冷轧带钢缺陷表面形状恢复新算法

为改善冷轧带钢表面缺陷分类识别性能,提出基于从阴影恢复形状原理的表面缺陷三维重构算法． 针对表面缺陷检测系统的光路设计,提出一种改进的Oren-Nayar漫反射模型,结合透视投影模型推导出相应 的反射图方程,利用基于高阶Lax-Friedrichs汉密尔顿函数和牛顿迭代相结合的快速扫描算法完成了该方程 的求解,实现表面缺陷三维信息的提取．利用合成图像和表面缺陷图像进行三维重构实验,结果表明该算法 重构精度高,验证了改进光照模型的正确性．该三维重构算法能够有效地提取冷轧带钢表面缺陷三维信息, 有助于提高表面缺陷分类识别性能     

相位偏移gamma矫正方法的结构光三维视觉测量技术

为补偿结构光三维测量过程中的非线性gamma误差,提出基于相位偏移的gamma误差矫正算法,对三维结构光视觉测量与重构技术进行了研究.首先,对结构光测量的基本原理和基于正弦条纹光栅的结构光测量方法做了介绍;其次研究了基于相位偏移方法的gamma矫正方法,通过实验对矫正方法的有效性进行了验证;最后通过三维重构实验得到被测量的物体矫正前后的三维重构图像,并且对其进行分析对比.实验结果表明,设计的矫正算法有效降低了三维测量中gamma畸变造成的相位误差的均方根值,提高了测量精度,具有实用价值.     

基于自标定的两视图三维重构研究

相机标定是三维重构中的关键步骤,本文对在自标定下的两视图三维几何模型恢复进行研究。先采用SURF算法得到图像匹配点对,在此基础上,利用RANSAC鲁棒估计基础矩阵;然后根据Kruppa方程所推导出的二次方程自标定出相机内参数,进一步地,通过分解本质矩阵求解出相机外参数;最后,根据三角化法求得空间三维坐标值。实验结果证实,该方法具有效性和正确性,并且能够真实地再现物体的三维模型。     

基于结构约束条件的相位恢复算法设计

迭代型相位恢复作为一种新型的计算成像方法,已成功应用于X射线成像、像差校正、可量化的相位成像以及超分辨成像等各个领域。利用互补的结构照明模式实现相位恢复的紧支撑约束,并据此设计了改进型的多距离相位恢复算法。通过数值仿真分析,基于结构照明约束的多距离相位恢复算法实现了振幅型物体和相位型物体的图像重构。而且,改进算法提高了多距离相位恢复的收敛速度,解决了其收敛迟滞、收敛不稳定的问题,这将对相位恢复在生物成像的应用提供可靠的理论指导。     

噪声对相干衍射成像重构物体图像的影响

为探究噪声对物体图像重构的影响,在模拟的衍射图中加入泊松噪声和高斯噪声。改变信噪比,分析了扩展叠层扫描迭代算法迭代50次的图像重构结果。发现信噪比低于6时无法重构物体图像,信噪比为18时,可以恢复透射率为50%的物体图像。信噪比为22时,可以恢复透射率为10%的物体图像。结果表明噪声对透射率低的物体图像影响更大。信噪比大于22时噪声对不同透射率物体图像的重构均不再有影响。此研究为相干衍射成像算法的实际应用提供了理论指导。     

非均衡交通流五岔路口交通信号智能控制研究

为了缓解交通拥堵,减少车辆在交叉口的等待时间,针对五岔路口非均衡交通流,采用基于人工鱼群算法的交通信号控制方法,实现了五岔路口多相位变相序的智能控制.该方法首先由红灯相位的车辆排队长度和红灯持续时间得到该红灯相位的通行紧急度,把通行紧急度最高的相位作为下一绿灯相位;其次,将当前绿灯相位车辆排队长度和筛选出的下一绿灯相位车辆排队长度与当前绿灯相位车辆排队长度的差值作为输入,利用模糊神经网络控制器实现绿灯延时.为了避免模糊神经网络陷入局部最小值,利用人工鱼群算法对模糊神经网络参数进行优化.在不同的车辆到达率情况下进行仿真研究,结果表明:该方法比传统的控制方法在自动调节信号周期方面效果更好,减少车辆平均延误7.2%左右.     

