基于对比度的多分辨图像融合

 本文给出一种基于对比度的多分辨图像融合算法.首先,利用小波变换得到待融合图像的多分辨分析,同时得到图像的多分辨对比度序列;然后以对比度为判据,在图像的多分辨分析的相应各级上进行融合,得到融合图像的多分辨分析;最后,利用小波逆变换重构融合图像.算法使用同一场景可见光图像和红外图像进行了验证,结果表明,融合图像完好地显示了源图像各自的信息.  

FDTD算法的网络并行运算实现

 本文提出了FDTD方法在微机互连构成的机群(COW)并行计算系统上以消息传递方式执行的一种实现方案.组成了验证性的机群并行计算系统,以一维和三维典型算例验证了算法的可行性、正确性和高效性,为运用FDTD方法进行电大尺寸复杂电磁问题数值模拟计算提供了一条有效的途径,也为深入进行这方面研究奠定了基础.  

基于keystone变换的微弱目标检测

 提高雷达对微弱目标探测能力的主要方法是增加积累时间.根据传统PD雷达的设计原则,在相参积累时间内,目标的距离走动不能超过半个距离单元,也就是说相参积累时间受限于目标运动.对于高距离分辨雷达或观测高速目标的雷达系统,这种限制是很难满足的.本文提出一种基于keystone变换的运动补偿方案,可以在没有目标运动速度信息条件下校正距离走动,从而使积累时间不再受目标运动的限制.  

基于FPGA和DSP实现的实时图像压缩

 利用FPGA的并行分布流水特点,选用exilinx公司的50万门级芯片XCV400E,设计并实现CIF格式(352×288象素)图像实时DCT变换.该设计采用乒乓模式,只需设计一个快速算法模块(F×C^T)就解决了C×F×C^T的实现算法.当视频信号通过数字化后逐行输入FPGA,在行、场同步信号和采样时钟的控制下,每输入一组数据(8个),就进行行向量与C^T的矩阵乘运算(F×C^T),并将结果按转置方式保存,每输入一个数进行一次(1×8)×(1×8)矩阵运算,每行进行352×(1×8)×(8×8)次矩阵运算,其中44次(1×8)×(8×8)矩阵运算的结果需要按转置形式(H^T=(F×C^T)^T)存储;当输入下一组8行数据时,对该组数据进行与前述8行数据相同的矩阵运算,而对刚做完(F×C^T)运算的8行相应结果,则按正常顺序取出进行(H^T×C^T)运算,将结果按转置形式(G^T=C×H)输出.从而以实时流水的方式完成C×F×C^T运算.功能仿真、时序仿真和与TMS320C62X系统的成功对接验证了本设计及算法的正确性.  

图像中的信息隐含及水印技术

 首先介绍了现代信息隐含技术的含义和应用前景.然后在彩色图像中用位平面隐含法具体实现了一种新的信息隐含技术,通过比较证明了其信息隐蔽性好,承受攻击能力强,对承载图像影响小,显出其良好的实用价值.在此基础上又开发了在彩色图像上做出水印效果的方法,图像又可以几乎无损地还原,这可以作为图像防伪的又一种有效手段.  

一种新的分数阶傅立叶变换快速算法

 本文给出了分数阶傅立叶变换(FRFT)的定义,介绍了已有的几种离散FRFT快速算法,并简要分析了这几种算法的优缺点.在此基础上提出了一种新的FRFT快速算法.该算法避开特征值与特征向量的匹配问题,具有易理解、易实现、效果好等优点.并且在改变分数阶幂时不需重新计算整个过程,只需计算一个对角矩阵.为与其他方法作比较,作者最后对几个典型信号作了计算机仿真,并给出其仿真结果.  

分数阶傅里叶变换域上带通信号的采样定理

 傅里叶变换和采样定理是信号处理领域的两大基本问题,采样定理研究了傅里叶变换域上带限信号的采样和重构理论.分数阶傅里叶变换(FRFT)是傅里叶变换的一种推广,与之相应的采样理论目前还不十分完备,所以有必要从FRFT域上重新研究采样定理.本文首先得到了均匀冲激串采样信号的FRFT,然后在此基础上导出了FRFT域上带通信号和低通信号的采样定理和重构公式.这些结果是经典理论的推广,将丰富分数阶傅里叶变换的理论体系.  

四象限光电跟踪技术中若干问题的探讨

本文对四象限光电跟踪技术中所涉及的若干问题进行了探讨。其中对误差数据提取的算法，目标回波在四象限光电探测器上敏面上形成的像斑尺寸等，影响较大的制约因素进行了较详细的计算分析，从中得到了一些有益的启示。  

强干扰情况下用于CDMA系统的时空域联合处理

 本文提出了一个时空域联合处理技术来对抗码分多址通信系统中的多址干扰.它由智能天线和多用户联合检测结合而成,智能天线可以压制与有用信号来向不同的干扰,余下的与用户信号来向相同的干扰可以被多用户联合检测系统消除.这种结构在干扰严重的信道仍能得到令人满意的效果.  

基于Canny算子的改进的图像边缘检测方法

针对Canny算子的边缘检测算法提出了自己的改进方法，用MTM滤波算法取代Gauss滤波方法，并对算法中的参数选取进行了讨论。实验结果表明，改进的算法有效地提高了边缘检测准确性，极大地降低了计算量，取得较好的效果。