激光加电磁场诱变滇稻“三角大香糯”的育种初探

用He-Ne激光(1.5 mW,632.8 nm)辐照加电场磁场(电场强度1.2×106 m/V,2.0×106 m/V;磁感应强度4.8 T)激发处理了云南姚安三角大香糯稻种.通过育种和田间试验发现,多数处理种子仅产生非基因变异的表型变化,仅有5株发生性状变异.     

微泡聚合物材料的研究与应用

微泡聚合物材料是一种很有发展前任的新型材料，与原聚合物相比，它具有许多优越性，如重量轻，隔音隔热效果好，使用寿命长，且具有足够的强度，原材料的消耗可减少２０－４０％，本文简要地介绍了微泡聚合物的结构特征，制备工艺，以及聚合物经微泡过程民微泡聚合物后其性能上的某些变化。     

电子政务数据共享模式研究

互联网的广泛应用,改变了社会公众对政府信息需求的观念。加强电子政务数据共享是社会发展的必然要求。为了保证政务信息的有效共享,实现不同部门不同类型数据的转换和重用,提出了一种新的基于公开密钥基础设施体系构造数据共享模式。在新的数据共享模式中,使用电子凭证替代传统的纸质凭证,增加了行政审批事务办理的快捷性、安全性、低碳环保性。为了进一步提高电子凭证的效率,将其与云计算无缝融合。通过对具体应用案例的分析,表明新的数据共享模式具有安全性、可行性和实用性。     

单幅图像多尺度小波深度提取算法

针对浅景深图像中平滑前景区域深度提取误差大的问题,基于像素点分类思想对深度值进行修正,提出一种基于多尺度小波线索的、可同时面向单幅浅景深图像和广角图像的深度图提取算法.首先使用小波分析法在多个尺度下提取图像深度信息;然后提出自适应分类法并根据尺度与深度变化规律对像素点做深度修正,得到深度图;最后结合区域生长与边缘分割算法对深度图进行区域优化.为了加快深度计算,还提出了快速zerocount法以及多尺度加速法来满足标清视频实时处理要求.实验结果证明,采用文中算法获得的深度图相对深度正确,前景和背景区域深度一致性好.     

基于运动标签的异常行为检测算法

针对视频监控中异常行为检测的问题,提出了一种基于运动标签的检测算法。通过对视频结构语义的分析,针对像素块的运动标签在时间维度和空间维度的分布关系,定义五种低维度的行为特征描述符作为视频中行为特征的表示。将这些提取的行为特征作为SVM分类器的输入,训练和建立了基于运动标签的异常行为检测模型。实验表明,该算法与同类算法相比,取得了更好的检测效果。     

师范院校非计算机专业学生计算机应用能力培养的改革与探索

师范院校非计算机专业学生的计算机能力培养,是当前教学改革的热点。玉溪师范学院参照同济大学、上海交通大学、华东理工大学三校改革的经验和办法,结合本校和学生实际情况,对大学计算机基础课程体系进行改革,探索适合师范院校学生计算机能力培养的有效途径,实践表明对提高学生的计算机应用能力有较大的提高。     

基于网络的多操作者多机器人协作研究

研究基于网络的多操作者多机器人的协作方案,分别提出了针对机器人约束和非约束体协作条件下的协调策略,并在局域网内建立一个仿真实验系统对机器人协作进行仿真.在约束情况下以机器人协同搬运为研究点,提出采用"主、从"机器人控制方法,确定工件运动轨迹后采用位置反解算法确定机器人运动.在非约束情况下提出采用"时间戳"、"回滚"方法协调操作.在整个仿真系统中采用基于AABB的碰撞检测算法确保机器人操作的安全性.仿真实验的结果验证了协调策略的可行性和正确性.     

基于手势识别的机器人人机交互技术研究

研究了基于视觉的动态手势识别技术,采用基于肤色的高斯模型与改进的光流场跟踪算法结合的方 法,实现了复杂背景下实时的手势跟踪,具有快速和准确的特点,且具有较好的鲁棒性．对于动态手势识别器,采 用了隐马尔可夫模型（HMM）作为训练识别算法．考虑到动态手势特征本身的一些特点,对HMM 参数优化算法重 估式加以修正,调整了算法比例因子,从而推导了最佳状态链的确定算法、HMM 参数优化算法．最后将研究开发 的动态手势识别算法成功地应用到了基于网络的远程机器人控制系统中．     

一种快速嘴部检测方法在视听语音识别的应用

在改进噪音环境下的语音识别率中,来自于说话人嘴部的可视化语音信息有着显著的作用。介绍了在视听语音识别（AVSR）中的重要组成部分之一：可视化信息的前端设计;描述了一种用于快速处理图像并能达到较高识别率的人脸嘴部检测的机器学习方法,此方法引入了旋转Hart-like特征在积分图像中的应用,在基于AdaBoost学习算法上通过使用单值分类作为基础特征分类器,以级联的方式合并强分类器,最后划分检测区域用于嘴部定位。将上述方法应用于AVSR系统中,基本上达到了对人脸嘴部实时准确的检测效果。     

增强现实中的视频对象跟踪算法

根据增强现实在视频对象跟踪中的应用需求,提出一种综合利用尺度不变特征变换(SIFT)算子、K聚类算法和轮廓检测的视频对象跟踪算法。该算法利用简易SIFT获得输入图像的特征点,通过K聚类算法获得可能的对象聚类,并采用改进的轮廓处理方法得到对象边界,移除孤立点,确定对象特征点,在对象特征点中获取增强现实应用中需要的注册点。在关键帧匹配中,只要使用对象特征点进行对象匹配。实验结果表明,该算法具有运行速度快、匹配正确率高的特点,能满足增强现实视频应用的注册需求。