一类新的V描述子在形状识别中的应用

提出了一类新的V描述子,对二维图形进行V变换提取形状信息,并定义归一化后的变换系数为描述子,其具有旋转、平移、缩放不变性,通过形状主方向在一定程度上消除了起始点的影响.通过快速V变换可以有效地计算出V描述子,该识别算法采用加权欧氏距离,并充分利用了V描述子的多分辨率分析特性,对轻微遮挡具有一定的抵抗力,可以根据实际情况达到较好的识别.     

用超高亮白光LED制作书写台灯

用LED照明的优点是无辐射、高效率、长寿命、节约能源、绿色环保。但大功率(瓦级)白光LED因造价过高而制约了其在普通照明中的应用。采用价格低廉的超高亮小功率白光LED制作灯具是一种替代方法。一、书写台灯的一般要求书写台灯作为局部高亮度照明有其自身的特点和要求。1.桌面的照度应该足够书写台灯需要有足够的照度。按照国际标准的要求,为300Lx～500k。照度     

基于USB接口的VoIP手柄设计

引言 VoIP是指将语音信号进行编码、压缩和分包等处理, 通过IP网络进行传输, 实现计算机-计算机、普通电话-普通电话、计算机与普通电话之间进行话音通信的技术.     

基于自适应加权的文本关联分类

在文本关联分类研究中,训练样本特征词的分布情况对分类结果影响很大.即使是同一种关联分类算法,在不同的样本集上使用,分类效果也可能明显不同.为此,本文利用加权方法改善文本关联分类器的稳定性,设计实现了基于规则加权的关联分类算法(WARC)和基于样本加权的关联分类算法(SWARC).WARC算法通过规则自适应加权调整强弱不均的分类规则;SWARC算法则自适应地调整训练样本的权重,从根本上改善不同类别样本特征词分布不均的情况.实验结果表明,无论是WARC还是SWARC算法,经过权重调整后的文本分类质量明显提高,特别是SWARC算法分类质量的提高极为显著.     

一种自适应二次数据融合算法

针对多传感器测量数据,基于最小均方加权方法,提出了自适应计算各传感器测量方差的方法,并推导出了递推公式。结合灰色系统理论的绝对关联度定义,提出了基于自适应方法的二次数据融合算法,并给出了算法框图。最后,通过仿真计算验证了该算法的有效性。     

基于匹配测度加权求解基础矩阵的三维重建算法

双视图三维重建中引入了同名特征点的匹配测度,为提高基础矩阵F的精度提供了数据处理指导,将特征点匹配和F解算及三维重建环节连接成一个整体。在分析特征点提取、匹配方法的基础上定义了同名点匹配测度函数。用测度函数作为匹配点的权值对归一化8点求解F的算法进行加权,并使用随机采样一致性(RANSAC)鲁棒算法解决匹配野值问题。根据已知的像机内参数，从基础矩阵中分解相对运动，并用模型的内点进行运动优化，最后三角交会得到三维重建结果。实验结果表明,此算法达到了线性求解F矩阵和三维重建的鲁棒性高精度实现。     

位移无静差ITAE最优传递函数的研究

位移无静差ITAE最优传递函数具有较好的平稳性和快速性,是一组适用于工程控制系统的最优参数。首先介绍了ITAE最优传递函数,然后研究了ITAE最优传递函数的极点分布、时域响应和频域响应,最后研究了ITAE最优传递函数的分母多项式系数与加权矩阵的关系。研究结果将大大促进ITAE最优传递函数的广泛应用,为进一步研究ITAE最优控制问题打下基础。     

一种基于空间距离加权的自适应矢量中值滤波器

矢量中值滤波器(vectormedian filter,VMF)是一种经典和高效的矢量滤波器,主要用于消除彩色图像中的脉冲噪声,但它没有考虑在滤波器窗口内各个像素由于位置的不同而对滤波效果产生的不同的影响。根据人类视觉感知,在一个滤波器窗口中,即使二个像素具有相同的颜色值,其中离中心像素较近的像素应当对中心像素影响较大,而距离较远的像素对中心像素影响较小。基于此,试图将空间距离对滤波效果的影响量化,提出了一个基于心理距离的加权公式,并结合传统的矢量中值滤波器VMF,构造出了一种新的基于空间距离加权的自适应矢量中值滤波器。实验表明,新的矢量中值滤波器,在抑制脉冲噪声、色调保持、细节或边缘保护方面,胜过传统的VMF和其他几个基本的典型矢量滤波器。     

一种基于小波分解的图像融合方法

在图像配准的基础上,提出了一种利用小波分解和Gabor小波滤波器提取能量测度进行加权的图像融合方法.该方法中,首先对图像进行小波分解,对每一层分解系数使用Gabor滤波器集进行滤波,求取其相应的能量测度,进而使用能量测度值对融合图像相应层的小波系数进行加权处理,从而得到融合后图像相应层分解系数,最后对每一层分解系数进行小波逆变换,得到融合图像.试验结果表明,这种简单的加权系数关系是可行的,而且该方法可以取得较好的图像融合效果.     

基于点空间特征的两种点匹配算法

通过讨论和分析经典特征向量匹配算法的基本原理和抗噪性能问题,提出2种新的点匹配算法:加权特征向量算法和顺序匹配算法.加权特征向量匹配算法通过对点集距离矩阵进行特征向量分解获得点集中点的特征向量,而后利用特征值对向量加权,通过比较点的加权特征向量相似性来获取匹配关系.顺序匹配算法避免了矩阵分解,直接对距离矩阵的距离向量进行排序,通过较有序的向量来获取匹配关系.这2种算法,解决了经典特征向量匹配算法中抗噪性能差和高斯参数选择的2个问题.实验结果表明,算法切实可行,文中结论正确.