DCN：双通道密集哈达玛卷积的画质评价网络

随着人类对高质量图像的需求日益紧迫,客观画质评价（image quality assessment,IQA）的研究日趋重要,其中的无参考真实失真评估,面临失真的复杂性和内容多样性的巨大挑战。为了获取更加准确有效的质量特征,提出了一种双通道密集哈达玛卷积的画质评价网络（dual-channel network,DCN）,其以深度卷积模型Inception-ResNet-v2为骨干网络提取特征,将设计的双通道融合网络为分数评估网络,最后映射到客观质量分数。分数评估网络由卷积特征提取分支和多层感知机分支并联组成,将提出的密集哈达玛卷积模块（dense Hadamard product module,DHPM）应用到多层感知机分支中,通过哈达玛乘积将低层特征与高层特征融合,发挥特征自适应和高级表达的作用。在公开数据集KonIQ-10k上的实验结果表明,该网络测试的斯皮尔曼秩相关系数（spearman rankorder correlation coefficient,SROCC）为0.922,皮尔森线性相关系数（Pearson linear correlation coefficient,PLCC）达到0.938。     

基于红外传输的扭矩测试系统

提出一种对旋转轴扭矩测试的红外近程遥测法。在此基础上，设计了红外近程遥测系统，它具有微型化、微功耗的特点，较理想地解决了旋转体参数测试问题。     

基于多小波分析的超声斑纹噪声抑制方法研究

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好特性要求,而标量小波不能同时达到这些要求.提出了一种新的基于多小波、多分辨率分析抑制超声斑纹噪声的理论和方法,通过评价两种多小波的分解与重构,得到了两种可以分别适用于这两类多小波的最佳预处理方法,给出了多小波变换的解析表达式.在二维图像阵列的应用方面,通过采用局部方差作为阈值,对超声斑纹图像进行阈值化去噪处理的实验结果表明,多小波变换在有效抑制斑纹噪声的同时,相对于其他方法还能更好地保留原图像的边界等重要特征信息.     

一种高速数据采集系统的实现

本文针对高频信号数据采集提供了一种系统实现方法，适合于多种情形的高频信号测试，具有设计方便，可靠性高等特点。     

基于L1-BRD的视频图像车牌识别

针对实时视频的车牌识别系统应用,利用车牌的边缘特征和形态学操作对车牌进行粗定位,通过支持向量机(SVM)结合方向梯度直方图特征(HOG)方法对粗定位车牌进行鉴别真伪.在对字符进行分割后,取连续多帧车牌,对字符特征利用L1-BRD(L1-norm Bin Ratio-Based Histogram Distance)自适应计算融合权重,使L1-BRD能够从图像间特征相似度评估扩展到实时视频中.把L1-BRD用于车牌字符识别,可以降低单帧图像中噪声及字符分割误差产生的影响,有助于后期基于多帧加权直方图特征进行字符识别,提高车牌字符识别的准确性和稳定性,并保证了实时性.     

有限衍射超声三维成像及其表面重建方法

为了正确快速地进行超声三维图像重建，讨论了有限衍射波束三维脉冲回波成像新方法，即使用有限衍射阵列声束一次发射成像，不仅成像区域声束不会发生扩散，而且可得到高信噪比、高帧率的超声三维图像。针对成像后由获取的数据归一化形成的空间散乱数据场，提出了一种新的插值三维重建算法，该算法从散乱数据场中自动提取边界，首先构造出一个辅助曲面，然后通过一种特殊的Hermite插值，在数据点的矩形作用域集合内，对辅助曲面进行变形，进而得到最终的插值曲面。实验结果表明，由于该算法无须三角剖分，因而计算速度快，且光顺效果好。