面向时延数据的分块PCA红外人脸识别

时延数据下的高识别性能是红外人脸识别系统应用的基础,提出一种基于分块PCA的红外人脸识别方法,提高红外人脸识别系统对时延数据识别率.为了充分利用图像的局部特征,对图像进行大小分块,并对各分块图像进行主成分分析;然后,为了缓解外部环境温度对识别的影响,通过训练学习不同温度下的红外人脸数据,去除每个图像块受环境温度影响较大的特征值.最后,为了结合整体特征,并将余下的特征值组合成特征向量用于识别.实验结果表明,本文提出的方法可以提高红外人脸识别系统对时延数据的识别率.     

BCM7113基本交互型STB的硬件设计

介绍一种基于BCM7113的数字电视机顶盒的硬件设计方案,该方案是应杭州市场的需求而设计开发的,最大的特点就是有线电视网和以太网的结合,BCM7113是Broadcom公司出品的集系统控制、信道解码和标清MPEG-2解码于一体的数字电视机顶盒专用芯片,该平台具有强大的扩展接口,如USB、ITU-R656等,并扩展了10 M/100 M以太网接口,有很强的可升级性。     

基于多小波的SPIHT改进算法

为了进一步提高图像编码效率,利用多小波子带上各个分量间的相关性以及分量间能量分布的特点,提出了一种SPIHT改进算法。该算法是根据高频子带第1分量无效值的分布来预测其他3个分量上不重要系数的位置信息,由于减小了无效集判别过程中的扫描范围,从而可加快编码速度。实验结果表明,该算法既提高了编码效率,又保持了压缩性能。     

基于辐射能量的红外人脸识别

人脸识别至今还是计算机视觉中的一个难题,用红外人脸图像来进行识别是近几年才发展的一个新领域,虽然其独立于光源,不易受外部光线的影响,但研究发现,人脸温谱图因受到一系列内在(生理、心理等)和外在(环境、成像等)条件的影响而使识别率下降。针对这一问题,根据Stefan-Boltzmann定律,提出把易受环境温度影响的面部温度数据转换为较为鲁棒的辐射能量数据来进行识别,以提高红外图像人脸识别的性能。理论分析显示,当人体处于一个稳定的状态时,辐射能量图对周围环境温度的敏感度较低。实验结果表明,基于辐射能量图的识别率高于基于温谱图的识别率。     

基于区间映射规则的数字直方图处理

在经典的单映射规则SML和组映射规则GML的基础上，提出一种新的映射规则——区间映射规则(IML)，并提出基于IML的数字图像直方图规定化方法。以8阶灰度直方图为例，通过对常用均衡化方法的实例分析，引出基于IML的直方图均衡化方法——等区间映射均衡化(IIME)。用实验数据分析和证明了IML和IIME的优越性。     

金刚石膜在多孔硅发光中的应用

采用微波等离子体化学气相沉积（MPCVD）法成功地在多孔硅上沉积出均匀、致密的金刚石膜。光致发光测量表明,金刚石膜可以有效稳定多孔硅的发光波长和发光强度,具有明显的钝化效应。金刚石膜的这个特点再加上高硬度特性使金刚石膜成为多孔硅的一种潜在的钝化膜。     

金刚石薄膜在氧化铝陶瓷上低压成核

在微波等离子体化学气相沉积（MPCVD）系统中,用低压成核方法,在氧化铝陶瓷基片上获得了高成核密度的金刚石薄膜.实验表明,金刚石成核密度随系统压强减小而提高.在此基础上,提出一种MPCVD系统中金刚石成核的动力学模型,并指出对应于最高成核密度有一临界压强存在.     

类金刚石薄膜对多孔硅发光的钝化作用

介绍了类金刚石薄膜对多孔硅发光的钝化作用.类金刚石薄膜隔绝了外界对多孔硅表面的影响,使硅氢键不易断裂,从而减少了非辐射复合中心,稳定了多孔硅的发光性能.通过在类金刚石薄膜中掺氮还可以进一步提高钝化效果,因为氮使多孔硅表面更多的悬空键被钝化形成Si-N键,从而提高了发光强度.     

面向形状特征的多维度多层级点云分析

目的 3维点云是编码几何信息的主要数据结构,与2维视觉数据不同的是,点云中隐藏了3维物体中重要的形状特征。为更好地从无序的点云中挖掘形状特征,本文提出一种能够端到端且鲁棒地处理点云数据的多维度多层级神经网络（multi-dimensional multi-layer neural network,MM-Net）。方法 多维度特征修正与融合（multi-dimensional feature correction and fusion module,MDCF）模块从多个维度自适应地修正局部特征和逐点特征,并将其整合至高维空间以获得丰富的区域形状。另一方面,多层级特征衔接（multi-layer feature articulation module,MLFA）模块利用多个层级间的远程依赖关系,推理得到网络所需的全局形状。此外设计了两种分别应用于点云分类与分割任务的网络结构MM-Net-C （multi-dimensional multi-layer feature classification network）和MM-Net-S （multi-dimensional multi-layer feature segmentation network）。结果 在公开的ModelNet40数据集与ShapeNet数据集上进行测试,并与多种方法进行比较。在ModelNet40数据集中,MM-Net-C的分类精度较PointNet++和DGCNN （dynamic graph convolutional neural network）方法分别提高了2.2%和1.9%;在ShapeNet数据集中,MM-Net-S的分割精度较ELM （extreme learning machine）和A-CNN （annularly convolutional neural networks）方法分别提高了1.2%和0.4%。此外,在ModelNet40数据集中的消融实验验证了多维度多层级神经网络（MM-Net）架构的可靠性,消融实验的结果也表明了多维度特征修正与融合（MDCF）模块和多层级特征衔接（MLFA）模块设计的必要性。结论 本文提出的多维度多层级神经网络（MM-Net）在分类与分割任务中取得了优秀的性能。     

集成SiON栅介质在半导体中的应用与展望

集成电路的快速发展得益于其电路基本单元——场效应管MOSFET电学性能的不断提升。MOSFET器件的关键性能指标是驱动电流Id,驱动电流的大小取决于栅极电容。栅极电容与栅极表面积成正比,与栅介质厚度成反比。因此,通过增加栅极表面积和降低栅介质厚度均可提高栅极电容。随着半导体技术的不断发展,集成电路的集成度也不断提高。