基于线阵CCD传感器的激光标印机自动对焦系统研究

针对工业中使用的标准激光标印机仍使用手动对焦方式,存在离焦量计算不准确、手动对焦随机误差大、对焦时间长等缺陷,基于偏心光束原理,设计一种以TCD1209D线阵CCD传感器为核心的自动对焦系统.建立光斑图像信息与激光标印系统离焦量间的数学关系,设计以DSP控制器为核心的信号处理系统,通过控制器产生CCD驱动脉冲,获取光斑信息经A/D转换器输入DSP控制器并依据函数关系计算得到系统离焦量,进而控制对焦平台实现自动对焦任务.结合实验分别探究光斑图像重心坐标、宽度与离焦量间的函数关系,实验结果显示图像宽度与离焦量可拟合为线性函数关系,其动态对焦范围为±240μm,对焦精度可达4μm,与手动对焦模式相比极大提高对焦精度.     

用于全数字对焦的点扩散函数性能分析与评价

为了对用于全数字对焦的点扩散函数模型进行定量分析，提出用原始图像与处理所得图像的均方差进行性能评价的方法.点扩散函数模型分别被用于全数字对焦处理，并通过基于点扩散函数的图像恢复，完成全数字对焦的功能模块和评价模块.结果显示，高斯型点扩散函数模型具有最佳的性能，在评价指标方面优于均匀扩散模型和基于刃边响应的点扩散函数模型.高斯模型能够恢复出更接近于准确对焦的图像，而且对被成像物体没有直边特征的限制.     

基于FPGA和NIOSⅡ的自动对焦系统设计

为了在嵌入式图像采集系统中获得清晰图像,文中研究和设计了一个基于FPGA和NIOSⅡ的自动对焦系统.结合FPGA、CMOS图像传感器、SDRAM和液晶显示器设计了一个图像采集、存储及显示系统,研究了利用NIOSⅡ执行图像数据读取程序、自动对焦评价函数程序、爬山搜索算法程序和步进电机控制程序实现自动对焦.测试结果表明:该系统在不同的图像帧频和对焦区域大小下,有不同的对焦时间和对焦误差.可作为嵌入式图像采集系统的自动对焦的一种实现方法.     

基于小波图像评价的复合自动对焦系统研究

针对传统管道检测系统(PDS)对焦时延长、图像质量不佳及对焦位置控制误差大等问题,提出了一种由音圈电机驱动对焦的管道视频检测系统。视频检测系统采用自动对焦技术,图像评价算法选用基于小波变换和方差图像清晰度评价函数(SEF)的二阶复合算法,电机搜索策略选用改进的爬山法搜索策略。选用一组离焦—聚焦—对焦的模拟管道图片对所选图像评价算法在Matlab上进行验证,结果表明选用的二阶算法能实现优缺点互补。再将图像评价算法移植到视频检测系统进行实验验证,取得了理想的对焦效果。     

基于图像清晰度评价函数的CCD摄像机自动调焦技术研究

自动调焦技术是提高CCD摄像机测量精度的一个重要手段,特别是在小景深及高精度的测量中.图像清晰度评价函数是计算机自动调焦中的关键技术.本文介绍了针对几种图像清晰度评价函数实现的CCD自动调焦过程以及调焦后可在低分辨率CCD摄像机上获得高分辨率图像的手段.     

基于光学性能参数测试的CCD摄像系统设计

传统的光学性能参数测试系统的测量结果受人为主观因素影响较大.为了提高光学性能参数的测试精度,采用高分辨率CCD作为测量器件,经自动对焦和图像处理,由计算机直接给出测量结果,消除了人为因素影响,提高了测量准确度,操作更加方便、快捷.本文针对CCD摄像系统所需要的特殊的要求,做出了分析和设计,基本上满足了测量各种光学性能参数时的要求.     

一种基于图像处理的舌象采集自动调焦算法

为快速准确地采集到清晰的舌图像,必需智能调整并控制摄像镜头与舌体的位置。提出了影响图像质量的因素,如清晰度、反光比、对中性、阴影比、光照条件、焦距等,以及在调整镜物位置时用到的调焦的方法,并与调焦技术相结合,建立了适合图像质量与镜物距离之间关系的数学模型。自动对焦的过程就是运用爬山搜索算法求取对焦评价函数最大值的过程。传统的爬山搜索算法会受到对焦评价函数局部极值的干扰而不能准确对焦,本研究对每一帧图像先进行预处理,然后采用先粗后精两步法,有效地排除了这种干扰。用VC++6.0编程实现了自动调整采集设备获取质量最佳图片的过程。试验结果表明此方法具有快速、抗干扰强、精确等特性。     

基于数字图像边缘信息的自动对焦算法研究

基于数字图像的自动对焦算法有广泛的应用。提出了一种新的自动对焦算法，该算法通过一最小各向同性小波滤波器在对焦图像序列进行滤波，得到了一边缘特征图像序列，再以能量目标函数为准则，从这些边缘特征图像序列中，选出最佳对焦图像，从而确定精确对焦的位置。实验证明了该算法效果好于方差函数对焦算法。     

数字图像处理在投影显示三色会聚中的应用

针对三片式投影显示光引擎的工业生产中的手工定位问题,提出一套新的自动化生产系统.该系统运用数字图像处理技术,以方差函数和光强重心算法分别作为清晰度调节和三色和色调节的评价函数,分析电荷耦合器件(CCD)采集的局部图像,产生反馈信号.通过调整阵列象素器件(SLM)的空间位置,实现三色自动会聚.实验表明,在高精度的电机控制下,该系统可以在短时间内实现三片式投影显示光引擎的高精度、高可靠性的三色自动会聚.     

