用于星敏感器的星点提取算法

本文就星敏感器软件中有关星点提取方法及内插求中心算法进行了深入的分析，提出了星点提取原则，对传统的内插求中心算法进行了修改，在此基础上编写了有关的应用软件。     

基于视觉背景提取的自适应运动目标提取算法

在复杂场景下的视频运动目标提取是视频分析技术的首要工作。为了解决前景运动目标提取的精确度不高的问题,提出一种基于视觉背景提取(ViBE)的改进视频运动目标提取算法(ViBE⁺)。首先,在背景模型初始化阶段采用像素的菱形邻域来简化样本信息;其次,在前景运动目标提取阶段引入自适应分割阈值来适应场景的动态变化;最后,在更新阶段提出背景重建和调整更新因子方法来处理光照变化的情形。实验结果表明,对于复杂视频场景LightSwitch的运动目标提取结果在相似度指标上,改进后的算法与混合高斯模型(GMM)算法、码本模型算法以及原始ViBE算法相比,分别提高了1.3倍、1.9倍以及3.8倍。所提算法能够在有效时间内对复杂场景具有较好的自适应性,且性能明显优于对比算法。     

一种用于星敏感器的星点提取方法

介绍了星敏感器的组成及其基本工作原理。在以DSP和CPLD为硬件平台的基础上,采用全局阈值法、连通性分析算法和亚像元细分定位算法对星图数据进行处理,得到星点的坐标信息。提出了一种新的连通性分析算法,与传统的连通性算法相比,节约了星图处理的时间,提高了星点定位的精度。最后用星敏感器对该处理算法进行了试验验证,并取得了较为理想的结果。     

基于区域生长法的星图中星的提取方法

针对扫描法和矢量法抗噪能力不强、提取精度不高的问题,将区域生长法引入到星提取中,提出了基于区域生长法的星图中星的提取方法.该方法根据星体目标具有较强相关性的特点,制定相似性准则,对星体目标进行生长判断、提取.仿真结果表明:提出的星提取方法具有较强的抗噪能力和较高的提取精度.     

用于星点检测的自适应变邻域背景预测算法

针对现有星点检测中背景预测算法存在的星点模糊、对噪声抑制能力差等问题,提出了一种用于星点检测的自适应变邻域背景预测算法。该方法根据待预测像素点所在位置不同采用不同的权值矩阵进行背景预测,当待预测像素点在星点边缘处时,仅用待预测像素点邻域内灰度小于邻域灰度中值的像素点组成预测权值矩阵进行预测计算,而在其他区域时,直接使用固定权值进行预测。同时,该算法还可以根据待预测像素点噪声属性,自适应调整待预测像素点自身灰度值在背景预测计算中的权值。最后通过对现有背景预测算法和本文所提算法的仿真和比较,改进算法较现有算法对星点的处理更清晰,对噪声的抑制能力更强。     

复杂背景下彩色图像车牌提取与字符分割技术

车牌图像分割是车辆牌照自动识别系统的关键部分，本文提出和提取了车牌标准模式的多种重要特征，综合利用数学形态学运算、连通域形状测量和彩色图像分析，有效地解决了复杂背景下提取车牌的问题，并实现了牌照的倾斜校正和边框线与铆钉去除，最后分离出牌照的各个字符、实验表明该技术方案在实时性，鲁棒性和正确率都达到实用技术指标。     

基于自适应背景模型运动目标检测

随着城市化速度的加快，机动车日益普及，人们在享受机动车所带来的巨大便利的同时，也面临着交通拥挤的困扰。随着计算机硬件技术和计算机视觉技术的发展，基于计算机视觉的交通监控系统成为可能。从一个交通视频序列中识别出运动物体是许多交通监控系统应用系统的重要任务，针对该问题，提出了一种建立在对视频序列中的整个背景情景的统计描述基础上的运动目标的检测的有效方法，该方法能够适应变化的背景，具有较强的鲁棒性和较好的实时性。     

基于自适应背景模型运动目标检测

随着城市化速度的加快,机动车日益普及,人们在享受机动车所带来的巨大便利的同时,也面临着交通拥挤的困扰。随着计算机硬件技术和计算机视觉技术的发展,基于计算机视觉的交通监控系统成为可能。从一个交通视频序列中识别出运动物体是许多交通监控系统应用系统的重要任务,针对该问题,提出了一种建立在对视频序列中的整个背景情景的统计描述基础上的运动目标的检测的有效方法,该方法能够适应变化的背景,具有较强的鲁棒性和较好的实时性。     

一种新的星图中星的提取方法

在分析扫描法和矢量法的基础上,提出了块扫描法.首先,根据星像扩散范围和导航星间距确定扫描块的大小;其次,以扫描块为单位,获得其最大灰度值像素,若灰度大于设定背景阈值,则存储其位置信息与灰度值;再次,以存储像素为中心搜索3×3像素阵,若存在像素灰度值大于存储像素,则剔除存储像素;否则,判断像素阵中灰度大于背景阈值的像素个...     