一种未知光源参数的明暗恢复形状方法

针对传统SFS(shape from shading)必须已知光源参数的缺陷，提出了一种新的使用神经网络恢复单幅未知光源参数环境中物体三维形状的方法。该算法利用前向神经网络的非线性映射能力，建立了物体表面形状和其对应的图像灰度值之间的非线性关系，所得权值可视为环境光源参数，由此得出反射图函数。基于该反射模型，物体表面高度值通过迭代的方法求得，并使用多分辨率分级实现SFS算法以减小算法复杂度。实验结果表明该算法对于无光源环境，能给出有效的恢复结果。相比传统算法，精度提高了约29％。     

双频投影栅线法物体轮廓测量技术研究

在光学投影栅线法测量物体三维轮廓理论的基础上,本文提出了双频投影栅线法物体轮廓测量技术,通过两种不同频率的光栅投影图,能够直接得到包含物体高度信息的绝对相位值,能够实现具有陡峭边沿物体的测量,实验结果表明,利用该方法能够显著提高物体轮廓测量精度.     

基于点云数据的主成分分析重构表面算法

提出一种基于三维点云数据的主成分分析重建三维表面模型的方法,该方法利用基于主成分分析的动态聚类方法对三维扫描数据进行聚类,进而对点云数据重构一点片,研究在局部利用二维三角网构网技术构建三角网,然后在考虑局部三角网边缘一致性的基础上组合成整体三维表面模型的算法。应用实例表明,该算法能有效地完成重建物体三维表面模型。     

光栅相移精密控制系统的设计与应用

投影栅相位法是三维轮廓测量的热点方法之一,主要用于测量物体表面三维形貌和离面变形位移场等。根据投影栅相位法三维测量原理,提出了一种实现光栅相移精密控制的方法,详细阐述了整个装置实现控制的过程。通过对实际物体的测量,证明了该方法的有效性。将实验结果用于三维图像的重构,得出的物体三维图像表明：此种方法可以完好地实现投影栅相位法对物体的测量,其测量数据准确、测量过程可靠,并且大大提高了投影栅相位法的测量效率。     

一种高效处理三维信号的自组织映射算法

针对传统自组织映射算法难以实现三维信号的非线性映射问题,提出三维自组织映射算法。采用二维输入层和三维输出层的神经网络结构,将邻域算法、竞争算法、学习算法和初始化算法的三维自组织映射算法应用于三维立体图像压缩编码。仿真实验表明,三维自组织映射算法的重构图像具有较好的峰值信噪比和主观品质。     

液晶5CB磁化特性的数值分析

以液晶5CB材料为研究对象,观察不同相（晶体相,向列相,各相同性相）下液晶5CB的磁化强度随外磁场变化情况,并进行数据处理分析,实验结果表明,外磁场强度在-5 000 A/m~5 000 A/m范围内变化时,液晶5CB表现出顺磁性,当外磁场强度值继续增加时,液晶5CB显示出抗磁性,对实验数据进行数值分析得出,在不同的外磁场强度范围内,不同相下液晶5CB磁化强度变化规律基本满足线性方程,当外磁场强度由临界值逐渐减小时,处于液晶相和各相同性相的液晶5CB出现不同程度的磁滞现象,考虑到液晶盒的锚定作用,得到液晶5CB在不同相下磁化规律的拟合直线方程,各有其特点,因此可以通过分析不同直线斜率和截距,从而判断出液晶5CB所处的不同状态. 也可以根据液晶5CB的不同直线方程得出外磁场强度的变化范围.     

