眼部动作实时识别系统设计

利用网络摄像机和图像处理单元设计了一种眼部动作实时识别系统.该系统首先用帧差法检测出眨眼的动作区域,将此区域设置成感兴趣区域,并用图像形态学算法对其进行处理;然后找出眼部轮廓,并以此区域创建模板,再利用此模板对每一帧图像进行模板匹配,找出匹配中的最小值,以得到识别的结果;最后通过实验验证了该算法的有效性.该系统有广泛的应用前景,如实现模拟鼠标的控制等.     

块匹配运动算法在红外视频处理中的应用

红外视频图像压缩是红外视频处理的重要技术基础.本文将Matlab语言引入红外视频图像处理,介绍了Matlab语言的主要特点,给出了典型块匹配算法及处理结果,对比说明不同算法适用于红外图像分析效果的优缺点,提出进一步改进的途径与方法.     

一种改进的基于Criminisi算法的目标移除方法

由Criminisi算法设想并提出的基于样本块图像修复方法,不但能够修复大面积破损区域,而且可以用于移除图像中的目标物。针对其在计算修复块优先级和搜索最佳匹配块时存在的一些不足,提出了一种改进的基于样本块的目标移除方法。在图片预处理中首先进行膨胀腐蚀处理;其次优先级计算中将置信度计算引入指数,从而得到更加精确的优先权;再次运用局部搜索方法,大大提高了搜索速度和准确性;最后将整幅图再进行拉普拉斯锐化。实验结果表明,修复后的图像效果良好,峰值信噪比大大提高,并且提升了算法效率。     

碳纤维增强复合材料汽车保险杠的轻量化设计

针对某款纯电动汽车保险杠轻量化设计的要求与可制造性,设计了一种整体式碳纤维增强树脂基复合材料保险杠,并采用拉丁超立方采样、Kriging近似建模技术与遗传算法进行优化求解.结果表明,优化后的碳纤维增强树脂基复合材料保险杠能够满足耐撞性要求,并达到减重36.4%的轻量化效果.     

基于Android的室内定位系统的研究与实现

为满足定位市场的服务需求,改进传统的定位技术在室内使用存在着定位精确度低、耗电量大等缺点,作者对基于WiFi位置特征匹配的室内定位技术进行了深入研究,分析了各种因素对WiFi信号的影响以及一些常用定位算法的对比,通过在特征库建立阶段采用高斯过滤法剔除误差较大的信号强度值,提高了数据库中采集值的数据精度.在定位阶段采用改进的K加权近邻法,将改进后的算法作为在线匹配算法,有效地避免定位过程中偶然的信号波动给定位带来误差,设计与实现了一个基于Android系统的WiFi室内定位系统.     

基于VB的发动机与液力变矩器匹配计算软件

针对目前发动机和液力变矩器动力匹配过程中的不足,采用VB语言作为开发工具,结合Access数据库设计开发了发动机和液力变矩器匹配计算的专用软件。通过计算画出液力变矩器的特性曲线,结合泵轮特性输入特性曲线和发动机外特性曲线,找出二者的相交点进行计算与优化直至符合匹配要求。将开发的软件用于发动机和液力变矩器动力匹配计算,结果表明,该软件可大幅度提高发动机与液力变矩器匹配计算的精度和速度,从而降低工作强度。     

基于最小生成树的多视图特征点快速匹配算法

针对图像特征点匹配中计算效率较低且误配率较高的问题,提出了一种在两视图匹配中引入最小生成树的新算法.该方法主要运用最小生成树构建匹配代价最小的图像对,首先通过对输入的多幅图像进行特征点提取,对生成的特征点采用基于欧式距离的两视图匹配,进一步构建最小生成树以生成最短特征点匹配轨迹,从而完成匹配.测试结果表明:最小生成树的引入使得大多数特征点匹配过程只在相关图像中运行,且能找出匹配代价最低的匹配路径,在保证匹配准确性的情况下,计算时间开销约为传统算法的20%,保证了图像匹配的实时性.     

FastRanDSac——一种高效的误匹配检测算法

图像之间存在光照变化、旋转、仿射变换,使得局部特征匹配后,误匹配无法避免.在正确匹配过半的前提下,提出一种简化的误匹配去除算法FastRanDSac,用于在极短时间内解决图像匹配对之间误匹配点的问题.初步实验表明,在平移、旋转、尺度缩放、视角以及光照变化的图像中,FastRanDSac能保存近100%的正确匹配对,而运行速度与RANSAC相比有大幅度的提高.     

基于方向补偿匹配算法和脚跟着地特征的鲁棒步态识别简

针对步态识别中传感器方向不一致和动作信号分割问题,提出利用方向补偿匹配算法解决传感器方向不一致问题,利用脚跟着地的观测特征计算似然度.首先,通过IMUZ传感器获得动作的加速度和旋转速度,根据加速度计算出脚跟着地(HST)特征的似然度;然后,利用IMUZ传感器的旋转矩阵进行倾斜校正,利用方向补偿信号匹配算法解决传感器方向不一致问题;最后,通过计算数据库样本与探针样本的距离获得匹配度.实验结果表明,与固定窗口方法、动态窗口方法、运动角联合方法和传感器融合方法相比,本文方法对5种步态类别的识别率更加稳定,对4种步态的识别率明显高于其他方法.     

多粒度粗糙集模型

把Pawlak粗糙集模型从经典的单粒度粗糙集模型扩展到多粒度粗糙集模型,用论域上的多个等价关系定义了集合的近似.研究了多粒度粗糙集模型的一些数学性质,定理表明Pawlak粗糙集的许多性质是多粒度粗糙集的特殊情况,并且使用多粒度定义的近似度量优于单粒度定义的度量,该度量更适合描述概念的精度并利于解决用户需求的问题.