基于变尺度法的机床平面度误差轮廓重构算法

为了解决国内机床导轨安装表面平面度检测无法实现数字化描述这一问题,基于变尺度原理,提出了全新的机床导轨安装面平面度误差检测方法,通过将多段具有重合区域的短安装面拼接起来实现安装表面全长测量.同时设计出了检测仪,给出了测量原理,利用基准板、测量仪和机床导轨安装表面间的几何关系,建立了算法的理论模型,开发出机床导轨安装表面平面度误差轮廓重构算法,并对算法进行了仿真.结果表明,算法可以精确重构出机床导轨安装面平面度误差轮廓.     

一种新的多轮廓线重构三维形体算法:切开-缝合法

综合评述了目前通过多轮廓线重构三维形体表面的算法研究现状,提出了一种新的多轮廓线重构三维形体算法切开-缝合法(CS).该法通过引入控制点对作为切口,将轮廓线对进行坐标转换和轮廓对应后,切开并铺展成两条平行直线段,通过寻求轮廓线对顶点的对应关系,生成了符合Delaunay法则的三维形体表面三角面片,解决了形状和顶点数目差异较大的相邻轮廓线重构问题,并将其应用到基于剖面的三维地质建模中.实践证明,该算法行之有效,且对解决相似问题具有一定启发性.     

断层测量反求工程中的封闭轮廓集分割技术

针对由序列断层测量轮廓的三维重建，提出了基于物体结构特征的封闭轮廓集分割算法。算法中首先采用多边形的包含判定、封闭轮廓截面属性（如面积、形心位置、内外属性等）的比较对轮廓进行粗略分割，若不能分割出唯一轮廓时，进而通过轮廓串比较的方法作出筛选。为了解决复杂结构的轮廓集分割，算法同时采用了分段重构与拼合的分割策略，结果表明，文中的算法不仅分割速度快，分割轮廓准确，而且适用于具有复杂形状和结构的零件。     

切片级重建方法

在分析三维医学图形切片级重建方法的基础上,指出了只有改进算法,才能更准确地完成复杂轮廓集的表面拼合,具有更好的适应性.     

基于变形模板的复杂截面轮廓重构方法研究

常规的B样条曲线重构存在散乱数据点的序化、参数化等步骤,采用变形模板的曲线重构方法可有效避免这些繁琐的操作.针对给定的复杂曲面零件的设计轮廓和实测截面数据点,提出了一种基于变形模板的复杂截面轮廓重构新方法,建立了最小模板变形条件下的截面轮廓配准与重构模型.提出的模板与实测点的精确配准与模板约束变形的迭代优化策略,以及基于递归细分的快速距离算法,保证了截面轮廓的重构精度与效率,建立起了设计模板与实际截形的解析关系.最后的实例验证了所提方法的有效性和实用性.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于形态学的散乱点云轮廓特征线提取

采用逆向工程领域切片技术和数学形态学方法提取点云的轮廓特征线.空间散乱点云密度高且无拓扑关系,通过切片分层可将空间点云转换为不同层的平面切片点云.借鉴图像处理方法,将切片点云转换成二值图像,使用形态学运算提取其轮廓像素,将轮廓像素转换为轮廓特征点并采用B样条曲线拟合成轮廓特征线.实验验证该方法可以得到高质量轮廓线,并可以有效地解决"多环"切片难以正确提取轮廓特征的问题.     

改进STL分层算法在机械零件3D打印中的应用研究

为提高三维(Three dimensional, 3D)打印机械零件生产方式的生产效率和产品质量，研究提出一个改进的光固化立体造型术(Stereolithography, STL)模型分层算法，该算法采用层厚关联方式对STL模型进行同步分块处理，并结合三角网格面片的顶点信息与法向量信息重构邻接拓扑关系，形成切片平面的网格面片环，并以此为基础对STL模型进行优化分层切片。实验结果显示，该算法在分层厚度为0.30mm条件下的分层算法轮廓算术平均偏差均值为0.77,平均计算耗时为2.45s,均明显优于目前行业内常用的分层算法。实验结果证明，此次设计的改进STL模型分层算法在复杂机械零件3D打印生产中具有一定的应用前景，并能起到加快零件生产速度、提高打印产品表面光滑度的作用。     

一种基于视频序列单目视觉下的运动车辆轮廓重构算法

针对运动车辆在单目视觉下轮廓重构的问题,本文通过特征目标识别的方法解算出无约束运动车辆的运动参数,将无约束运动物体的轮廓重构问题转化成已知约束运动物体的轮廓重构问题,提出了一种基于视频序列的单目视觉下的运动车辆轮廓重构算法.实验结果证明,新算法能够较好地重构出不同大小车辆的3D轮廓,其车辆高度估算值的误差在4%以内     

GVF场的多层细胞神经网络实现及其在图像分割中的应用

提出了利用多层细胞神经网络实现梯度矢量流GVF场的方法,并与扩展、细化的细胞神经网络(CNN)相结合来实现动态轮廓的图像分割．细胞神经网络具有并行运算的能力,可解决传统串行算法复杂性大,不能实时处理的问题,并克服了梯度场作为CNN的外力驱动方法的局部最小问题。在图像处理过程中,外部图像由GVF信息引导,最后收敛到所期望的目标位置。结果表明,该方法在不同的输入图像条件下均获得了比Vilarino提出的方法更好的分割结果,并具有实时处理速度。     

