环境温度对圆拱形钢结构模态频率的影响研究

为研究圆拱形钢结构模态频率在环境温度下的时变特征,本文以潍坊市白浪河摩天轮钢结构为研究对象,首先采用数值模拟和实测数据统计分析的方法揭示其模态频率的温度影响规律,然后采用BP神经网络建立起该结构模态频率与环境温度之间的回归模型,并基于该模型消除环境温度对结构模态频率的影响.结果表明:环境温度主要通过使结构材料的力学性能和结构状态发生改变来影响圆拱钢结构的模态频率;白浪河摩天轮结构模态频率随温度升高而降低,在监测时间内频率最大变化幅度为3.04%;该结构面内振型频率所受温度影响高于面外振型,其中结构状态改变是面内振型频率变化的主要因素;BP神经网络模型可以正确反映模态频率和环境温度之间的变化关系,利用建立的频率-温度回归模型可有效消除环境温度对结构模态频率的影响.     

基于偏最小二乘的人脸超分辨率重构

提出了一种基于偏最小二乘(PLS)的超分辨率重构方法用于快速恢复高分辨率人脸图像.该算法利用主成分分析(PCA)方法将所有高、低分辨率人脸图像投影到各自的特征子空间中,通过PLS对高、低分辨率投影变量之间的统计关系进行回归建模.当输入的低分辨率人脸图像给定时,对应的高分辨率人脸图像可以由训练后的回归模型导出.实验结果表明,在离线训练的情况下,所提出的算法可以快速地给出令人满意的重构解.     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量(H,Cg,Cr)T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

人脸图像年龄估计

为了解决人脸识别中识别率随年龄变化急剧下降的问题,提出了一种自动的年龄估计方法。通过年龄函数建立人脸特征和年龄之间的对应关系,人脸特征由形状特征和纹理特征组成。首先,通过改进的活动形状模型自动定位人脸形状特征点,再通过形状拉伸获得单纯的纹理图像,然后用主分量分析分别得到形状特征向量和纹理特征向量,合成作为人脸特征,最后,按照最优化的准则得到年龄函数,结合人脸变老方式的分类,自动估计年龄。实验结果表明,这种方法对年龄估计十分有效,平均200人的多年龄人脸数据库上的估计误差为1.1a。     

人脸图像年龄估计

为了解决人脸识别中识别率随年龄变化急剧下降的问题,提出一种自动的年龄估计方法。通过年龄函数建立人脸特征与年龄之间的对应关系,人脸特征由形状特征和纹理特征组成。首先,通过改进的活动形状模型自动定位人脸形状特征点,再通过形状拉伸获得单纯的纹理图像;然后用主分量分析分别得到形状特征向量和纹理特征向量,合成作为人脸特征;最后,按照最优化的准则得到年龄函数,结合人脸变老方式的分类,自动估计年龄。实验结果表明,这种方法对年龄估计十分有效,平均200人的多年龄人脸数据库上的估计误差为1.1 a。     

基于加权局部梯度直方图的头部三维姿态估计

在实时估计人的头部三维姿态时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重,有效减小背景对头部三维姿态估计的影响,最后利用非线性支持向量回归机求解加权局部梯度方向直方图与头部三维姿态之间的关系。实验结果表明:该特征表示方法具有更高的检测精度。     

基于三点透视的人脸姿态估计算法

提出了基于特征点透视变换和人脸统计模型的人脸姿态估计算法.首先建立以左右眼睛点和鼻尖为几何特征点的人脸统计模型,然后推导出这三个特征点在图像平面坐标系和三维世界坐标系间的对应关系,进而得到从图像平面上的三个特征点估算人脸在三维空间姿态的理论方程,最后运用迭代方法给出了一个完整的快速人脸姿态估计算法.实验结果表明,本算法精度高,速度快,具有较好的鲁棒性.     

AMSR-E微波数据反演裸地地表温度算法研究

利用AMSR-E被动微波数据,以撒哈拉沙漠地区为研究对象,基于搭载在同一颗卫星上的AMSR-E传感器和MODIS传感器同步观测成像的特点,将MODIS数据反演得到的裸地地表温度产品进行尺度上推.作为AMSR-E像元尺度的地表真实温度.在分析AMSR-E不同通道微波探测值所包含的不同信息特点的基础上,选出反演裸地地表温度较为有效的探测通道,利用多元线性回归的方法,建立经尺度上推后对应AMSR-E尺度的MODIS地表温度与AMSR-E各通道亮温之间的对应关系同,从而实现利用AMSR-E被动微波数据反演裸地地表温度的算法.经验证,反演计算的裸地地表温度误差在±3 K之间.该方法不仅对时间和空间的变化有一定的适应性.而且具有一定的物理意义,演结果可以较好地反映裸地地表温度的变化情况.     

