面向形状特征的多维度多层级点云分析

目的 3维点云是编码几何信息的主要数据结构,与2维视觉数据不同的是,点云中隐藏了3维物体中重要的形状特征。为更好地从无序的点云中挖掘形状特征,本文提出一种能够端到端且鲁棒地处理点云数据的多维度多层级神经网络（multi-dimensional multi-layer neural network,MM-Net）。方法 多维度特征修正与融合（multi-dimensional feature correction and fusion module,MDCF）模块从多个维度自适应地修正局部特征和逐点特征,并将其整合至高维空间以获得丰富的区域形状。另一方面,多层级特征衔接（multi-layer feature articulation module,MLFA）模块利用多个层级间的远程依赖关系,推理得到网络所需的全局形状。此外设计了两种分别应用于点云分类与分割任务的网络结构MM-Net-C （multi-dimensional multi-layer feature classification network）和MM-Net-S （multi-dimensional multi-layer feature segmentation network）。结果 在公开的ModelNet40数据集与ShapeNet数据集上进行测试,并与多种方法进行比较。在ModelNet40数据集中,MM-Net-C的分类精度较PointNet++和DGCNN （dynamic graph convolutional neural network）方法分别提高了2.2%和1.9%;在ShapeNet数据集中,MM-Net-S的分割精度较ELM （extreme learning machine）和A-CNN （annularly convolutional neural networks）方法分别提高了1.2%和0.4%。此外,在ModelNet40数据集中的消融实验验证了多维度多层级神经网络（MM-Net）架构的可靠性,消融实验的结果也表明了多维度特征修正与融合（MDCF）模块和多层级特征衔接（MLFA）模块设计的必要性。结论 本文提出的多维度多层级神经网络（MM-Net）在分类与分割任务中取得了优秀的性能。     

断裂粘连激光印刷数字串识别算法

相对于印品质量较高的传统印刷数字串,激光印刷数字串由于存在断点、边缘粗糙、时有粘连等问题,采用传统算法无法对其进行准确的分割与识别。为此,提出了一种对激光印刷数字串进行切分和识别的算法。该算法采用膨胀结构元消除激光数字串断点,对粘连数字串进行极值切分法从而分离数字,最后用6个几何和拓扑特征构造数字原型用于区分数字,从而对数字进行识别。实际的网银盾数字识别实验表明此识别方法对数字串的识别准确率高达99%,平均识别时间为0.15s。该算法识别准确率高,并具有一定的实时性,对该算法进行进一步的改进,即可应用于激光打印生产线的在线监测,以及产品出厂前产品与包装的一致性校验。     

模块化与现代制造技术

从现代制造的角度来讨论模块化思想。指出模块化是一种标准化的形式。同时，论述了模块化与成组技术、柔性制造技术、计算机辅助技术等现代制造技术之间的关系，指出它们相辅相成，互相支持，只有在生产中密切配合才能发挥最大的效益。     

计算机辅助模块化设计

讨论了模块化与ＣＡＤ技术之间的关系。介绍了计算机辅助设计的基本原理，并指出：该方法是现代机械产品设计的主要趋势。     

基于辐射能量的红外人脸识别

人脸识别至今还是计算机视觉中的一个难题,用红外人脸图像来进行识别是近几年才发展的一个新领域,虽然其独立于光源,不易受外部光线的影响,但研究发现,人脸温谱图因受到一系列内在(生理、心理等)和外在(环境、成像等)条件的影响而使识别率下降。针对这一问题,根据Stefan-Boltzmann定律,提出把易受环境温度影响的面部温度数据转换为较为鲁棒的辐射能量数据来进行识别,以提高红外图像人脸识别的性能。理论分析显示,当人体处于一个稳定的状态时,辐射能量图对周围环境温度的敏感度较低。实验结果表明,基于辐射能量图的识别率高于基于温谱图的识别率。     

高动态范围图像全局与局部色调映射的融合

针对高动态范围(HDR)图像显示于普通显示设备的问题,提出一种新的结合全局与局部的色调映射方法,先对高动态范围图像分别进行全局和局部的映射,对所得的图再各自进行曲波分解,然后对分解系数进行加权融合.用5组HDR图进行验证,结果表明:用该方法得到的图像有更好的视觉效果.     

面向时延数据的分块PCA红外人脸识别

时延数据下的高识别性能是红外人脸识别系统应用的基础,提出一种基于分块PCA的红外人脸识别方法,提高红外人脸识别系统对时延数据识别率.为了充分利用图像的局部特征,对图像进行大小分块,并对各分块图像进行主成分分析;然后,为了缓解外部环境温度对识别的影响,通过训练学习不同温度下的红外人脸数据,去除每个图像块受环境温度影响较大的特征值.最后,为了结合整体特征,并将余下的特征值组合成特征向量用于识别.实验结果表明,本文提出的方法可以提高红外人脸识别系统对时延数据的识别率.     

基于计算机视觉的材料感知技术综述

针对计算机视觉的材料感知问题,综述了国内外的主要研究成果,介绍这些研究的主要方法及其典型算法和基本思想,归纳出材料视觉感知的两种主要研究方法,即材料识别和分类以及材料属性和参数估计。最后提出目前研究所存在的关键问题,并指出材料视觉感知未来的可能发展方向。     

基于物理模型的自适应快速单幅图像去雾方法

为提高雾天条件下降质图像的清晰度和色彩保真度,提出一种基于物理模型的自适应快速去雾方法。该方法求取暗原色的窗口选择为最小,并根据暗原色粗估计透过率,采用改进的增加补偿函数的双边滤波做优化,且对双边滤波中敏感的参数作自适应估计,最后通过物理模型恢复图像。实验结果表明,对于单幅图像在确保去雾效果的前提下,降低了算法的复杂度,且没有光晕效应。