基于稀疏转稠密机制的仿射不变特征匹配算法

提出一种基于稀疏、稠密特征转换的仿射不变特征匹配算法,其中稀疏特征包括坐标,尺度,仿射模拟参数等,稠密特征指基于图像局部区域内光学属性的局部描述符.本文算法在Affine-SIFT算法基础之上,针对在特征提取阶段仅使用稀疏特征提取的缺陷做出了改进.由于稠密信息只有在稀疏参数满一定足检测条件时才能提取到特征,导致本可以匹配到的特征(包括稀疏、稠密参数)无法提取,将通过使用稀疏特征构造新的模拟图像,通过将稀疏特征重新稠密化,并在模拟图像基础上进一步提取稀疏特征,同时可检测到原始图像中检测不到的可匹配特征,最终达到增大特征建立匹配的概率,提升正确匹配数量的目标.经实验验证,本文提出的稀密特征转换算法相比于ASIFT算法能大量增加特征匹配的数量.除针对ASIFT方法提供扩展外,该方法也可用于扩展具有充分稀疏特征参数的其它特征提取和匹配方法,并适用于目标识别、目标分类和三维重建等问题.     

管理者过度自信与企业创新战略选择北大核心CSCD

通过构建管理者生涯模型,分析了管理者过度自信(overconfidence)对于企业创新战略选择的影响.通过分析模型发现:管理者越是过度自信,企业越可能摒弃保守的利用式创新战略(exploitative strategy),转而选择进取的探索式创新战略(exploratory strategy).此外,模型推导还发现,管理者过度自信对于企业创新战略的影响程度受到管理者能力水平以及创新战略的商业收益的影响.具体来说,管理者的能力水平越高,企业越可能选择探索式创新战略;探索式创新战略的商业收益越大,管理者越倾向于探索式创新战略,而利用式创新战略的商业收益的增加则会激励管理者选择利用式创新战略.利用算例进一步说明了上述结论,并分析了相关的管理学启示.     

基于混沌理论的企业动态能力、投资和收益的非线性关系北大核心CSCDCSSCI

动态能力的提升是促进企业稳步发展,给企业带来独特竞争优势的重要手段。分析了动态能力、投资和收益之间的相互关系,构建了动态能力和投资对收益影响的非线性行为方程。借助李雅普诺夫指数分析了系统的动力学行为,得到了动态能力约束下的投资收益吸引子和系统在不同情形下的动态演化图。结合联想集团有限公司的财务数据和调查数据,借助非线性最小二乘回归法,得到联想公司实际系统的参数,分析了联想集团有限公司动态能力、投资和收益之间的一系列演化行为。研究结果表明:快速提升动态能力短期内企业收益不会显著增加,但是后期会对企业收益增长带来巨大贡献;投资发展速度过快会造成企业收益波动幅度较大;投资增加并不必然导致收益增加,投资水平要综合考虑现阶段的动态能力水平。     

高速磁浮轨道垂向不平顺动态检测系统设计

针对高速磁浮轨道垂向不平顺检测,提出了一种基于惯性基准法原理的随车搭载型动态检测系统,并通过试验验证了该系统可满足±0.2 mm的检测误差要求.针对同步电机长定子齿槽形式的检测面,设计了一种削弱"齿槽纹波效应"的算法,可将齿槽形状引入的波动影响限制在±5mm范围内.最后,根据检测要求分析有关传感器的选型,并提供了相应结构平台的初步设计考虑.     

一种运用显著性检测的行为识别方法

针对传统稠密轨迹行为识别法不能很好地区分行为区域和背景的问题,提出一种运用显著性检测的行为识别方法。考虑到视频显著性在较小的时空范围内变化不大,将视频在时域分割为多个短子视频,并将子视频在空域划分成小块,再以块为基础运用一种两阶段显著性检测方法获取每个子视频的行为区域。在检测的第一阶段,将低秩矩阵恢复算法应用于子视频的运动信息计算其初始显著性,并据此将其内所有块划分为候选前景集合和绝对背景集合;在第二阶段,为了将真正的行为区域从候选前景集合中分离出来,利用绝对背景集合中块的运动信息构建字典,通过加权稀疏表示算法计算候选前景集合中每个块的细化显著性,再通过阈值化获取二值显著图用以指示行为区域;最后,将显著图融入稠密跟踪过程以获取行为区域轨迹用于行为识别。基准数据集上的实验结果表明,该方法能够较好地检测视频中的行为区域,获得的识别率高于传统稠密轨迹法2.5%~4.5%。     

