逻辑联系问题.通过动态分析获取元数据,解决静态分析无法定位污点信息持久存储位置的问题.通过模糊测试验证疑似漏洞,降低误报率.实验结果表明:该检测方法能够有效检测应用程序中存在的二阶SQL注入漏洞;相比于传统静态分析,检测精度高、误报率低;相比于传统动态分析,实现对多阶漏洞的检测,优于已有二阶SQL注入漏洞检测技术.

深度学习下的高效单幅图像超分辨率重建方法

提出一种基于深度学习的高效单幅图像超分辨率重建方法,增加一个亚像素卷积层和一个替换的级联卷积,即设计一个具有合适深度的卷积神经网络,以保证图像的重建质量,并采用级联小卷积核提高运行速度.在标准的公共数据集上进行实验测试,结果表明:与亚像素卷积神经网络(ESPCN)算法相比,所提算法重建的高分辨率图像的质量和速度皆显著提高;将其应用于实际项目中,可端到端地重建低分辨率服装风格图像,获得高分辨率图像.

高斯函数约束下的多判别参数散乱点云边缘检测

设计一种散乱点云数据边缘检测算法,从而快速、精确地提取边缘特征.该算法以点云的局部特征为基础,通过分析点云数据各点的法向特性,构建各点k近邻法向夹角特征、曲率特征、距离特征,并在高斯函数的约束下完成点云边缘特征的检测.利用公共数据进行多组实验,对比不同算法下的检测效果.结果表明:该算法提取点云边缘特征的速度更快、效果更好.