地表温度估测土壤含水量

介绍了利用热红外数据,通过地表温度遥感监测土壤水分的方法及其原理.对影像经过一系列预处理工作之后,将图像亮度值D N(TM6)转换为地表温度,利用实时的土壤含水量与地表温度进行相关分析,发现二者之间存在显著的正相关关系,并通过回归分析,初步建立了二者关系的数学模型.基于上述数学模型和地表温度的数字图象,可以得到土壤水分的等级图.     

红外热成像系统温度漂移补偿算法研究

针对红外焦平面阵列(infrared focal plane arrays, IRFPA)响应输出易受到环境温度变化的影响,且长时间工作后易发生温度漂移,导致红外热成像系统测温误差大,为此提出了一种红外热成像系统温度漂移补偿算法。该算法建立了红外焦平面阵列响应输出随环境温度变化的补偿模型,利用该模型对IRFPA每个像素响应输出值进行逐一修正。将该补偿算法加入红外热成像系统中,进行红外目标的温度显示实验。实验结果表明,该算法能够有效减少环境温度变化引起的测温误差,提高红外热成像系统的测温精度。     

基于血流图双树复数小波域傅里叶变换的红外人脸识别方法

提出了一种基于血流图与双树复数小波域傅里叶变换的红外人脸识别方法.首先利用血流模型把温谱图转换成血流图,然后将人脸血流图进行一级双树复数小波分解,保留分解后的4个低频子带并分别进行傅里叶变换,得到每个低频子带的特征矩阵,分别计算4个子带的欧氏距离并进行简单的加法融合,再用三阶近邻分类器得到最终的识别结果.为了减小算法的时间复杂度,我们对血流模型进行简化.实验结果表明,本文所提的方法有较好的识别结果.而简化的血流图相比原模型的识别率没有明显的下降,甚至某些情况下还稍高于血流模型,说明本文的方法是有效的.     

云背景红外天空图像的统计模型与仿真

以实测红外云背景天空图像为研究对像,重点对其傅里叶功率谱、灰度分布等统计特性进行了分析,并通过对功率谱函数和灰度分布函数的拟合构造了目标图像的参数模型.与传统的基于背景红外成像特性三要素的模型相比,本模型参数大大减少且没有冗余信息,更有利于控制和使用.为实际应用的需要和验证模型的有效性,以所构造的模型为基础,设计适当的仿真算法生成了云背景红外天空仿真图像,并对仿真图像质量进行了检验.实验结果表明,使用文中的仿真算法得到的仿真图像与具有相同模型参数的真实图像的相似度大于80%,且具有较强的视觉相似性,证明了模型的有效性.     

低温作业环境下应急救援人员局部冷损伤预测评价

为评价应急救援人员在低温环境下开展救援活动时遭受的冷损伤情况,对传统人体热生理模型进行改进,将人体模型拓展为20个分区,增加了脸部、肩部等部位,每个部位包括4层：核心、动脉、静脉、皮肤,动、静脉的血流参数由128段血管模型计算获得。基于改进的人体热生理模型,计算分析了多种低温环境工况下应急救援人员局部皮肤温度的变化规律,主要探讨分析了环境温度、风速、防护程度对手部和脸部皮肤温度的影响程度。结果表明：风速对低温环境工况人体局部皮肤温度影响显著,但随着风速的增加,影响程度会降低;较好的局部低温防护能提高人体该部位皮肤温度10℃以上;手部较脸部更容易遭受冷损伤。该研究能为低温环境下作业人员冷损伤评估提供技术支持,对低温冷损伤防控具有重要应用价值。     

医用红外热图动态分析方法

提出了一种基于“自回归滑动平均”(ARMA)谱估计的医用多幅红外热图动态分析的方法。利用人体不同病灶区对外界温度激励的响应不同这一原理 ,从响应过程的多幅热图中 ,提取温度变化的时间序列 ,用工程频谱分析方法对时间序列进行 ARMA谱估计 ,从而得到表征病灶区特征的系统频谱参数。与传统的单幅红外热图静态分析方法相比 ,该方法更有效地揭示了不同病症的红外辐射特征。对部分病例的初步临床实验结果表明 :该方法可为基于红外热图的诊断提供一种新的分析手段     

