針對(duì)自然環(huán)境下無(wú)人駕駛車(chē)輛的道路邊緣檢測(cè)問(wèn)題,提出一種基于3d激光雷達(dá)的實(shí)時(shí)道路邊緣檢測(cè)算法。對(duì)激光雷達(dá)的點(diǎn)云數(shù)據(jù)進(jìn)行網(wǎng)格化處理,求出每個(gè)網(wǎng)格中的高度差,并針對(duì)道路邊緣的高度特征,對(duì)網(wǎng)格數(shù)據(jù)進(jìn)行閾值處理;再由近及遠(yuǎn)逐個(gè)提取左右道路邊緣,利用最小二乘法對(duì)左右道路邊緣網(wǎng)格進(jìn)行曲線擬合平滑處理,得到左右道路邊緣。實(shí)驗(yàn)結(jié)果表明,該道路邊緣檢測(cè)算法可靠性高,穩(wěn)定性強(qiáng),能夠準(zhǔn)確完成道路邊緣檢測(cè),滿足實(shí)時(shí)系統(tǒng)的要求。

圖像的邊緣檢測(cè)精度決定了實(shí)際尺寸的測(cè)量精度,為了提高測(cè)量精度,提出了一種基于改進(jìn)的zernike矩的測(cè)量玻璃瓶實(shí)際尺寸的算法。將傳統(tǒng)的zernnike矩算法與otsu自適應(yīng)閾值法相結(jié)合,得到改進(jìn)的快速算法;利用該快速算法對(duì)采集的玻璃瓶圖像進(jìn)行亞像素級(jí)邊緣檢測(cè);運(yùn)用最小二乘法根據(jù)亞像素坐標(biāo)對(duì)瓶口與瓶底所形成的橢圓進(jìn)行擬合;應(yīng)用標(biāo)準(zhǔn)塊規(guī)對(duì)系統(tǒng)進(jìn)行標(biāo)定并得到玻璃瓶實(shí)際的測(cè)量尺寸。實(shí)驗(yàn)結(jié)果表明,該方法不僅可使邊緣檢測(cè)達(dá)到亞像素級(jí)精度,還避免了人工反復(fù)選擇閾值而造成的低效率與誤判,實(shí)現(xiàn)了快速、準(zhǔn)確、無(wú)接觸測(cè)量實(shí)際尺寸的功能。

多方位結(jié)構(gòu)元素路面裂縫圖像邊緣檢測(cè)算法——在數(shù)學(xué)形態(tài)學(xué)基礎(chǔ)上，針對(duì)路面圖像中噪聲和裂縫類(lèi)病害不同的像素分布特點(diǎn)，提出了多方位結(jié)構(gòu)元素形態(tài)學(xué)邊緣檢測(cè)算法。該算法利用類(lèi)間最大距離法確定路面裂縫圖像中發(fā)生梯度變化的點(diǎn)，后對(duì)其采用多方位結(jié)構(gòu)元素腐蝕操...

闡述了花崗石表面輪廓的特點(diǎn),提出先對(duì)原始輪廓曲線進(jìn)行高斯濾波,然后再進(jìn)行粗糙度計(jì)算的方法;并對(duì)用高斯濾波和最小二乘中線兩種方法計(jì)算的粗糙度進(jìn)行了比較,認(rèn)為高斯濾波方法更適合花崗石表面輪廓的粗糙度研究。其計(jì)算方法較為可靠和簡(jiǎn)捷。

為提高膠囊濾棒的檢測(cè)效率和精度,基于微波諧振腔微擾法設(shè)計(jì)了一種膠囊濾棒質(zhì)量檢測(cè)裝置,主要由下料裝置、濾棒輸送裝置、微波檢測(cè)單元和分選裝置組成.通過(guò)建立波峰形位分析算法,對(duì)膠囊濾棒中膠囊的缺失、位置偏移和破損3種情況進(jìn)行快速檢測(cè).結(jié)果表明,所設(shè)計(jì)的檢測(cè)裝置和波峰形位分析算法對(duì)于膠囊位置具有較高的檢測(cè)精度,對(duì)于膠囊的缺失和破損情況均有較好的識(shí)別效果.膠囊位置重復(fù)性檢測(cè)最大標(biāo)準(zhǔn)差為0.111mm,膠囊缺陷檢測(cè)準(zhǔn)確率達(dá)到100%;裝置檢測(cè)速度為120支/min,可滿足膠囊濾棒質(zhì)量檢測(cè)需求,保障了膠囊卷煙生產(chǎn)質(zhì)量.該裝置為膠囊濾棒質(zhì)量檢測(cè)提供了一種快速有效的方法.

