厚积而薄发——电脑支画创作纵横谈

创意及其实施，关系到电脑动画作品的质量，本文结合实例阐述了创意的方法，以技巧和原则，以及视觉设计在创意实施过程中的重要地位。     

科隆威自动化设备有限公司联合华南理工大学推出全新型自动视觉钢网印刷机

在2006年4月4日-7日上海举行的第16届国际电子生产设备暨微电子工业展览会上，科隆威自动化设备有限公司联合华南理工大学在改良型FL—AP6060基础上隆重推出精密型FL—AVP737／FL—AVP816全自动视觉钢网印刷机，该产品是科隆威自动化设备有限公司和华南理工大学合作的高科技产品，是我国首台通过产学研结合研制的印刷机，拥有完全的自主知识产权，已获得／申请专利十项。     

视觉的有机化学

现在,有机化学、生物化学和分子生物学之间的相互渗透,紧密联系的关系已逐步为人们认识和利用.视觉的光化学是有机化学的一个部分,也是分子生物学的一个内容.考察视觉的光化学过程能生动地说明分子的形状与分子生理活性之间的关系. 当光照射到眼睛的视网膜上时,发生一系列化学变化,包括:在分子水平上的共轭多烯的光吸收作用和顺反异构体的相互转化.     

老年人彩度对比敏感度函数研究及滤波应用

为研究老年人彩色视觉频率响应特性，获取彩度对比敏感度与空间频率之间的函数关系，本文在LCH均匀颜色空间基础上，固定明度和色调角值，以彩度作为变量，设计人眼彩度对比敏感度实验，进行人眼视觉观察实验。获得彩度对比敏感度与空间频率的关系，并构建指数型对比敏感度函数模型。经分析表明老年人眼彩度对比敏感度随着空间频率的增加，产生先升高再缓慢降低的变化，各色调角下彩度对比度存在差异。经分析人眼对比敏感度差异与人眼视觉辨色特性有很大的相关性。并且，将构建的对比敏感度函数模型用于实现基于人眼视觉系统的滤波处理。     

蝇视觉系统的图形-背景分辨的计算机模拟

蝇视觉系统的图形-背景分辨及模式分辨是计算机视觉研究中的重要问题之一。本文在Reichardt等的蝇视系统的图形-背景分辨的计算神经网络模型的基础上,对蝇视觉系统在非平稳条件下的图形-背景分辨进行了系统的计算机模拟。结果表明,模型与模拟对于行为实验结果具有预测能力。本文提出假设:人视系统的运动感知及初级模式分辨也可能是以运动检测器为输入端的图形-背景系统来实现的。     

激光雷达和视觉技术的机器人移动位置跟踪系统

以提升机器人位置跟踪精度为目的,设计激光雷达和视觉技术的机器人移动位置跟踪系统。该系统利用激光雷达传感器、方向传感器、里程计获取机器人位置距离信息、方向信息和移动里程信息后,利用MC9S12XS128微控芯片连接RS232通讯接口,将该信息传输到ARM嵌入式处理器内;用户通过与Ubuntu/Debian,操作系统环境人机接口相连的LCD显示屏,调用ARM嵌入式处理器内机器人位置距离、方向等信息后,通过启动位置跟踪单元内的基于类圆弧机器人识别的自适应位置跟踪算法程序,实现器人移动位置跟踪,并利用基于视觉技术的地图生成单元,生成机器人运行位置环境地图。实验结果表明：该系统跟踪机器人位置反馈时间最短仅为12 s,具备较好的实时性;在跟踪机器人简单移动位置和复杂移动位置时的跟踪线路与实现线路几乎重合,具备较强的机器人位置跟踪能力。     

双目视觉辅助PDR的组合导航定位方法

为提高室内定位系统精度和跟踪性能以及适应复杂环境,将行人航迹推算（Pedestrian Dead Reckoning,PDR）与双目视觉组合,提出一种双目视觉辅助PDR的组合导航定位方法 .该方法通过选取或布置地标建立了地标位置数据表;基于轻量化目标检测实现了对地标实时双目测距,保证定位的实时性;利用PDR位置信息得到检出地标类别对应坐标,基于因子图的协同定位和误差估计算法将双目视觉与PDR有效融合,提高了定位精度并抑制PDR累计误差,同时对PDR中航向和单参数模型中单位转换常数进行误差补偿,提高PDR定位精度.实验结果表明,在地标纹理清晰且分布合理情况下,该方法能有效解决室内复杂环境下单一PDR累积误差问题,此外,对航向和单位转换常数实时补偿可提高组合定位系统的定位精度和稳定性.     

视觉对比度机制小目标增强与背景抑制综述北大核心CSCD

复杂背景中的红外弱小目标因亮度低、尺寸小、可用特征少而难以检测。如何在检测中抑制背景杂波、提高目标信噪比成为该领域的研究热点与难点。本文对基于人类视觉系统对比度机制的小目标增强与背景抑制技术的演进和性能进行了归纳与分析。局部对比度测度窗口由单尺度向多尺度,乃至动态或自适应尺度的发展,满足应用中对未知尺寸小目标同步快速检测的需要;局部对比度测度计算方法由简单到复杂、依据低阶信息到采用高阶信息的变化,有利于更全面地抑制复杂背景、进一步增强目标。因此,将成为未来人类视觉对比度机制小目标检测算法的发展方向。     

基于注意力机制的毫米波雷达和视觉融合目标检测算法

传统目标检测大多基于摄像头采集图像进行,虽然近些年出现了许多优秀的检测网络,但在复杂场景下,仍存在大量漏检、误检等问题。针对这些问题,提出了一种基于注意力机制的毫米波雷达和视觉融合目标检测算法。首先将毫米波雷达数据进行扇形点云柱编码（Fan-shaped Cloud Pillar Code,FCPC）,将其转换为前景伪图像;然后,再将其通过坐标关系映射到像素平面,使用卷积注意力模块（Convolutional Block Attention Module,CBAM）对两者特征数据进行融合;采用Yolov4-tiny对融合特征进行检测,并引入Focal Loss对原损失函数进行改进以解决正负样本不均的问题。在Nuscenes数据集上进行模型验证与对比,结果表明,该算法在复杂场景下相比其他单传感器检测算法如Yolov3、Efficientent以及Faster-RCNN等,无论平均检测精度(mean Average Precision,mAP) 还是每秒检测帧数(Frames Per Second,FPS)都有明显的提升。     

视觉传达约束下模糊人脸图像多尺度特征重建模型

模糊人脸图像细节不清,导致相关领域人脸识别过程中出现错误识别或无法识别的问题。为提高人脸识别的准确性,文中在视觉传达约束下构建模糊人脸图像多尺度特征重建模型。首先,对模糊人脸图像进行灰度处理和去噪处理,并利用高斯金字塔将人脸图像分解为三个尺度;然后分别提取三个尺度图像的人脸特征,利用自编码超分网络建立模糊图像和高分辨率图像之间的对应关系,构建重建模型;最后,将多尺度特征作为模型的输入,通过求解模型实现模糊人脸图像多尺度特征重建。结果表明,重建模型的平均峰值信噪比和平均结构相似性达到相对极大值,分别为9和0.87,说明所构建模型重建的人脸图像质量较高。