基于线性降维技术和BP神经网络的热红外人脸图像识别

结合线性降维技术与BP神经网络对热红外人脸图像进行了识别研究.首先利用主成分分析和线性判别分析对热红外人脸图像进行图像降维及特征提取,然后将提取出的热红外人脸图像特征向量用于BP神经网络的训练,得到一个鲁棒性和容错性较强的分类器,用这个分类器对热红外人脸图像进行分类识别.实验结果表明,由于所提方法在提取便于分类的模式特征基础上,采用神经网络作为分类器代替特征向量间的欧氏距离判别,获得了较高的热红外人脸图像识别率.     

基于贝叶斯判别器的面部检测

 提出了1种基于PCA(主成分分析)的贝叶斯判别器用于检测灰度面部图像.为检测面部图像,首先用PCA减低训练图像的维数以为判别器提供教好的图像描述.训练图像包括面部图像和非面部图像并给出正确标识,用EM算法学习图像的特征向量.在构建好学习模型后,用贝叶斯后验概率检测未知样本.模型参数估计和判别原则都是基于最大似然度.在估计了概率密度函数后,贝叶斯判别器可产生最小的误差,为分类的教优准则.本方法用2356副面部图像和3780非面部图像作为学习样本,学习过程获取面部图像与非面部图像的差异而构建判别模型.训练图像包括不同位置,不同表情,不同亮度条件的同一对象图像.训练模型用于检测205副面部图像,实验结果在文章第4部分给出.     

面向中医望诊的人脸图像配准

对可疑病人脸色与病例库中标准病例脸色之间的配准进行了研究.从人脸检测、特征提取到人脸配准,提出一套解决方案和实现算法.将基于肤色模型和动态外观模型的人脸多特征点精确定位方法相结合,应用于面向中医望诊的人脸图像特征定位中,利用所得特征点对人脸划分区域,在各区域内提取颜色特征,实现了基于颜色的图像配准.     

复杂背景下的彩色图像人脸检测

提出了一种复杂背景下使用肤色模型检测人脸的方法.该方法首先对图像进行光照补偿,然后对肤色模型处理后的二值图像进行分割与合并,并结合先验知识提取出人脸候选区域,最后验证人脸轮廓、眼睛和嘴等特征来判断人脸候选区域是否包含人脸.对1 010幅变光照和复杂背景情况下拍摄的彩色人脸图像进行验证,其检测率达到89.7%.     

基于多层特征深度融合的卷积神经网络人脸识别方法

针对传统神经网络在人脸图像的训练过程中没有将高低卷积层信息进行融合,为充分利用图像各层特征信息,提出一种基于三层特征融合的全连接卷积神经网络模型,算法将原有网络最后三层特征结合,并将提取的特征信息与最后一层全连接层结合,从而增加了浅层特征的表达,加强了深层特征的提取效果,促使改进后的卷积神经网络提取的信息更加完备;同时将损失函数和中心函数加权联合,以提高人脸图像的识别率和区分性.在CASIA-webface人脸数据库进行的实验结果表明,改进后的网络模型识别率达到98. 7%,优于DCNN等算法,并将训练好的网络模型应用到YALE、PERET、LFW-A等人脸库上,相比其他方法识别率都有所提升.     

基于统计形状模型的面部特征提取随机方法

针对在复杂背景和部分遮挡情况下提取面部特征轮廓的困难，提出了一种基于统计模型的随机方法．该方法将面部特征轮廓作为动态随机过程的状态序列，并应用统计方法建立人脸整体形状模型和特征形状模型，分别构造面部特征间和面部特征内控制点样本的预测方程，最后利用序列蒙特卡洛方法估计随机状态．该方法给出了面部特征提取的随机描述，打破了确定性方法对单高斯分布和轮廓形状线性变化的依赖性，实现了轮廓的准确可靠提取．对100幅正面人脸图像的实验结果表明，轮廓定位相对误差仅为2．7％．对标准人脸检测数据库中传统算法很难处理的复杂背景和部分遮挡情况，该方法能够正确定位面部特征轮廓．