為了減小軌檢儀采集的軌道檢測(cè)原始數(shù)據(jù)中夾雜的粗大誤差噪聲對(duì)檢測(cè)結(jié)果的影響，提出經(jīng)驗(yàn)?zāi)B(tài)分解法對(duì)檢測(cè)數(shù)據(jù)濾波的可行性。對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解得到的第一層imf1信號(hào)采用3σ準(zhǔn)則識(shí)別粗大誤差點(diǎn)并剔除，重構(gòu)得到去除噪聲后的信號(hào)。對(duì)限幅濾波法和經(jīng)驗(yàn)?zāi)B(tài)法濾除噪聲的波形進(jìn)行分析和評(píng)價(jià)，進(jìn)一步驗(yàn)證了經(jīng)驗(yàn)?zāi)B(tài)分解法在處理非線性非平穩(wěn)信號(hào)方面的優(yōu)勢(shì)。實(shí)例表明，論文提出的方法可以有效識(shí)別信號(hào)中的粗大誤差點(diǎn)并剔除噪聲信號(hào)，得到較為理想的濾波結(jié)果。

在陶瓷墻地磚的邊緣檢測(cè)過(guò)程中,圖像在采集、轉(zhuǎn)換和傳輸中不可避免的會(huì)引入噪聲,產(chǎn)生降質(zhì)而影響檢測(cè)結(jié)果。介紹了一種基于小波去噪的陶瓷墻地磚邊緣檢測(cè)方法,對(duì)墻地磚圖像采用小波去噪后再進(jìn)行邊緣檢測(cè),其結(jié)果較好地滿足了檢測(cè)要求。

異常檢測(cè)一直是數(shù)據(jù)挖掘領(lǐng)域的重要工作之一?；跉W氏距離的異常檢測(cè)算法在應(yīng)用于高維數(shù)據(jù)時(shí)存在檢測(cè)精度無(wú)法保證和運(yùn)行時(shí)間過(guò)長(zhǎng)的問(wèn)題。在基于角度方差的異常檢測(cè)算法基礎(chǔ)上,提出了一種多層次的高維數(shù)據(jù)異常檢測(cè)算法（hybridoutlierdetectionalgorithmbasedonanglevarianceforhigh-dimensionaldata,hoda）。算法結(jié)合了粗糙集理論,分析屬性之間的相互作用以排除影響較小的屬性;通過(guò)分析各維度上的數(shù)據(jù)分布,對(duì)數(shù)據(jù)進(jìn)行網(wǎng)格劃分,尋找可能存在異常點(diǎn)的網(wǎng)格;最后對(duì)可能存在異常點(diǎn)的網(wǎng)格計(jì)算角度方差異常因子,篩選異常數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明,與abod、fastvoa和經(jīng)典lof算法相比,hoda算法在保證精測(cè)精度的前提下,運(yùn)行時(shí)間顯著縮短,且可擴(kuò)展性強(qiáng)。

采用凸集投影法重構(gòu)的高分辨率圖像中常出現(xiàn)邊緣質(zhì)量下降的現(xiàn)象。針對(duì)該問(wèn)題,提出一種超分辨率重構(gòu)方法,引入傅里葉變換配準(zhǔn)方法解決圖像獲取過(guò)程中的位移偏差,通過(guò)laplace算子進(jìn)行邊緣檢測(cè)以消除邊緣震蕩。實(shí)驗(yàn)結(jié)果證明,采用基于邊緣檢測(cè)的超分辨率重構(gòu)方法能獲取質(zhì)量較高的圖像。

設(shè)計(jì)了一種基于機(jī)械感生長(zhǎng)周期光纖光柵(mi-lpg)的雙邊緣濾波光纖布拉格光柵(fbg)傳感解調(diào)方案。采用不同寫(xiě)制參數(shù)制作了諧振邊帶對(duì)稱(chēng)交迭,諧振峰值和帶寬相同的兩個(gè)mi-lpg作為濾波器,利用反射fbg信號(hào)通過(guò)不同光譜特性的濾波器時(shí)輸出不同光強(qiáng)的比值對(duì)數(shù)算法確定被測(cè)波長(zhǎng)。實(shí)驗(yàn)表明,本解調(diào)方法能夠精確、穩(wěn)定地實(shí)現(xiàn)fbg傳感信號(hào)的解調(diào),動(dòng)態(tài)范圍可達(dá)5nm,解調(diào)系統(tǒng)線性擬合計(jì)算值和光譜儀所測(cè)波長(zhǎng)值的均方差為6pm,線性度好,精度高。

提出了一種基于最小二乘原理的垂直擬合邊緣檢測(cè)方法。該方法針對(duì)高溫板材熱膨脹率測(cè)量過(guò)程中異常邊緣點(diǎn)隨機(jī)出現(xiàn)的特點(diǎn),利用最小二乘法同時(shí)擬合兩個(gè)相互垂直方向上的邊緣直線,并進(jìn)行多次重復(fù)擬合使邊緣直線逐漸接近真實(shí)值。實(shí)驗(yàn)表明,該方法能在異常點(diǎn)存在的情況下準(zhǔn)確、快速地?cái)M合出高溫鋼板圖像的邊緣直線。