基于BPLI从二维平行轮廓线重建三维表面的新算法

系统分析了BPLI方法的基本原理,在保持BPLI解决分支问题和对应问题的优越性的基础上提出系列新算法：首先提出一种新的轮廓线分段匹配算法,简化了轮廓线细化工作并提高了匹配效果;其次,提出一种求解空间多边形三角剖分的新算法,消除了退化区域。这些工作还使得新算法进行三维表面重构有效地提高了计算效率。     

地图的计算机识别

介绍了纸质地图的计算机自动输入技术，对地图中不同类型的线状要素（等高线、道路、河流等）的智能化识别方法作了全面论述，并提供了部分实验结果。     

基于有限体积法的土壤重金属污染物运移模拟

针对重金属污染物在土壤中的运移扩散问题,采用有限体积法对二维稳态水流中污染物运移的基本方程进行离散,获得污染物在饱和土壤中运移的有限体积法计算模型.运用Matlab模拟不同条件下重金属污染物运移的动态过程,研究污染物运移规律.研究表明,当污染源始终存在时,随着时间的推移,质量浓度等值线近似由中心抛物线形渐变为外围椭圆形,水平向和竖直向浓度均不断减小;当污染源存在10天后移除时,随着时间的推移,质量浓度等值线呈椭圆形,污染范围逐渐变大,浓度不断减小,椭圆中心处浓度最大.     

内燃机燃烧过程仿真后处理输入文件Ipost的研究

以系统论为理论依据，在计算机上进行试验和分析，研究了输入件的设计要求和方法。研究表明：后处理输入件要设计后处理硬件类型、图形件(*．ps)的输出模式和镜像输出条件等总则，要确定输出内容包括网格划分和性能计算结果两个大的方面，网格划分的输出可以按平面图和三维图两种类型输出。性能等高线图和矢量图可以按正平面图和斜平面图的类型输出，网格图和性能图均按仿真计算的曲轴转角(时间)输出。     

RBF neural network and active circles based algorithm for contours extraction

For the contours extraction from the images, active contour model and self-organizing map based approach are popular nowadays. But they are still confronted with the problems that the optimization of energy function will trap in local minimums and the contour evolutions greatly depend on the initial contour selection. Addressing to these problems, a contours extraction algorithm based on RBF neural network is proposed here. A series of circles with adaptive radius and center is firstly used to search image feature points that are scattered enough. After the feature points are clustered, a group of radial basis functions are constructed. Using the pixels’ intensities and gradients as the input vector, the final object contour can be obtained by the predicting ability of the neural network. The RBF neural network based algorithm is tested on three kinds of images, such as changing topology, complicated background, and blurring or noisy boundary. Simulation results show that the proposed algorithm performs contours extraction greatly.     

Adaptive Contour Model for Real-Time Foreground Detection

A multiscale foreground detection method was developed to segment moving objects from a stationary background. The algorithm is based on a fixed-mesh-based contour model, which starts at the bounding box of the difference map between an input image and its background and ends at a final contour.An adaptive algorithm was developed to calculate an appropriate energy threshold to control the contours to identify the foreground silhouettes. Experiments show that this method more successfully ignores the negative influence of image noise to obtain an accurate foreground map than other foreground detection algorithms. Most shadow pixels are also eliminated by this method.     

松花江吉林市江段江水中多环芳烃来源的研究

为研究松花江吉林市江段中多环芳烃来源,采集了松花江吉林市江段2013年5月(平水期)、2013年8月(丰水期)和2014年1月(枯水期)的江水、沉积物、废水、降尘、降水及地表径流样品,测定了其中16种多环芳烃的含量,利用主成分分析法对降水中多环芳烃的来源进行分析,同时计算松花江吉林市江段中多环芳烃的输入通量。结果表明:江水中多环芳烃来源较为广泛,不同水期江水中多环芳烃来源有一定的差别,但所有水期石油源和交通源均是江水中多环芳烃的主要来源,平水期和丰水期沉积物中PAHs的主要来源是燃烧源,其次是石油源。松花江吉林市江段的多环芳烃最主要是通过上游来水的方式进入到江水中,其它输入方式按输入通量由多到少依次为废水排放、降尘、降水、地表径流。     

基于实测边界线的地下巷道三维建模方法

根据实测边界线和断面参数,提出地下巷道三维实体的分层建模解决方案:采用图论的树结构表达边界线划分的复杂区域(简称区域树),并采用约束三角剖分的方法对区域网格三角化;提取所有三角形中表示巷道的断面底边和“出口位置”的边,根据断面参数,拟合生成断面轮廓线;均匀离散化断面轮廓线,生成左右对称点列,这些点构成三维巷道实体的特征点;分层提取断面轮廓线上的特征点,生成分层轮廓线;最后对相邻分层轮廓线和顶、底轮廓线分别实现巷道体网格三角化.研究结果表明:该算法充分利用区域树表达的空间拓扑关系和断面参数信息,实现简单,适用于同一中段边界线在任意复杂情况下的连通巷道实体三维建模.     

科技投入对江苏省经济增长的影响研究

基于江苏省时间序列及面板数据模型,计量检验了科技投入对江苏省经济增长的影响机制。结论表明：①改革开放前,江苏省的经济增长主要依靠劳动力投入;改革开放后,则主要依靠资本投入,科技投入的整体贡献有待提升。②在苏南等科技发达地区,科技投入对经济增长的贡献已经高于资本积累,成为经济增长的第一要素;但在苏中、苏北地区,经济增长依然主要依靠资本投入。