摘要：传统大气散射模型在图像去雾的求解过程中通常假设场景入射光为全局常量,然而这种假设并不合理,为此提出一种基于改进大气散射模型的图像去雾算法.首先基于亮通道先验和模糊聚类对雾图进行场景分类,并估计出各个场景的入射光照;然后根据光学辐射特性估计出场景结构,并利用雾气浓度估计模型进一步获得透射率的表达式;最后通过改进大气散射模型恢复出无雾图像.大量对比实验结果表明,该算法能够恢复出细节丰富、清晰自然的无雾图像,计算速度相对较快,能满足一般工程的实时性要求.

摘要：针对毛坯模型设计问题,提出一种由先铸造后加工零件的设计特征模型来自动生成毛坯模型的方法.首先消除设计特征模型中由草图和变换特征形成的多重解释;然后根据特征的设计历史提取材料移除体,再利用预先制定的可铸造性规则对材料移除体逐一进行可铸造性分析;最后根据拓扑元素父子关系还原修饰特征并增加加工余量,生成铸件毛坯模型.实验结果表明,该方法是有效的.

摘要：为了解决自由曲面特征参数化问题,提出一种自由曲面特征参数分层实现框架.采用从高层到底层、从整体到局部的分层思想,将自由曲面特征的参数及映射关系划分为"3层参数和2级映射"结构来定义曲面特征,即高层语义参数表示整体形状,中间层参数表示特征线和底层参数表示细节形状,并在各层参数间建立映射和约束关系;同时支持设计者用Scheme命令快速实例化曲面特征.该方法避免了传统方式中由高层特征参数到底层数据间直接的复杂映射关系,且方便了曲面特征的实例化.实验结果表明,文中方法使得设计者能够从特征语义层直观地编辑修改自由曲面特征,是一种有效的自由曲面特征参数化表示和实现方法.

摘要：针对个性化巧克力加工难、制作成本高的问题,以三维扫描、三维打印为主导技术,结合嵌入式系统,设计并实现了一套个性化巧克力三维打印系统.基于Kinect深度相机及外围驱动电路搭载其水平移动旋转,实现了稳定的三维扫描功能;为了适应巧克力材料的打印并提高其打印精度和效果,重新设计了三维打印喷头、改进了温度控制、热床等模块;对捕获几何数据进行算法优化,显著提高了计算效率.实验结果表明,与国内外同类技术平台相比,文中系统有更高精度的制作效果,且该平台人机交互性友好,有良好的巧克力个性化定制功能.

摘要：随着以CAD/CAM为代表的先进制造技术的广泛应用,工艺数据量不断增加,为有效复用数控加工工艺数据中不同粒度的工艺设计意图,提出一种融合工艺设计意图的工艺数据多层次结构化表征方法。通过刀位线段投影方法揭示三维CAD模型与CAM模型之间的关联关系。在此基础上以多层次结构化数控工艺模型为引导,分析工艺过程中内嵌的不同粒度的工艺设计意图,实现工艺数据的多层次结构化表征。以三轴数控铣削加工零件为研究对象,开发了一个基于CATIA的原型系统,验证了所提方法的有效性。

摘要：为了解决骨骼参数难以测量的问题,提出一种利用网格分割结果计算参数的方法.首先对骨骼网格模型在提取少量特征点的基础上进行语义分割;然后将分割得到的模板借助基于Laplacian变形的非刚性配准,指导同类骨骼模型实现快速兼容性分割;最后结合网格分割结果及特征点计算出骨骼的主要形态参数.实验结果表明,该方法仅需少量的用户交互就能获得较好的测量效果,结合模板的策略也支持大批量骨骼模型的参数测定.

摘要：在基于特征的CAD/CAM/CAE集成研究中,构建CAD特征模型拓扑元素的父子关系对于快速获取相关信息十分重要.针对现有拓扑元素命名机制不健全,且构建一套拓扑元素命名机制费时、费力,使得不易识别拓扑元素的父子关系的问题,提出一种从简单到复杂,逐步缩小搜索范围以识别拓扑元素父子关系的方法.以点、边、面为判别顺序,先比较拓扑元素的拓扑元素编号、类型、包围盒和边界初步过滤不可能存在父子关系的拓扑元素;然后利用拓扑元素的几何信息精确地识别拓扑元素的父子关系.实验结果证明,文中方法能有效地判别CAD特征模型中拓扑元素的父子关系,进而支持CAD模型信息的快速访问.

摘要：CAD模型简化是CAX集成研究中的一个重要问题.文中提出一种简单高效的细节特征识别与抑制方法.该方法充分利用了特征参数和草图中所蕴含的细节特征信息,首先通过分析草图的有效区域及其参数、比较特征投影尺寸、识别草图中短元素等手段快速识别细节特征;其次通过建立特征依赖关系图及其更新规则,保证删除细节特征时CAD模型的拓扑完整性;最后给出了特征重构时的草图更新方法.实验结果表明,文中方法能快速识别并抑制模型中的细节特征,实现CAD模型的简化.

摘要：针对目前遥感图像小目标检测算法遇到的复杂背景建模困难、先验信息严重匮乏等问题,考虑到昆虫视觉系统在图像处理方面的优势,提出基于蝇视觉系统大小场景(LF-SF)整合的信息处理模式解决遥感图像存在复杂背景的目标检测。蝇视觉的LF-SF整合机理无需考虑图像背景的复杂度以及目标先验信息,在抑制复杂背景纹理特征的同时对稀有目标特征进行增强,最后通过加权融合实现目标检测。实验结果表明,本文算法在算法设计、处理速度以及检测精度均优于现有算法。

摘要：针对水下图像对比度低和颜色失真等问题,提出一种特征融合生成对抗网络的水下图像增强算法.首先,对水下退化图像进行颜色校正,并以卷积神经网络提取颜色校正后图像的特征;其次,以基于U-Net的特征提取网络提取水下退化图像特征,并将其与颜色校正图像的特征融合;最后,通过卷积神经网络完成融合特征到增强图像的重构.在Underwater-ImageNet数据集上与其他算法相比,水下图像评价指标(underwater image quality measure,UIQE)提高0.308,自然图像评价指标(natural image quality evaluator,NIQE)降低0.638,增强后的水下图像对比度和清晰度提升并且颜色更真实.