一种新的基于梯度方向直方图的图像配准方法*

构建了一种新的局部梯度方向直方图,同时定义了特征点的主方向,从而提出了一种具有旋转不变性的图像配准算法.首先采用高斯加权求模技术对特征点邻域内的像素的梯度作直方图统计,确定出具有旋转不变性和抗噪性的特征点主方向;然后用主方向作角度直方图统计,确定待配准图像之间的旋转角度.根据得到的特征点信息及旋转角度定义了特征点对互信息匹配准则,这样使得新配准算法对于图像间旋转角度的范围没有限制,获得了良好的配准效果.     

同塔双回路供电同一变电站不同时停电设计技术方案的探讨

近年来随着城市或电网的发展,不少输电线路被提出改线,在需满足N-1要求的线路中进行改线时,如果不采取相应的技术措施,将出现N-2情况导致电网供电可靠性差的问题,本研究将探讨几种处理措施,以提高供电可靠性以保障电网改线的顺利进行.     

一种基于总线模型的数据清洗方法

数据清洗是保证数据质量的重要环节。已有的清洗方法往往过于依赖特定应用,不容易得到重用。从提高数据清洗方法的可重用性和可扩展性的角度出发,提出一种基于总线模型可复用的数据清洗框架。具有相对独立功能的清洗工具以组件的形式,通过适配器挂接到清洗总线上,通过总线控制对清洗组件实现清洗。最后用具体应用来描述基于总线模型的数据清洗方法的工作流程。实践结果证明该方法具有良好的性能和应用价值。     

一种新的基于条件数的图像配准算法

提出了一种新的基于条件数的图像配准算法。该方法在Harris算法提取角点的基础上,采用条件数定量地分析了噪声对确定图像间变换关系的影响程度,通过阈值设定筛选出具有良好稳定性的角点,克服了Harris角点检测可能存在的角点位置偏移和易受噪而提取出伪角点等问题。最后选择了Random Sample Consensus(RANSAC)匹配准则来确定匹配点对。经过实验证明了该配准算法具有精确性、抗噪性和鲁棒性。     

基于区域生长的鱼眼图像轮廓提取算法

以图像二值化为前提,使用基于区域生长的改进算法,获取图像轮廓,实现鱼眼图像校正,克服鱼眼图像轮廓区域内出现大量黑色像素使面积统计算法失效的缺点。仿真实验表明,该算法精度高、效率高,能够获得满意的校正结果。     

轮廓曲线的LoG变换及图像共变区域的检测

本文将LoG (Laplacian of Gaussian)变换应用到轮廓曲线上, 其范数的平方具有稳健的曲率特性, 由此构造了轮廓角点的响应函数; 在此基础上, 结合轮廓LoG所检测的角点和角点邻域内轮廓方向的尺度共变性设计了一种新的关于旋转和尺度共变的特征区域检测算法. 最后, 利用相关度准则对多组受干扰的图像进行特征共变区域匹配, 实验结果验证了所提出的共变特征区域检测算法具有计算简单、容易实现和较强的鲁棒性等特点.     

软件工程专业实践教学体系的构建

本文针对软件工程专业实践教学的问题,结合CDIO教学理念提出了软件工程专业实践能力训练体系。即建立软件实践教学的管理平台,设置相应的成绩考核体系,建立创新型教学团队,为软件工程人才培养提供经验。     

轮廓结构张量B-样条多尺度表示的角点检测

在B-样条多尺度空间下定义了平面轮廓在其支撑区域(ROS)内的结构张量的多尺度表示.该轮廓结构张量不但能够很好地描述轮廓的多尺度形状信息,而且其在不同尺度下的行列式乘积还能够在增强角点的响应的同时抑制噪声的影响,由此文中把B-样多尺度轮廓结构张量的乘积定义为角点的响应函数.通过实验证明了所提出的算法对于简单几何模型能够实现百分之百的检测,而针对实物图像,算法显示了良好的旋转不变性和对微小的尺度变化并不敏感的特性,最后与其他的角点检测器进行了对比实验.     

基于概率的无监督缺陷预测方法

软件缺陷预测能够提高软件开发和测试的效率,保障软件质量。无监督缺陷预测方法具有不需要标签数据的特点,从而能够快速应用于工程实践中。提出了基于概率的无监督缺陷预测方法—PCLA,将度量元值与阈值的差值映射为概率,使用概率评估类存在缺陷的可能性,然后再通过聚类和标记来完成缺陷预测,以解决现有无监督方法直接根据阈值判断时对阈值比较敏感而引起的信息丢失问题。将PCLA方法应用在NetGen和Relink两组数据集,共7个软件项目上,实验结果表明PCLA方法在查全率、查准率、F-measure上相对现有无监督方法分别平均提升4.1%、2.52%、3.14%。     

二维投影非负矩阵分解算法及其在人脸识别中的应用

建立在最小化非负矩阵分解损失函数上的人脸识别算法需同时计算基矩阵和系数矩阵, 导致求解这类问题十分耗时. 本文把非负属性引入二维主成分分析(2-dimensional principal component analysis, 2DPCA)中, 提出了一种新的二维投影非负矩阵分解(2-dimensional projective non-negative matrix factorization, 2DPNMF)人脸识别算法. 该算法在保持人脸图像的局部结构情况下, 突破了最小化非负矩阵分解损失函数的约束, 仅需计算投影矩阵(基矩阵), 从而降低了计算复杂度. 本文从理论上证明了所提出算法的收敛性, 同时, 使用了YALE、FERET和AR三个人脸库进行实验, 结果表明2DPNMF不仅识别率高, 而且速度优于非负矩阵分解和二维主成分分析.