成排连铸坯端面中心坐标视觉自动提取方法

为了实现成排连铸坯端面机器人贴标时各连铸坯端面中心坐标的快速提取,提出了先提取连铸坯端面图像角点像面坐标,再计算各连铸坯端面中心像面坐标的研究方案。首先,提出了一种改进型SUSAN角点检测算法,解决了图像中相邻连铸坯端面图像边界间距离过小和连铸坯端面图像角为弧形角所造成的角点漏检问题;然后,提取角点的像面坐标,并确定各封闭区域所包含连铸坯端面个数;最后,采用一种倾斜连铸坯端面图像中心像面坐标的提取方法,计算各连铸坯端面中心像面坐标。应用以上方法进行成排连铸坯端面机器人贴标实验,实验结果表明,连铸坯端面水平和竖直方向贴标位置误差范围分别为-0.625～0.850 mm和-0.550～0.875 mm,完全满足企业对多根连铸坯端面自动贴标位置误差允许值1 mm的要求。所提视觉方法在理论和实际应用上都是可行的,不仅为连铸坯端面贴标机器人提供了准确的贴标位置,而且为矩形图像元素的中心坐标提取提供了一种可靠的方法,具有一定的应用价值。     

支持向量回归在圆形检测中的应用

对圆形的识别是机器视觉中最基本和最重要的任务之一,为了准确确定复杂背景图像中圆的位置,提出了一种将支持向量回归模型与三点拟合圆联合起来的新算法,通过支持向量回归模型训练不同类型的圆形样本,得到超平面方程f(x),以f(x)为中心线,构建一个宽度为2ε的近似圆环型间隔带,在此间隔带上的点都被认为属于圆形边界上的点,然后运用三点拟合圆几何算法计算出圆心和半径,从而达到识别圆形的目的。实验结果表明,联合算法通过对训练样本的学习,能够在噪声比较大的背景图像中得到圆形的边界信息,从而确定圆的位置,较仅使用某一种圆形识别算法有一定的优势。在以圆形作为定位的机器视觉领域,具有重要的理论研究价值与实践意义。     

基于金属磁记忆的高铁轮对早期故障检测研究

列车安全性检测是铁路机车车辆工程的重要研究课题。轮对是高速列车行走部的关键部件,传统检测模式只能发现宏观存在的缺陷,而不适用于运行过程中的早期缺陷的发现与状态跟踪。为了实现对早期故障的快速识别与轮对寿命预测,针对传统测试方法在早期检测与动态检测方面的不足,提出了全新的动态检测系统,以满足列车运行的安全要求,还对磁记忆信号与该材料所受载荷状态之间的关系进行了大量的试验研究。研究结果表明：在50~150 kN的载荷区间内,试件的磁记忆信号呈单调变化,变化趋势明显;对试件进行疲劳载荷后发现磁记忆信号的原始值及梯度、峭度等信号特征均有所变化,峭度变化较为明显,能够有效反应材料的疲劳状态。采用金属磁记忆技术进行轮对早期故障检测与动态检测,对于保证列车的运行安全具有重要的现实意义,可为无损检测领域的应用提供借鉴。     

基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法

铁磁性双层套管长期服役于恶劣的工作环境,极易出现腐蚀缺陷,定期为服役中的双层套管进行在线检测十分必要,而对管壁腐蚀缺陷位置的分类识别是管道定量检测与维修的前提和基础,实时准确的套管腐蚀缺陷分类识别能力是决定管道在线检测效率的重要因素。针对这一情况,将脉冲远场涡流和脉冲涡流技术相结合,提出了基于堆叠自编码器神经网络的分类方法。通过仿真和实验选取合适特征量作为输入层,实现了内管外壁腐蚀、外管内壁腐蚀和外管外壁腐蚀的分类,实验整体预判精度可达97.5%,结果表明该方法可对双层套管腐蚀缺陷缺陷实施高效、高精度分类识别。     

铆接结构中缺陷的脉冲远场涡流定量评估技术

针对飞机机身铆接结构检测中难以对缺陷进行定量评估的问题,将脉冲远场涡流检测技术运用于铆接结构缺陷检测之中。利用脉冲激励频谱成分丰富、可提取特征信息较多的优势对铆接结构中缺陷的定量评估技术展开研究。首先,建立铆接结构脉冲远场涡流三维检测模型,对缺陷进行检测,从而确定缺陷位置。在此基础上,分析缺陷类型、尺寸对检测信号的影响发现直接耦合分量幅值与上下表面缺陷深度之间具有不同的变化关系,从而实现对缺陷的分类识别。最终,利用信号的过零时间变化量实现对缺陷深度的定量,在缺陷深度已知的情况下,进一步利用直接耦合分量幅值变化对上表面缺陷长度进行定量;利用间接耦合分量幅值变化对下表面缺陷长度进行定量。