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

基于MEA-WNN的短波通信最佳频率预测

针对短波通信中通信频率选择不恰当导致信号衰落严重、传输不可靠等问题,提出一种基于思维进化的小波神经网络(mind evolutionary algorithm-wavelet neural network,MEA-WNN)和混沌理论相结合的短波通信频率预测方法.采用具有良好的非线性拟合特性的小波神经网络作为预测模型,利用混沌理论重构相空间,确定神经网络各层节点个数,并用思维进化算法优化网络的初始权值与网络中小波函数的伸缩因子和平移因子.实验表明,MEAWNN算法能提高短波通信f0 F2的预测精度.     

基于神经网络的印制线路板图件识别研究

对基于人工神经网络的印制线路板（PCB）图件识别进行了研究。识别过程主要分为两个阶段：图像的预处理和模式识别。图像预处理阶段运用数字图像处理技术，从原始PCB图中提取出待识别的图件对象；在模式识别阶段，采用BP神经网络模型对PCB图件图像进行识别，为降低网络规模，经深入分析比较，提出了一种行、列扫描提取图件图像特征向量的算法，并对标准BP学习算法进行了改进，获得了较好的效果。     

Research on biomimetic pattern recognition for object adaptive tracking algorithm

A new method for image object recognition and tracking based on Biomimetic Pattern Recognition (BPR), which can automatically change the size of the object, is proposed. To accomplish the learning process of the sample objects with different sizes, an artificial neural network model is used to cover the training sample. The curve fitting method based on the Radial Basis Function (RBF) neural network is presented to approximate the size of the objects in the coverage of the network formed by BPR theory in order to change the size of the object automatically. The Quadratic Minimum Distance algorithm based on the Euclidean distance is applied to search the target in the process of object recognition and tracking. Experimental results and theoretical analysis show that the algorithm proposed in this paper is more effective and robust in object recognition and tracking of video image sequences than the BP neural network.     

新型车用磁流变阻尼器设计

基于磁流变液的混合运动模式和双极线圈分布,从结构类型、元件材料、零件连接、工程应用等多角度考虑,设计出一种结构合理、性能优良、零部件较少并适合于加工的新型车用磁流变阻尼器．     

神经网络模型应用于少数投影图像重建及数值模拟

研究了反馈式神经网络应用于少数投影重建图像问题。应用Hopfield神经网络,将能量函数与判别重建图像的优化准则联系起来,并应用Adaline模型调整各准则的权重,从而得到的重建图像质量良好。神经网络重建图像的算法收敛快、精度高,图像质量令人满意。     

基于U-Net的颅内出血识别算法

针对颅脑计算机断层成像（CT）影像中脑出血的分析和识别，提出采用神经网络模型U-Net与轮廓识别相结合的方法提取脑实质区域，通过阈值分割算法分析血块的图像纹理特征，并过滤软组织、脑组织和脑脊液等无关生理组织结构，实现对颅内出血点的精确定位，最后采用插值方法将出血区域进行三维重建，对血块的三维形态作出评估.在天津市某医疗机构提供的500例颅脑CT数据上进行了验证测试，实验结果表明，该算法达到97.4%的目标识别准确率，能够为脑出血诊断提供参考.     

基于PSO的RBF神经网络在热工系统辨识中的应用

在神经网络辨识大迟延对象时,模型类中迟延时间多是根据经验估测的,而不同的值对神经网络辨识的精度和效率就会不同。针对上述问题,将基于正交最小二乘(OLS)算法的径向基(RBF)神经网络和粒子群优化(PSO)算法相结合对热工系统的复杂对象进行辨识仿真。通过对电厂一次风量数据和平均床温数据的仿真实验结果表明,在RBF神经网络对大迟延对象进行辨识时,通过PSO算法进一步确定其最佳迟延时间,从而得到更精确的模型并提高辨识效率,可以取得良好的效果。