針對(duì)脈沖噪聲的特征,提出結(jié)合檢測(cè)技術(shù)與四階偏微分方程的msdlc算法.該算法采用\"先檢測(cè)再?gòu)?fù)原\"的兩步策略:檢測(cè)階段,利用統(tǒng)計(jì)的思想定位受到脈沖噪聲污染的噪聲像素;復(fù)原階段,采用lc四階偏微分方程對(duì)噪聲像素點(diǎn)進(jìn)行復(fù)原.采用的lc四階偏微分方程根據(jù)方程性質(zhì)使用適當(dāng)?shù)南禂?shù)函數(shù).實(shí)驗(yàn)表明,msdlc算法可以在脈沖噪聲去除方面和保持圖像細(xì)節(jié)方面獲得極好的平衡.

機(jī)載激光雷達(dá)（lidar）數(shù)據(jù)是離散的三維點(diǎn)云,同一個(gè)建筑面的三維激光腳點(diǎn)具有隨機(jī)分布的特性,并且由于建筑本身形狀的多樣性和復(fù)雜性,以及建筑物周?chē)h(huán)境的復(fù)雜性,導(dǎo)致從lidar數(shù)據(jù)提取建筑物輪廓線變得更加困難。提取建筑物的輪廓線,最關(guān)鍵的就是提取lidar數(shù)據(jù)中建筑物的邊緣點(diǎn)。文中提出一種改進(jìn)的提取lidar點(diǎn)云數(shù)據(jù)邊緣點(diǎn)方法：設(shè)定具體的半徑和閾值,把lidar點(diǎn)云數(shù)據(jù)中存儲(chǔ)的每個(gè)點(diǎn)作為圓心建立包裹圓,求得點(diǎn)云數(shù)據(jù)中其他點(diǎn)到該點(diǎn)的距離,并統(tǒng)計(jì)落在包裹圓內(nèi)點(diǎn)的個(gè)數(shù),通過(guò)每個(gè)包裹圓內(nèi)點(diǎn)的個(gè)數(shù)跟設(shè)定的閾值進(jìn)行比較,從而確定該點(diǎn)是否為邊緣點(diǎn)。通過(guò)仿真發(fā)現(xiàn),文中算法與alphashape算法相比,在保持邊緣點(diǎn)提取效果的基礎(chǔ)上,極大減少了運(yùn)行時(shí)間,總體效率有了顯著地提高。

提出了跳變系統(tǒng)檢測(cè)的卡爾曼濾波算法，與鋼絲繩無(wú)損檢測(cè)信號(hào)特征相對(duì)應(yīng)，設(shè)計(jì)了鋼絲繩斷絲定量識(shí)別的多重假設(shè)檢測(cè)方法，克服了差分超門(mén)限方法不能考慮背景噪聲、測(cè)量噪聲及誤判率的不足，可以在線監(jiān)測(cè)鋼絲繩狀態(tài)。

漏磁(mfl)檢測(cè)是油氣管道在線檢測(cè)中應(yīng)用非常成熟的一種無(wú)損檢測(cè)技術(shù)。將小波變換與自適應(yīng)濾波技術(shù)相結(jié)合,提出了一種去除漏磁數(shù)據(jù)中無(wú)縫管道噪聲(spn)的小波域自適應(yīng)濾波算法。將該算法用于實(shí)測(cè)漏磁數(shù)據(jù)的處理,所得結(jié)果說(shuō)明該算法具有良好的去噪效果,可以極大地提高漏磁數(shù)據(jù)中缺陷信號(hào)的可檢測(cè)性。

**資訊http://www.***.***

針對(duì)傳統(tǒng)邊坡可靠度分析方法的局限性,將高斯過(guò)程機(jī)器學(xué)習(xí)與重要抽樣方法相結(jié)合,提出了邊坡可靠度分析的高斯過(guò)程方法。利用極限平衡分析構(gòu)造少量的學(xué)習(xí)樣本,采用基于統(tǒng)計(jì)學(xué)習(xí)原理的高斯過(guò)程模型重構(gòu)邊坡隱式功能函數(shù),實(shí)現(xiàn)邊坡功能函數(shù)及其偏導(dǎo)數(shù)的顯式表達(dá),并構(gòu)造合理的迭代方式,在計(jì)算過(guò)程中不斷提升高斯過(guò)程模型對(duì)失效概率貢獻(xiàn)較大區(qū)域的重構(gòu)精度,進(jìn)而應(yīng)用重要抽樣法計(jì)算邊坡的失效概率與可靠指標(biāo)。研究結(jié)果表明,該方法是可行的,具有較高的計(jì)算精度和效率。