抗背景干扰的自适应滤波系统的设计与实现

详述了由ＴＭＳ３２０２０信号处理器构成的引信抗背景干扰自适应滤波电路的原理、设计方案及工作流程，并对系统的实际应用及应用结果作了分析。其中，ＴＭＳ３２０２０采用最小组态结构，在其内部程序ＲＡＭ中执行程序，算法采用线性ＬＭＳ算法。     

基于自适应在线聚类的背景提取

分析目前应用于背景提取的各类聚类方法的原理和存在的问题,提出一种基于自适应在线聚类的背景提取方法。通过使用自适应动态改变的聚类阈值对视频进行在线聚类,无须设定任何参数即能自适应地提取出背景图像。实验结果表明,该方法具有较好的自适应性,能够提取出较优的背景图像,对于各种视频具有较好的鲁棒性。     

用FPGA实现星图目标的质心提取

针对星图的具体特征,对星图目标进行识别和定位,把传统的扩展象素标记法改造成便于用硬件实现的算法,并给出了具体的实现方法.本设计将目标分割和质心计算两个步骤用FPGA合并处理,从而实现了快速的质心提取,为后续的图像匹配争取了时间.     

一种车辆视觉导航中自适应背景模型提取算法

为了解决统计背景模型在图像远景及车流量较大时容易出现错误像素点的问题,提出一种自适应背景模型提取算法.在车流量少时,利用统计直方图法提取背景;在车流量大时,利用帧差法获取图像中背景像素点,然后求其平均灰度值来重组的图像帧,最后利用统计直方图法进行背景建模.定义了算法比较标准,并据此比较了该算法与传统算法在不同车流量下的性能优劣.实验结果表明,通过分析图像中运动车辆像素信息区分车流量大小,实现对背景提取算法的自适应选择,使其在实际应用中更具针对性和灵活性,为准确地检测出运动车辆提供必要的基础.     

基于FPGA的单周期CPU设计与实现

选择XINLINX公司的FPGA芯片,采用ISE9.1开发工具,介绍了单周期CPU编译程序与仿真功能.     

基于自适应时间戳与多尺度特征提取的轨迹下一足迹预测模型

基于位置的服务已经成为人类生活方式的一部分,各种移动终端设备产生了大量时空上下文用户信息,其可被用于预测用户的下一个足迹.目前已提出一些解决方案来预测用户下一个足迹,包括递归运动函数(RMF)、矩阵分解(MF)、差分自回归移动平均模型(ARIMA)、马尔可夫链(MC)、个性化马尔可夫链(FPMC)、卡尔曼滤波器(KF)、高斯混合模型和张量分解(TF).除此之外,也可以使用诸如ST-RNN,POI2Vec,DeepMove,VANext等深度神经网络方法来预测用户的下一个足迹,这些方法利用递归神经网络(RNN)捕获来自人类活动的顺序运动模式.然而,现有方法使用一些人为设定的阈值来分割人类移动性数据以进行用户运动模式学习,人为固定时间戳设置不仅引入了人为主观因素,而且忽略了不同用户之间的差异性,这可能会导致移动模式发生偏差;而且现有方法针对用户轨迹特征提取过于单一化,单一特征忽略了很多用户轨迹潜在信息.基于自适应时间戳与多尺度特征提取的轨迹预测模型(AMSNext)旨在首次结合历史轨迹数据的时间统计特性,自适应地为每一个用户定义个性化时间戳,关注不同用户运动模式之间的差异性;并结合时间序列特征提取方法多尺度对用户轨迹特征进行提取,同时为实现多尺度特征量纲统一,将会采取归一化因果嵌入对特征进行向量嵌入.实验证明,该模型可以取得较高的预测精度.     

自适应均衡器的FPGA实现

在无线通信系统中,由于多径效应的干扰导致信号在传输过程中不可避免地产生码间干扰,因此必须在接收端增加均衡器,以消除码间干扰,提高传输质量。该自适应均衡器设计以FPGA为设计平台,使用自上而下的模块化的设计方法,利用StratixⅡ系列EP1C20F324C6芯片,采用横向滤波器结构,设计并行结构的8阶复数滤波器。最后在QuartusⅡ中进行仿真与综合,结果显示I、Q两路误差信号趋于零,从而实现自适应均衡,降低误码率。     

FPGA测试研究

文章针对FPGA的用户级ATE测试进行简要分析,对实现过程的部分关键之处提出自己的见解。从可实现性和资源测试覆盖率两方面着手,对FPGA内部部分资源的测试方法进行简要介绍,其测试的主要目的是使得FPGA芯片在用户采购后得到适当的检验和测试。     

基于FPGA的CAN总线星形拓扑结构设计

CAN总线已在分布式控制系统中得到了广泛的应用.CAN总线采用总线形拓扑结构存在很多不足,限制了其在很多领域的推广.介绍了CAN总线的仲裁机制并设计了一种基于FPGA的CAN总线集线器,利用该集线器可以实现CAN总线的星形网络拓扑结构,解决了现有总线形CAN网络的缺陷.     

基于FPGA的AES-128密码算法实现研究

介绍了AES算法的流程,以及基于Stratix系列FPGA实现AES-128加解密算法的设计思路和优化措施。和未优化前的设计进行比较,证明了设计方案的有效性。