基于VRML的异地并行设计技术

Virtual Reality Modeling Language(VRML)是因特网三维浏览的标准，它也可以作为一种基础手段用于产品设计，同时考虑制造与装配问题。这样，在地理上分散的合作伙伴可以互相共享设计能力，通过因特网和企业网来完成面向制造与装配的产品设计。本文提出了一种基于VRML的并行设计环境，用于支持跨平台的异地三维产品设计。此外，该环境中还集成了工程图纸、仿真动画、视频以及其他多媒体数据，并留有接口支持DFMA专家系统帮助人们决策。     

特征空间中的边缘检测及样本选择

将子空间分类法拓展到特征空间后，与核主成分分析结合提出了一种边缘检测的方法及其训练样本选择策略。是基于特征空间中的核方法，对图像特征表达建立了统一的模型，可处理非高斯分布的数据。可与经典的边缘检测算子或其他方法相结合，增强边缘检测的效果和稳定性。只需训练一次，便可将边缘特征从一幅与训练图完全不同的测试图中提取出来。实验结果表明，对噪声有很好的鲁棒性，能很好地适应小样本训练，其边缘检测的效果明显比经典算子，主成分分析，非线性主成分分析的效果好。     

基于非线性预处理策略的文档图像二值化处理

在许多对图像进行识别的应用中,如机票图像识别,芯片字符识别等,首先都要将图像进行二值化,转为黑白图像.但是由于一般扫描的图像都不是非常理想,直接二值化的效果并不好,通常都要经过一些预处理方法增强图像,去除在扫描过程中产生的噪声和形变,但使用线性的、空间不变的过滤器,去噪声的同时又会丢失边缘信息.因此笔者介绍了一种自适应的非线性预处理的方法,能够在去噪声的同时很好地进行边缘增强.     

基于Jini技术的DCS系统体系结构改进

主要探讨了现有DCS设备联网的体系结构和Jini体系结构,分析两者的实现功能和提高系统动态可扩展性的方法.利用Jini技术的多虚拟机环境和嵌入式操作系统,对DCS的多子网结构进行了改进,并针对DCS中的异构设备,提出了4种提高设备的动态可扩展性的方法,支持各种DCS控制设备的动态网络化.     

基于嵌入式系统的Tcode识别

针对传统二维条码在移动终端应用中存在的问题,开发了一个嵌入式的简化二维条码手机Tcode编解码识别系统.该系统包括编解码模块和识别模块.基于Reed-Solomon算法,针对不同数量字符定义了编码及映射方案;提出了基于采样阈值的分块滑动二值化算法来保留定位点,通过圆点滤波结合连通区域形状判定来寻找定位点;采用改进的投影法来进行字符切分.对各种手机的识别测试实验表明,该系统的正确识别率可达95％以上,配合Reed-Solomon算法纠错机制,最终能实现100％正确识别.实验同时证明,在嵌入式设备中,该系统的效率和稳定性能很好地满足应用要求.     

基于粒子群优化聚类算法的点模型简化

为了有效地简化稠密采样点模型,提出了一种基于粒子群优化聚类算法的点模型简化方法.引入了具有强大全局寻优能力的粒子群优化算法,对传统的k-均值聚类算法进行改进,基于改进的聚类算法对点模型进行简化,选取具有最优个体适应度函数的粒子作为原始采样点集的最终简化模型.算法聚类依据采样点的空间位置、法向和曲率的邻近性,实现了点模型表面区域几何特征保持的简化.同时在聚类区域的划分中考虑了曲率阈值和区域半径,使得算法在有效地保持特征边界和曲面细节的同时,能够生成高质量的简化曲面.实验结果表明,粒子群优化的k-均值聚类算法克服了传统聚类算法容易陷入局部极小的缺点,具有更好的全局收敛性和较快的收敛速度.该简化方法在有效简化点模型的同时,很好地保持了原始模型的几何形状,且在相同简化效率下能够生成更高质量的简化曲面.     

基于竞争规则和挡板辅助的基础矩阵估计算法

基础矩阵估计是计算机立体视觉的关键环节,对它的估计精度将直接影响对应点的匹配和特征点坐标的重构计算.笔者通过研究现有基础矩阵估计方法,分析它们的性能和优缺点的基础上,提出了改进TorrM estimators基础矩阵估计方法,并通过竞争规则选择初始值和利用印有标准图案的挡板辅助计算,有效地消除了出格点的影响,提高了基础矩阵估计精度,精确恢复了外极几何关系.     

基于核主成分分析和子空间分类的边缘检测方法

针对传统边缘检测方法对噪声敏感的问题,提出了一种基于核主成分分析和子空间分类的边缘检测方法,建立了统一的图像特征表达模型.首先结合其它边缘检测方法进行采样并将采样结果投影到特征空间,然后将核主成分分析得到的特征向量组成特征空间的一个子空间,最后将子空间分类法推广到特征空间来对数据进行分类.实验结果表明,该方法增强了对噪声的鲁棒性,能适应小样本训练,其边缘检测效果明显优于经典算子、主成分分析和非线性主成分分析方法.