基于投影散斑的结构表面形貌测量

结构形貌测量具有重要的工程应用价值。设计了基于投影散斑的结构表面形貌测量方案,结合双目立体视觉标定、散斑特征匹配、三维重建等关键技术,搭建了测量系统,并用该系统测量了典型结构表面的形貌点云数据,最后将测得的点云数据与结构的CAD(computer aided design)模型进行配准,评估了测量方法误差,验证了该方法的准确性。结果表明,投影散班形貌测量方法可以实现结构表面形貌的高精度测量,其最大误差为0.2 mm。     

抗癌胚抗原纳米抗体与人Fc融合蛋白在毕赤酵母和HEK293细胞中的表达、纯化和性质比较

通过对不同系统表达的肿瘤标记物癌胚抗原(CEA)纳米抗体与人Fc融合蛋白(11C12-Fc)的表达、纯化及抗体性质等的比较分析,比较不同表达系统的特点及其对融合抗体性质的影响;从而为CEA融合纳米抗体在体内检测方面的应用提供理论依据。构建两种11C12-Fc表达系统(Pichia pastoris和HEK293)相应的表达载体和菌株,分别进行诱导表达、分离纯化;并对其纯化产物的生物学活性等进行初步研究。成功构建了毕赤酵母、HEK293细胞两种CEA纳米抗体融合蛋白(11C12-Fc)表达系统并实现11C12-Fc的胞外分泌表达;通过protein A柱及阴离子交换层析纯化,获得了较高纯度和浓度的11C12-Fc样品;通过突变糖基化位点的方式有效去除了毕赤酵母表达11C12的过度糖基化作用;并且其抗体亲和力较突变前未发生明显改变,与HEK293细胞表达的11C12-Fc都表现出较高的亲和力。毕赤酵母和HEK293系统均能够表达具有较高生物活性的11C12-Fc,后续的科研或生产可根据实际需要和条件来合理选择表达系统。为后续的纳米抗体融合蛋白规模化生产、体内诊断与靶向治疗的应用提供了理论和技术参考。     

基于残差神经网络的高强度运动超分辨率图像重构

针对实际拍摄的亚像素信息较少的低分辨率运动图像,重构图像通常较为模糊,甚至不能分辨。为此,提出一种新的基于残差神经网络的高强度运动超分辨率图像重构方法。令沿运动方向的亮度保持恒定,通过光流场匹配实现高强度运动图像的运动估计;根据运动估计结果和超分辨率重构的基本思想,将BP神经网络看作残差神经网络的基础建立残差神经网络,对残差神经网络进行训练,参照训练样本将经插值法放大若干倍的待重构高强度运动图像作为输入,将高分辨率图像和输入图像间的残差作为输出,把输入和输出累加获取超分辨率图像,实现若干放大倍数高强度运动超分辨率图像的重构。实验结果表明,所提方法运动估计准确,重构图像清晰、质量佳。     

基于异质传感器信息融合的移动机器人SLAM研究

针对采用单一传感器在移动机器人同步定位与构图(SLAM)中存在定位精度低、构图不完整等问题,提出一种基于Kinect视觉传感器和激光传感器信息融合的SLAM算法。首先将Kinect传感器获取的深度图像经过坐标系转换得到三维点云、通过限制垂直方向滤波器过滤三维点云的高度信息、再将剩余三维点云投影到水平面并提取边界点云信息转化为激光扫描数据;然后与激光传感器的扫描数据进行数据级的信息融合;最后输出统一数据实现移动机器人的构图及自主导航。实验结果表明,该方法能够准确的检测小的及特征复杂的障碍物,能够构建更精确、更完整的环境地图,且更好地完成移动机器人自主导航任务。     

基于块对称对叠的多幅图像超分辨率重建算法研究

在进行图像超分辨率重建时,使用多幅图像比使用一副图像能够得到更好的效果,但是目前基于多幅图像的超分辨率重建算法普遍存在重建速度慢、重建质量不够理想的问题。为此,本文构造了一种基于块对称对叠（PsyCo）的多幅图像超分辨率重建算法,首先对低分辨率图像序列进行基于ORB的图像配准,再对配准后的图像进行PSyCo重建,最后对重建的图像进行像素灰度最大值融合。实验结果表明,本文提出的重建算法具有更好的重建效果,并且具有较快的重建速度。     

