(25,20)线性分组编译码器设计及其FPGA实现

随着通信速率的提高,有噪信道的可靠通信通过信道编码来实现。文中设计的(25,20)线性分组编译码器结合汉明码能纠正一位错误且具有编码效率较高、译码电路简单、译码延时小等优点。分析伴随式与错误图样的对应关系,采用并行处理的方式,使用硬件描述语言VHDL在Xilinx公司的Vivado 2016.1环境下编程实现。通过ModelSim仿真平台验证,降低了实现的复杂度。在工程实践中将编译码器加入某实测通信系统,实现了在Artix-7系列xc7z030fbg676-1的芯片上占用较少的硬件资源实现(25,20)线性分组编译码,提高系统传输的可靠性,验证了该设计的优良性能。     

云平台网络多重纹理图像匹配融合方法研究

传统的图像匹配融合方法在匹配多重纹理图像时,很容易出现误差匹配,融合后的图像清晰度不高,轮廓不鲜明,针对上述问题,在云平台网络上研究了一种新的多重纹理图像匹配融合方法。首先,计算多重纹理图像的匹配代价,分析图像像素的相似度和特异性,构建动态规划路径,在不同网络结构下匹配多重纹理图像;然后,建立树状图对图像进行融合;最后,利用视察矫正方法将匹配融合得到的误差点消除。为验证该方法的工作效果,与传统匹配融合方法进行实验对比,结果表明,给出的方法能够清晰地得到像素点云,使融合后的图像轮廓鲜明,画质清晰,适用于图像重构。     

基于权重阈值的图像匹配方法

针对尺度不变特征变换(SIFT)算法在低照度情况下存在匹配特征点数目少,会丢失部分重要信息的问题,课题组提出先对图像进行预处理,即增强对比度,提高亮度,使特征信息更明显,特征点更充足,再使用SIFT算法提取特征点;针对SIFT算法因特征描述符维数过多导致耗时长,实时性差的问题,课题组提出一种新的特征点描述方式,降低了描述符维数,提高了算法运行速度;最后,针对SIFT算法匹配过程中对描述符所有维度设置统一阈值易造成误匹配的问题,课题组提出一种权重阈值的方法,对距离特征点不同位置的种子点设置不同的阈值,提高匹配正确率。实验表明:与SIFT算法以及PCA-SIFT算法相比,改进的算法匹配精度提高了10%～20%;同时,匹配时间也有所提高。该算法既有效提高了匹配正确率,又缩短了算法运行时间。     

基于AFSA和小波变换的快速图像匹配算法研究

提出了一种基于人工鱼群算法(简称AFSA)和小波变换的快速图像匹配算法,该算法不但能提高匹配速度,而且增强了匹配算法的抗噪性能和鲁棒性。     

基于高光谱图像的改进SIFT特征提取与匹配

针对尺度不变特征变换(SIFT)算法所提取图像特征点数量少、误匹率高的问题,提出了一种基于高光谱图像的改进SIFT算法。首先,依据传统SIFT算法中高斯金字塔的构造思想,结合在不同波段下的高光谱图像具有相同宏观特征的特点,首次用高光谱图像作为原始算法中经高斯变换产生的图像,使得检测到的具有实际意义的特征点数量大幅增加;其次,传统SIFT算法以及大量的改进方法都只通过目标象元邻域范围内的像素信息来构造特征描述符,而忽略了像素点的位置信息,文中将目标象元的位置信息纳入了特征描述符,在特征描述符的匹配阶段,在利用邻域范围内的像素信息进行粗匹配之后,利用特征描述符中的位置信息进行精细匹配。仿真实验结果表明在限定最优值与次优值之比的情况下,采用高光谱图像构造高斯金字塔的方式能显著增加特征点的提取数量,更多地挖掘出图像中的极值点;在特征描述符中加入目标象元的位置信息作为特征点匹配第二阶段的判断依据,正确匹配数量达到原方法的59倍以上,极大提升了算法的匹配性能。     

一种位置关系约束的异源图像匹配算法设计

为解决无人机植保过程中由于无光照或无信号造成的定位不准问题,文中介绍了一种基于红外与可见光图像匹配算法。该算法首先对可见光图像选取两处显著性区域,其次利用两区域的位置关系约束,生成将两区域包络的矩形作为模板,最后使用简化的协方差相关算法快速计算出定位坐标。实验表明,利用显著性区域位置关系的模板匹配比单个显著性区域匹配的鲁棒性更好,简化的协方差算法能够有效减少运算量。     

具有光照鲁棒的图像匹配方法

针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题，提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色（RTCP）算法灰度化图像，然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点，最后采用局部强度顺序模式建立特征点描述符，根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上，所提算法与尺度不变特征变换（SIFT）算法、加速鲁棒特征（SURF）算法、"风"（KAZE）算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明：随着图像亮度差异的增加，SIFT算法、SURF算法、"风"（KAZE）算法和ORB算法匹配正确率下降迅速，所提算法下降缓慢并且正确率均高于80%；所提算法特征点检测较慢和描述符维数较高，平均耗时为23.47 s，匹配速度不及另外四种算法，但匹配质量却远超过它们。对实时性要求不高的系统中，所提算法可以克服光照变化对图像匹配造成的影响。