流程模型差別檢測(cè)是業(yè)務(wù)流程管理的關(guān)鍵技術(shù)之一.針對(duì)流程模型大多是由圖結(jié)構(gòu)建模,而流程圖模型中有多種類(lèi)型節(jié)點(diǎn),因此經(jīng)典的圖編輯距離方法無(wú)法直接應(yīng)用于流程差別檢測(cè)的問(wèn)題,提出了基于過(guò)程結(jié)構(gòu)樹(shù)的流程間差別檢測(cè)算法.算法首先將流程模型轉(zhuǎn)化為基于任務(wù)節(jié)點(diǎn)的過(guò)程結(jié)構(gòu)樹(shù)；然后采用分治思想快速獲得流程間的最佳對(duì)等節(jié)點(diǎn)映射集合；最后基于節(jié)點(diǎn)映射集合生成一個(gè)近似最小代價(jià)編輯操作序列來(lái)表示兩個(gè)流程的差別.實(shí)驗(yàn)結(jié)果表明,本文算法在準(zhǔn)確率和效率兩方面都能滿足實(shí)際的應(yīng)用需求.

進(jìn)入二十一世紀(jì)以來(lái),我國(guó)海上探測(cè)能力進(jìn)一步增強(qiáng),測(cè)量船與指揮部,以及測(cè)量船相互之間的信息交流,相互合作也日益頻繁,為了保證所傳輸?shù)男畔⒉槐徊环ǚ肿永靡约皣?guó)外的間諜機(jī)構(gòu)所探知,因此采取合適的隱寫(xiě)術(shù)對(duì)信息進(jìn)行加密顯得尤為重要。同時(shí),在截獲了不法分子的情報(bào)之后進(jìn)行解密以便采取相應(yīng)的措施也是一項(xiàng)艱巨的任務(wù)。因此,本文采取了bitfield消息中的隱蔽通信檢測(cè)算法設(shè)計(jì)與軟件開(kāi)發(fā)技術(shù)對(duì)信息進(jìn)行隱蔽以及檢測(cè)破譯。應(yīng)用本文中提出的方法,可以很好地區(qū)分針對(duì)矩陣編碼的bitfield消息隱蔽通信中的正常數(shù)據(jù)和含密數(shù)據(jù)。

為了改善短時(shí)teo能量的抗噪性和分形檢測(cè)自適應(yīng)性,提出了一種能適應(yīng)多種噪聲環(huán)境的端點(diǎn)檢測(cè)算法.該算法利用能表征能量分布的頻域上的分形維數(shù)和teo的消除零均值噪聲、表征語(yǔ)音共振峰特性的特點(diǎn),在短時(shí)teo能量法基礎(chǔ)上增加分形維數(shù)計(jì)算來(lái)進(jìn)行二次判決噪聲段和語(yǔ)音段.與傳統(tǒng)端點(diǎn)檢測(cè)算法相比,該算法容易易實(shí)現(xiàn)且準(zhǔn)確度高,實(shí)驗(yàn)表明,在不同的背景噪聲下,該算法相比單一端點(diǎn)檢測(cè)的算法魯棒性更好,彌補(bǔ)了單一算法抗噪性不好的缺點(diǎn),能適應(yīng)低信噪比下的多種噪聲環(huán)境.

利用機(jī)器視覺(jué)技術(shù)對(duì)鋼卷尺實(shí)現(xiàn)自動(dòng)檢定可提高檢定效率和準(zhǔn)確度,圖像的二值化處理是自動(dòng)檢定系統(tǒng)中的重要步驟。因此,重點(diǎn)對(duì)鋼卷尺圖像的二值化方法進(jìn)行研究。針對(duì)鋼卷尺圖像的特點(diǎn),提出了基于同態(tài)濾波和改進(jìn)的so-bel算子進(jìn)行邊緣檢測(cè)相結(jié)合的新的二值化處理方法,該方法能較好地保留原始圖像的邊界特征。利用matlab軟件進(jìn)行仿真,以檢驗(yàn)該方法的結(jié)果是否正確。

基于機(jī)器視覺(jué)的智能汽車(chē)技術(shù)正在迅速發(fā)展并為駕駛員帶來(lái)了極大便利。該技術(shù)中一個(gè)重要環(huán)節(jié)是道路標(biāo)識(shí)線檢測(cè)，本文主要對(duì)此進(jìn)行了研究。首先分析了道路標(biāo)識(shí)的特點(diǎn)，依據(jù)道路標(biāo)識(shí)特征采用了中值濾波除去圖像中噪聲，采用環(huán)境光線設(shè)置閾值增強(qiáng)圖像，然后分析了邊緣檢測(cè)算法，采用sobel結(jié)合hough變換的方法對(duì)圖像邊緣進(jìn)行了提取，并達(dá)到了預(yù)期效果。