基于分段趋近律的航天器对地凝视姿态滑模控制

为了提高航天器对地凝视条件下姿态控制精度和鲁棒性,设计了一种基于分段趋近律的姿态滑模控制器。首先,根据航天器轨道参数和目标点地理坐标计算出对地凝视期望姿态。然后,针对当前分段趋近律参数设计不灵活、实际应用存在抖振的缺陷,通过在第二段的幂次趋近律中增添一项线性项,设计了一种全新的分段趋近律。理论证明了该趋近律能有效克服抖振问题;并能在有限时间收敛到滑模面。进而,基于此趋近律设计了一种适用于航天器对地凝视的姿态滑模控制器。仿真实验结果表明,控制器可以获得0.01°的姿态凝视控制精度,在姿态跟踪过程中无抖振现象;并且对外界干扰具有一定的鲁棒性,从而验证了控制器的有效性。     

结合卷积与转置卷积特征的模糊车牌复原方法

深度学习算法在图像去噪领域已经得到了很好的效果;但目前对于深度学习算法在模糊图像复原领域的研究没有更深入的研究。直接应用图像去噪的方法对模糊车牌进行复原实际上可行的,但会产生复原图像细节缺失,时间代价高的缺点。针对这些问题,吸取去噪方法的优点,提出将原始图像信息与转置卷积复原后的图像信息相结合的方法,重新构建了图像复原网络结构;并根据图像特点自定了损失函数。实验通过与已有的方法进行对比说明,提出的复原方法在复原车牌图像质量上和复原效率上都有很好的表现;同时对模糊运动角度与不同噪声具有健壮性;而模糊运动像素越大的图片,复原图像的质量也会下降。     

基于二次预测误差和像素排序的可逆图像水印

为了提高可逆图像水印算法的性能,提出一种二次预测误差与像素排序相结合的可逆图像水印算法;该算法首先对像素进行二次误差预测;并利用相邻像素的误差值来确定其余像素的预测误差;然后采用局部复杂度对像素进行排序,以使具有较小误差值的像素被优先处理并进行数据嵌入;最后通过平移差值直方图生成零点间隙,利用冗余的零点间隙嵌入水印信息。实验结果表明,利用二次预测误差与像素排序技术,可以有效地提高像素的预测精度并降低图像失真;在相同的嵌入容量下,该算法嵌入水印后图像的PSNR比相关算法提高了1 dB左右,具有更好的不可感知性。     

一种改进的PCB板缺陷检测分割算法

针对PCB板缺陷检测分割中存在分割效果差、运行速度慢以及适用范围小的问题,提出一种改进的基于遗传算法的二维最大类间方差法的快速迭代算法。首先利用改进的遗传算法来确定分割中的最优阈值,再将这个最优阈值应用到二维最大类间方差法快速迭代算法中来确定最终的阈值最优解,从而完成分割。仿真实验表明,该算法分割的PCB图像,更加接近于人工标注的结果,最终的精度和Kappa系数达到了98.68%和0.9706。具有广泛的应用前景。     

NSST域内基于压缩感知和PCNN的遥感图像融合

针对NSCT融合算法运算数据量大、计算复杂度较高、实时性较低的问题,提出一种基于非下采样剪切波变换(nonsubsampled shearlet transform,NSST)和压缩感知(compressed sensing,CS)的遥感图像融合方法。首先,对待融合图像进行NSST变换,分解后得到的低频子带系数采用区域能量的融合规则;分解后的高频子带系数具有较高稀疏性。通过CS进行压缩后采用PCNN的融合规则,最后对重构系数进行NSST逆变换。实验结果表明,与传统经典算法相比,新方法不仅有效提高了图像融合效果,而且加快了算法的运行速度,满足融合系统实时性的要求。