基于组合损失函数的BP神经网络风力发电短期预测方法

为了改善风电大规模并网带来的电力系统功率平衡问题,提高系统的风电消纳能力,构建了基于组合损失函数的风电功率预测神经网络模型. 为了提高原始数据信息的利用率,在模型中将数据进行分类,提出以最小化组合损失函数为目标的BP神经网络风力发电短期预测模型,由均方差损失函数、交叉熵损失函数和排序损失函数按照不同的权重比构成组合损失函数. 基于实际风场数据,对基于组合损失函数的预测模型效果进行训练和仿真验证,结果表明相较于基于单一的均方差损失函数的预测方法,提出的组合损失函数可有效提高预测精度.     

基于偏最小二乘回归的个人化与头相关传递函数

为了通过相对简单的测量得到特定人的与头相关传递函数（HRTF）,通过对已测量HRTF的预处理及主元分析和对人体参数的筛选,提出了一种基于偏最小二乘回归（PLSR）的HRTF个人化方法。并进行了客观误差分析和主观声音定位测试。结果表明估计的HRTF与实际测量的HRTF之间不仅均方误差较小,而且在感知方面也没有太大区别;同时由PLSR估计得到的个人化HRTF在水平面上的主观测试定位准确率明显优于非个人化HRTF,也优于由最小二乘回归（LSR）得到的个人化HRTF。     

感知联合优化的深度神经网络语音增强方法

基于深度神经网络的语音增强模型的训练一般采用均方误差作为代价函数,没有针对语音增强问题进行优化。针对这一问题,从相邻帧网络输出之间的相关性和各时频单元的语音存在情况两方面进行考虑;通过在代价函数中对相邻帧的网络输出进行关联,并设计一个反映时频单元语音存在情况的感知系数,提出了一种感知联合优化的深度神经网络语音增强方法。实验结果表明,相比基于均方误差的语音增强方法,该方法显著地提高了增强语音的语音质量和可懂度,具有更好的语音增强性能。     

基于归一化最小均方算法的自适应核RBFNN

为了使自适应核径向基函数神经网络(RBFNN)有更好的收敛速度和稳态误差,提出了以归一化最小均方为学习算法对自适应核RBFNN进行优化的方法。在梯度下降算法的基础上,通过一个可变的步长因子,对归一化最小均方(NLMS)算法进行推导,并将其作为学习算法对自适应核RBFNN的权系数及偏差进行更新训练。在非线性系统辨识及模式分类中的仿真实验结果表明,使用NLMS学习算法训练自适应核RBFNN相较于其他学习算法下的自适应核RBFNN,具有更快的收敛速度及相对较小的稳态误差。     

改善径向基函数网络泛化性能的主成分分析法及应用研究

采用主成分分析法 (PCA)来改善径向基函数网络的泛化性能 ,理论上可以根据PCA方法中的主成分累积贡献率 ηK 决定RBF网络的输入层节点数 .实例研究证明 ,采用PCA方法后的RBF网络泛化性能良好     

基于最小二乘支持向量机算法的测量数据时序异常检测方法

将最小二乘支持向量机方法引入火电厂DCS的测量数据时序异常检测领域,该方法很好地建立了火电厂DCS的测量数据时序预测模型,具有预测真实值能力强、全局优化及泛化性好等优点。将该方法应用于某600 MW超临界火电机组DCS测量数据中,经过训练后的LS-SVM模型对再热蒸汽温度数据的检验样本进行不良值检测与真实值预测,均方根误差和平均相对误差分别为0.067%和0.050%,均方根误差是BP网络模型、RBF网络模型的8.756%和8.272%,平均相对误差是BP网络模型、RBF网络模型的7.541%和7.236%。应用结果表明,最小二乘支持向量机方法优于多层BP与RBF神经网络法,能很好地满足异常检测与真实值预测要求。     

基于流形排序的社会化推荐方法

提出一种基于流形排序和社会化矩阵分解的推荐方法,采用流形排序方法度量用户间的社会相似度,利用正则化技术构建用于评分矩阵因式分解的目标函数,将用户之间的偏好差异作为目标函数的惩罚项,从而将用户之间的社会相似性融入评分矩阵的低阶矩阵分解过程. 实验结果表明,在大型的数据集上,该方法获得了比当前同类方法更好的推荐精度和更低的评分预测均方根误差/评分预测平均绝对误差（RMSE/MAE）值.     

降雨观测误差修正方法研究

从水文实际情况出发,分析了遥测降雨系统雨量观测资料误差的类型和特点,结合抗差最小二乘法,提出了雨量观测误差的三步修正方法.每一步利用雨量资料误差不同特点,提出不同的权函数进行修正.选用危水水库乌溪沟以上流域1974年—1999年间共28场洪水的暴雨资料,进行统计分析计算,确定三步权函数修正法每一步的权函数.然后用生成的误差系列,进行模拟估计,效果较为理想.该方法简单实用,便于在其他流域上进一步推广应用.     

基于熵方误差的NL2SOL前馈神经网络

为提高前馈神经网络学习算法的收敛速度,尝试定义熵方误差函数,在理论上证明了熵方误差函数的有效性,并将其应用于NL2SOL前馈神经网络.对比实验表明,引入熵方误差函数的前馈神经网络具有良好的收敛性与稳定性.     

条件均方预测误差

讨论了多维AR(1)过程条件均方预测误差及Bootstrap法条件样本途径。给出了条件均方预测误差公式和Bootstrap法条件均方预测误差公式。这些结果可推广到多维AR(p)过程