基于神经网络的遥感图像分类

针对传统的遥感图像分类方法分类精度低的缺点,提出了一种基于神经网络的分类方法。实验结果表明,这种基于神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

一种基于DBSCAN随机圆检测的多瓶口定位算法

现有医药灌封生产中的西林瓶瓶口定位方法易受瓶口边缘干扰的影响,导致瓶口圆中心定位不准确。对此,提出一种基于DBSCAN随机圆检测的多瓶口定位算法。首先,通过Canny边缘检测算法得到图像中所有轮廓,采用基于密度的DBSCAN聚类算法分割出感兴趣的瓶口边缘集;接着,针对每个单独的瓶口边缘集,采用最小二乘法和径向扫描获取瓶口的外边缘点,再利用重复随机圆检测得到大量候选圆心集;最后,基于DBSCAN算法聚类得到真实圆心集,以真实圆心集的均值中心作为瓶口中心。与4种典型算法进行对比,实验结果表明,提出的圆定位算法的平均定位误差为0.553 pixels,优于其他算法,且该算法的平均执行速度为1.359 ms。该算法能够满足医药灌封生产线对准确性和实时性的要求。     

一种用于认证二值文本图像窜改定位的数字水印算法

众多二值文本图像水印算法在嵌入水印时,都要对黑色像素进行变动,很容易引起图像失真,为解决此问题,提出一种新的水印算法,该算法按行列统计文本黑色像素信息并生成水印,将水印编码与差错控制码绑定,将文本分块,利用不可视黄点表征水印嵌入文本空白处。实验结果表明,嵌入水印后,图像效果良好,水印提取实现了盲提取,并具有完整性鉴定和窜改定位的功能。     

基于MAXQ3108+DS8102的三相智能电能表设计

针对目前市场上采用电磁式电流互感器作为电流传感器的三相智能电能表计量精度普遍易受外部强磁场干扰的不足,采用美信半导体公司提出的MAXQ3108+DS8102芯片组,解决方案设计了一款采用锰铜分流器作为电流传感器的三相智能电能表,解决了锰铜分流器采样电流方式下各相电压、电流信号与数据采集MCU电气隔离的技术瓶颈,并详细阐述了信号采集与测量的过程;样机测试结果表明:文中设计的三相智能电表能够有效抑制外部强磁场干扰,有功电能计量精度满足IEC62053标准中有功0.5S级相关技术指标要求。     

基于智能天线的认知无线电网络频谱访问协议

认知无线电技术可以择机地使用注册信道,从而提高频谱的利用率。但是这种提高只是局限于时域上的。将具有空间分隔特性的智能天线引入次无线电系统,设计了一种在空间上可以复用的频谱访问协议。该协议使次用户(SU)和主用户(PU)可以同时共存,优化了频谱和空间资源的分配,进一步提高了频谱的使用效率。此外,还对SU的传输成功概率和网络吞吐量进行了理论分析和仿真。结果表明:与使用传统全向天线的认知无线电相比,基于智能天线的认知无线电系统能获得更多的传输机会,吞吐量显著提升。     

模糊控制在直流电机调速中的应用

本文主要介绍了以模糊控制理论为基础的直流电机调速模糊控制系统。通过把人们用自然语言描述的控制直流电机调速经验转换成模糊控制规则,通过这些规则经过模糊推理和模糊决策得到控制量。实验证明,模糊控制直流电机调速性能高于一般的直流电机调速。     

非完整移动机器人领航-跟随编队分布式控制

针对非完整移动机器人运动学模型的特点,并且考虑机器人之间的交互关系是局部的,提出了一种基于领航-跟随的非完整多移动机器人分布式编队控制方法。首先提出了一种分布式估计策略,为每个跟随机器人估计(虚拟)领航机器人的位置、方向、线速度等状态;接着利用每个跟随机器人的跟踪误差设计了编队控制算法;使用Lyapunov工具对算法进行了渐近稳定性和收敛性分析;最后,构建了多移动机器人视觉定位与控制实验平台,通过仿真和实验验证了所提算法的有效性。     

一种基于模糊小波基函数神经网络的图像分类器

针对图像分类的特点，提出了一种基于模糊小波基函数神经网络的图像分类器。该分类器采用小波基函数作为模糊隶属函数，将模糊技术与神经网络相结合，利用神经网络实现模糊推理，并可对隶属函数的形状进行实时调整，从而使分类器具备了更强的学习和自适应能力。实验结果表明，这种基于模糊小波基函数神经网络的分类器经过训练后，可应用于图像的分类，其分类精度明显高于传统的最大似然分类法。     

基于机器视觉的啤酒瓶口缺陷检测分类方法研究

针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。     

基于随机森林回归的人脸特征点定位

针对人脸特征点定位容易受到人脸姿态、表情、光照和遮挡等因素影响的问题,提出了一种基于随机森林回归的特征点定位方法。采用像素差值特征在每个特征点建立随机森林模型,由森林模型回归得到训练样本的估计形状;对训练样本的估计形状与真实形状进行线性最小二乘拟合,得到一个全局优化模型;再利用模型对测试样本特征点位置进行回归估计及形状优化,从而实现了人脸特征点的自动定位。该方法采用相对误差小于0.1的衡量标准,在MATLAB R2009a平台实验,Helen和LFPW数据库上测试,两个数据库的样本定位正确率均超过95%,平均定位速度为9.3 fps,且训练模型仅为5.4 MB。实验结果表明:提出的方法能够很好地适应人脸姿态、表情、光照和遮挡等因素的影响,同时训练模型小,且有效地提高人脸特征点定位的精度和速度。