基于改进Sobel算法的焊缝X射线图像气孔识别方法

提出一种具有自适应能力的焊缝X射线图像气孔检测方法.通过局部动态阈值分割法设计了多方向的焊缝X射线图像模板,采用Sobel算法对复杂背景下的焊缝进行边缘检测和区域标记,并在标记区域对原始图像x和y方向的灰度梯度进行分析,以增强小气孔和粘连气孔的识别能力.检测应用效果表明,所提出的方法具有良好的自适应能力且准确快速,能够有效地克服人工评片中产生的漏判与误判等缺点,并且能够存储和查询检测数据.     

Semantic image annotation based on GMM and random walk model

Automatic image annotation has been an active topic of research in computer vision and patternrecognition for decades.A two stage automatic image annotation method based on Gaussian mixturemodel (GMM) and random walk model (abbreviated as GMM-RW) is presented.To start with,GMM fitted by the rival penalized expectation maximization (RPEM) algorithm is employed to estimatethe posterior probabilities of each annotation keyword.Subsequently, a random walk processover the constructed label similarity graph is implemented to further mine the potential correlations ofthe candidate annotations so as to capture the refining results, which plays a crucial role in semanticbased image retrieval.The contributions exhibited in this work are multifold.First, GMM is exploitedto capture the initial semantic annotations, especially the RPEM algorithm is utilized to train themodel that can determine the number of components in GMM automatically.Second, a label similaritygraph is constructed by a weighted linear combination of label similarity and visual similarity ofimages associated with the corresponding labels, which is able to avoid the phenomena of polysemyand synonym efficiently during the image annotation process.Third, the random walk is implementedover the constructed label graph to further refine the candidate set of annotations generated byGMM.Conducted experiments on the standard Corel5k demonstrate that GMM-RW is significantlymore effective than several state-of-the-arts regarding their effectiveness and efficiency in the task of automatic image annotation.     

基于SIFT检测的Demons图像配准

提出一种计算简便且配准效率高的算法.通过拟牛顿对Demons算法里的目标函数进行优化,从而得出形变向量u的方法,阐明了此方法配准的高效性,同时再结合SIFT算法对配准结果的检测,便能很直接很直观地看出配准结果的好坏,避免了判断两幅图相似性的大量计算.实验验证了所提出算法的有效性.     

辛亥革命视阈下的朱元璋形象建构

关于朱元璋的研究大多集中历史学的客观研究,对其人物的民众接受的社会学研究目前较少.本文拟从社会学角度入手,研究朱元璋在辛亥革命时期的社会形象接受,结果表明,朱元璋被视为汉民族英雄形象,并一再放大.不过,民权思想革命思潮下,朱元璋作为汉民族革命先驱的英雄形象被逐渐消解,表明中国革命思想在新的历史时期的现代转化.     

八粒子量子态对彩色图像的存储方案

经典彩色图像的存储方法存在着数据量很大且很费内存等缺点,针对这些缺点,提出了一种在量子比特阵列中采用八粒子量子态存储彩色图像的方法,借助于量子态的巨大存储能力,通过采用量子并行计算特性的Grover量子搜索算法,起到平方根加速的理想效果.在图像存储和图像重构的过程中,对量子比特阵列进行搜索找到相应的彩色图像,证明所采用的方法有很好的效果.     

低维特征空间中基于旋转图像的三维环境模型配准方法

近年来,异类机器人之间(如飞行机器人和地面机器人)的协作成为机器人学研究发展的一个新的领域.异类机器人协作的难点之一是协作环境建模,而由于所获得的环境模型具有不同的观测视角和尺度,其环境建模中的模型配准是一个难点和关键.目前,能够适用于大视角差、大尺度差场景配准的方法并不多,基于旋转图像的配准方法被认为是一种可行方案,但其中存在的计算负担大和在野外环境中的鲁棒性差使得其也很难在实际系统中应用.基于此,面向三维点云环境模型,以旋转图像为基础,提出了一种新的基于低维特征空间的模型配准方法.首先,通过引入模型曲率、旋转图像熵值和激光反射强度3个特征构建了一个三维特征空间,得到候选对应点集合.然后,在候选对应点集合中利用旋转图像的方法查找正确的对应关系,实现模型配准.由于低维特征空间的引入,基于旋转图像特征的对应点搜索区域大大减小,因此算法计算效率得到了极大改善.同时由于引入的新特征与场景旋转图像特征的互补性,算法的鲁棒性和精确性也得到了提升.这些性能改进最后通过实验得到了验证.     

基于自适应遗传算法的超平面分类及遥感应用

智能分类算法是遥感影像分类研究的热点,遗传算法作为一种智能全局优化技术在遥感影像分类中具有良好应用前景.针对现有多光谱遥感影像分类方法的不足,提出了基于自适应遗传算法的超平面分类方法(hyper plane-adaptive genetic algorithm,HP-AGA)并应用于遥感影像分类,该方法利用神经网络中的神经元激活函数Sigmoid函数,对遗传算法中交叉率、变异率进行非线性自适应性调整,不再需要反复训练遗传参数,同时利用快速全局寻优特点,确定分类超平面的各个位置参数,从而获取最佳分类超平面集进行分类.多光谱遥感影像分类方法的应用实验表明,基于自适应遗传算法的超平面遥感分类方法能更快、更稳定地收敛到全局最优解,具有更好的效率及鲁棒性,并能取得优于简单遗传超平面分类算法及传统分类方法的分类精度.     

诗词意境研究中的若干问题

意境的现代性研究中衍生出了许多值得进一步探讨的问题,如意境的形象性问题,意境与意象的关系,意境的美学性质等等。意境是特种艺术形象,是由语象、意象依某种美学规则建构而成的三维空间形象,是实境和虚境的结合体,并以虚境的存在显示其独特的美学地位与价值。     

嫁接用苗生长状态无损测量技术的研究

利用机器视觉技术对蔬菜幼苗的生长特征信息进行了无损检测,该研究技术是定量化研究植物生长规律的关键技术之一,并为蔬菜自动化生产过程中的嫁接、移栽、间苗等作业提供必要的技术理论依据.该研究通过在温室内设计了一套计算机视觉系统,对多株群体蔬菜苗的生长进行了长时间、连续、快速的无损检测,并利用VB6.0编制了图像处理软件,提取了蔬菜幼苗的外部形态特征,经过图像处理软件分析得到蔬菜幼苗的日生长变化规律,发现蔬菜苗在夜间的生长率明显高于白天.研究表明,采用机器视觉及图像处理技术可以快速、准确地监测出蔬菜幼苗的外部形态特征量,能够对蔬菜生长状态进行直观测量,实现对蔬菜幼苗生长规的定量化研究,为蔬菜生产过程中相关作业的自动化提供可靠的理论依据.     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。