基于边缘对称性的视频车辆检测算法

针对现有视频车辆检测算法受光照、阴影等环境因素影响大,漏检和误检率高的问题,提出了一种视频车辆检测算法.有别于传统算法使用运动特征进行车辆检测,该算法使用边缘特征和对性特征定位车辆.算法首先对图像进行灰度化、平滑去噪等预处理,使用Sobel算子垂直方向掩模计算图像感兴趣区域内的边缘梯度,确定候选区域;而后根据车辆图像垂直边缘具有对称性的特点,分析候选区域的对称性强弱,并计算其对称轴位置和车辆宽度.使用边缘强度、对称性和宽度这3个约束条件对候选区域进行验证.道路实验结果表明,该检测算法有效、可靠,具有良好的鲁棒性.      

三角样条小波的构造及其在故障检测中的应用

本文首先给出了三角样条函数极其性质,然后在此基础上给出了一种构造三角样条小波的新方法。该方法简单易行,而且构造出的小波具有许多良好的性质,这些对信号处理是非常重要的。最后,将构造出的小波应用于故障信号的检测,与一些常用的小波相比,不但消除了边界效应,而且使故障信号在变换域内能量更集中,从而提高了故障检测的准确性。     

外场可测雷达信号功率比的理论分析

提出了一种利用中间参量--雷达信号功率比,通过建立关系式,得到雷达抗干扰性能评估参数的方法.证明了雷达信号功率比的外场可测性和收敛性,由此可在接近实战的外场干扰条件下直接获得雷达的信干比、杂波系数和发现概率等参数,这对于定量评定雷达抗干扰性能具有比较重要的意义.     

一种动目标检测的优化设计及应用

文章提出一种新的动目标检测(MTD)滤波器组设计方法,即信号处理系统分为目标处理通道和气象处理通道;目标通道采用自适应动目标检测(AMTD)处理方式,实时检测杂波的存在,判定杂波强度(如强、中、弱),根据杂波的强度自动产生或选择滤波器加权因子,以期保证对地杂波高度抑制的前提下,尽量减少信噪比损失,提高对弱小目标的检测能力。该方法可提高雷达在杂波环境中的自适应性能,具有一定的实用价值。     

基于信息融合技术的火灾报警方法研究

根据当今火灾探测的现状和实现火灾早期报警的需求,将多传感器数据融合技术应用在火灾报警系统中。在分析了信息融合系统的三级结构及火灾报警信息非结构特性的基础上,以感温、感烟和气体的火灾报警模拟量为输入,利用粗糙集和神经网络对多传感器信号进行融合,设计出一种快速、准确和有效的火灾探测系统,达到了提早报警和降低误报警频次的目的。     

基于数据挖掘的异常模式入侵检测系统的设计

网络攻击的方法是多种多样的,没有标准的分类模式.入侵检测是网络安全领域的一个重要技术,也是当前网络安全理论研究的一个热点.通过分析已知的攻击方法引起的数据异常情况,可以确定用于检测的敏感数据以建立入侵检测系统.     

测试性分配方法研究

研究了系统测试性指标与系统组成单元指标之间的关系,分析了确定测试性指标的各主要影响因素,进而导出了测试性分配的基本要求、数学模型和工作程序.在此基础上,文章给出了4种用于不同情况下的测试性分配方法:前2种是基于系统单元的复杂度(故障率)或重要度(故障影响)的分配方法;第3种是综合考虑各影响因素的加权分配方法;第4种是系统中有老成品时的分配方法.这些分配方法都可以实际应用于工程设计.      

基于离散点距离的三维线缆干涉检测算法

针对CREO三维线缆具有柔性可随意变形特性而引起难以进行干涉检测的问题,提出基于离散点距离的三维线缆干涉检测算法。该算法通过线缆中心线动态离散点对三维线缆进行表达,分析结构件的空间位置关系,利用线缆与线缆、线缆与结构件之间的空间位置关系进行干涉检测,实现了对三维线缆进行快速干涉检测的目的。最后在Visual Studio 2010与CREO 平台上采用C++语言和TOOLKIT工具对所提算法进行了验证。结果表明该算法具有较好的快速性与准确性,可以满足工程实际需求。     

一种航空铆钉自动检测系统研制

研究并实现了一种图像识别的铆钉自动尺寸检测系统,主要介绍了系统的工作流程和原理,给出了系统硬件组成,并在对CCD相机的采集图像清晰度评价函数分析基础上,提出了一种适合多种铆钉检测的自动调焦方法。通过对图像滤波处理、边缘检测算法的论证分析,建立了适合铆钉检测的图像特征提取方案,最后给出了系统主要功能界面。     

一种面向叉耳式翼身对接的视觉测量方法

针对某型叉耳式翼身对接飞机在外场拆卸重装等特殊环境下,激光跟踪仪因现场环境等原因难以放置到满足测量精度要求的位置上进行直接测量的问题,提出一种基于视觉的直接测量方法。并搭建出该测量系统的模型,分析建立视觉测量系统所涉及到的关键技术,同时给出一种基于弧段组合的椭圆检测方法。最终通过模拟叉耳孔对接测量试验验证该方法的可行性。试验结果表明叉耳孔轴线间隙距离测量精度可达0.03mm,轴线角度测量精度达到0.025°,满足实际对接测量要求。