基于视觉感知的可视化设计表现研究

信息可视化可以将繁杂的数据图形化,有利于人们通过视觉来理解数据。随着信息可视化的发展,视觉感知成为此过程中最为重要的环节。基于视觉理论的可视化构图更容易被感知,以视觉感知理论作为指导的可视化会达到更好的传播效果,具有艺术风格的可视化设计表现将是未来的重点研究领域。     

基于视觉图像的飞行区大型目标监视方法改进研究

机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变、皆为点源定位等问题。针对这些问题,设计了基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出了一种基于MobileNetV3和YOLOv5的网络模型(以下称为MobileNetV3-YOLOv5),即在YOLOv5的主干中使用MobileNetV3,来提高对目标的检测速度和准确度;提出了一种基于优化特征点提取的改进定向快速旋转简报(Oriented FAST and Rotated BRIEF,ORB)算法,将图像分割成多个区域,分别提取每个区域的特征点,从而提高目标识别框内区域的特征点识别数量,再进行特征点聚类筛选,最后根据识别目标类型采用最小包围盒进行轮廓划分,得到目标的轮廓定位。试验结果表明：MobileNetV3-YOLOv5方法对比原始YOLOv5模型,在识别目标准确率方面提升5百分点,在效率方面提升14张/s;同时在0～60 m的范围内,轮廓估计误差仅为2.9%;体现了所提出的监视方法的有效性,可以提升飞行区监视定位准确性和运行安全性。     

玻璃幕墙眩光污染模拟分析

玻璃幕墙是城市建筑中常见的装饰和围护结构,但在阳光照射下,会产生不舒适眩光甚至是强烈的失能眩光,因此,眩光污染是对城市道路交通安全的重要威胁之一。对眩光的监测主要是针对眩光亮度、方位和环境光亮度分布的监测。采用彩色CCD相机测量光环境亮度的分布,并结合计算机图像处理技术,对采集的图片进行亮度提取、处理计算,最后得出眩光评价值。通过实验室模拟玻璃幕墙眩光实验,对不同中性密度滤光片下的测量结果进行对比,从而选择恰当中性密度滤光片对实际建筑眩光测量,得出不同时间的眩光测量值。通过一系列的实验结论,将有助于眩光的污染防治和城市交通的安全防护。     

冰雪道路环境对驾驶人视觉感知特性的影响

为预防冰雪道路环境中驾驶人因视觉感知错误引发交通事故,研究了冰雪道路环境对驾驶人视觉感知特性的影响,选择8名熟练驾驶人作为试验样本,且每2人一组,采用跟车调查的方法采集驾驶人对于自身感知车速和前导车车距的视觉感知信息,并利用非接触车速仪检测2辆跟驰行驶试验车的实际车速与车距,对冰雪条件与非冰雪条件下驾驶人的视觉感知信息进行分析对比。研究结果表明,在冰雪环境中驾驶人视觉感知车速比非冰雪环境中低5%～14%;但当2辆跟驰车辆前后车间距在50 m内时,驾驶人在冰雪环境与在非冰雪环境中行驶时,其视觉感知的车距无显著性差异。     

感受高清

在视频临近领域,获得满意的视觉清晰度是人们不断追求的目标,"高清化"也被公认为安防行业未来的发展方向之一.其实,高清的概念主要是相对标清而言,直到目前,我国有关权威机构也没有对高清给出一个清晰的标准,有关定义也是参照了美国电影电视工程师协会(SMPTE)国际电联(ITU)和我国广电的相关定义,如对网络高清比较一致的看法主要是指720P和1080P的数字视频临近系统.     

线在景观环境设计中的意义

景观设计在环境建设中占据着重要作用,线作为最基本的景观造型元素,是进行景观视觉表达的重要方式。古今中外,运用线的特征进行景观设计的经典案例不在少数。文章结合线的特质,探讨了景观环境设计中线的应用及意义。     

线在景观环境设计中的意义

景观设计在环境建设中占据着重要作用,线作为最基本的景观造型元素,是进行景观视觉表达的重要方式.古今中外,运用线的特征进行景观设计的经典案例不在少数.文章结合线的特质,探讨了景观环境设计中线的应用及意义.     

一种计量青鳉鱼胸鳍和尾鳍摆动频率和幅值的计算机视觉算法

青鳉鱼在饮用水安全领域具有很高的应用价值,其鱼鳍的活动状态可以反映水质的污染状况。但由于技术条件的限制,传统的方法无法实时而有效地提取到这些特征。针对这个问题,提出了一种可以高效识别并测量青鳉鱼胸、尾鳍摆动频率和幅值的计算机视觉算法。其中,为了快速地提取到这2个细节,自动阈值分割、帧差法、背景差分法、重心法、图像卷积和骨架细化等耗时极短的图像处理方法被应用到这项研究当中。初步试验显示这种算法在应用过程中是高效而可行的。它可以被广泛地应用到水环境监测领域,如研究有毒物质对青鳉鱼行为特性的影响和评估水环境的危险程度。     

基于机器视觉的填埋场防渗层破损识别方法

填埋场防渗层高密度聚乙烯（HDPE）膜在运营中极易破损,运用在线监测技术确定渗漏区域,将该区域膜上介质移除后,需对漏洞边缘进行精确识别,为实现智能焊接提供视觉基础。因此,提出一种基于机器视觉的填埋场防渗层破损识别方法。首先对样本集进行图像处理,包括图像灰度化、高斯滤波除噪、点运算增强、阈值法分割以及数学形态学处理;其次根据图像的形态特征提取连通域数量、破损面积、周长、长轴、短轴以及轴比,采用holdout方法将样本集划分为训练集与测试集,并将提取到的特征作为输入量,对SVM进行训练;最后采用多个SVM进行分类识别。经实验验证,分类器的总体识别准确率为98.33%,其中块状破损识别准确率为98.24%,缝式破损为98.42%。