KEELOQ技术的软件实现

KEELOQ技术是一种重要的安全加密解密技术,它具有多变化,抗截获的特性。该技术的重要部分是保密的,只掌握在国外少数几家公司手中。提出了一种实用可靠的KEELOQ算法,并给出了实现算法的软件流程。     

结构化控制流程图（N－S图）的改进与模块化程序设计图的设想

本文简要回顾了结构化程序设计和Ｎ－Ｓ图的产生,不难看出：Ｎ－Ｓ图是应结构化程序设计的需要而产生的。近年来模块化结构化程序设计思想有了新的发展,本文正是为了适应新的情况,在反复推敲与使用的基础上,第一,提出了结构化控制流程图的改进方案,它比Ｎ－Ｓ图有更高的集成度,表示能力更强,使得用图形表示算法更方便;第二,提出了各种模块图的方案,它可以使模块化程序设计图形化,合起来就构成了一套完整的模块化结构化程序设计盒图系统,简称ＭＳ图。     

联合梯度直方图和局部二值模式特征的人体检测

针对采用单一梯度方向直方图(HOG)特征进行人体检测时易受竖直梯度分量干扰的缺点,提出了将分块局部二值模式(LBP)特征加入HOG特征的方法.首先,将检测窗口划分为大小为16×16的不重叠块,以块为单位统计LBP特征直方图,并通过大量实验获得了LBP算子的最佳参数;然后用优化过的插值方式计算HOG特征,将两者组成联合直方图.最后,用线性支持向量机(SVM)通过Bootstrapping的方式训练,得到判别模型.在INRIA人体库上的测试表明,检出率在误检率(FPPW)为10-4时由原始的89％提高到95％,单窗口检测速度由0.625 ms提高到0.533 ms.本文将纹理特征加入原始描述轮廓的HOG特征中,排除了部分梯度干扰信息造成的误检,提高了检出率.     

嵌入式系统中多媒体应用软件自适应预取

文中提供新的预取机制,提高多媒体应用软件的存储器性能.从应用软件中可以看出来这种方法使访问机制适应于访问模式.通过这样做提高性能,可用资源更好地被利用而且能耗也减少.     

一种抗视角变换的SURF匹配算法

针对传统的SURF匹配算法在图像搜索、物体识别中对视角变化大的图像特征点无法匹配的缺陷,提出了一种改进的SURF图像匹配算法。该算法利用模拟图序列的概念,即由原始图像模拟各种可能的视角变换生成的一组图像序列,对图像序列中的每幅图像进行SURF特征点提取;剔除冗余特征点后将模拟图序列中的特征点映射到原始图像中,这一过程增加了原始图像的特征点数量,特征点描述向量改用原始图像和多个模拟图的SURF特征描述向量共同表示;最后采用欧氏距离准则,最终得到两幅图像的正确匹配对。实验结果表明,本算法增加了特征点匹配对数,改善了视角变换过大(大于60°)使得图像无法匹配的情况。     

工业线阵CCD相机系统测试与噪声评估

为了快速评价工业线阵CCD相机质量,本文选择信噪比为评价因子,建立了测试系统,研究了基于相机输出图像测试相机噪声的方法。分析了线阵CCD相机的噪声,建立了一个基于固定模式和随机噪声的信噪比计算模型,并分析了相关双采样(CDS)过程对电源噪声的影响。设计了一套适于工业场所的相机快速信噪比测试系统,结合理论分析数据和实际测试图像数据,提出了仅通过输出的8bit图片计算各噪声参数的方案。最后,对测试系统引入的光源不均匀性噪声进行了讨论,并证明该实验平台光源符合工业标准EVM1288要求。实验结果表明:当相机模数(AD)转化设置为8.7dB时,输出信噪比可达44dB;若排除光源干扰,输出信噪比可达46dB。该方案简便快捷,满足工业现场对相机信噪比评估的要求。     

结构化流程图的回顾与改进意见

简要回顾了结构化流程图的发展,依照结构化程序设计的准则,给出了循环内“条件出口”的图形表示法,对N-S图作了多方面的改进,提高了集成度,使结构化流程图的绘制更方便、更直观。     

基于色彩空间的最大稳定极值区域的自然场景文本检测

针对传统的最大稳定极值区域（MSER）方法无法很好地提取低对比度图像文本区域的问题,提出一种新的基于边缘增强的场景文本检测方法。首先,通过方向梯度值（HOG）有效地改进MSER方法,增强MSER方法对低对比度图像的鲁棒性,并在色彩空间分别求取最大稳定极值区域;其次,利用贝叶斯模型进行分类,主要采用笔画宽度、边缘梯度方向、拐角点三个平移旋转不变性特征剔除非字符区域;最后,利用字符的几何特性将字符整合成文本行,在公共数据集国际分析与文档识别（ICDAR）2003和ICDAR 2013评估了算法性能。实验结果表明,基于色彩空间的边缘增强的MSER方法能够解决背景复杂和不能从对比度低的场景图像中正确提取文本区域的问题。基于贝叶斯模型的分类方法在小样本的情况下能够更好地筛选字符,实现较高的召回率。相比传统的MSER进行文本检测的方法,所提方法提高了系统的检测率和实时性。     

基于自适应相似组稀疏表示的图像修复算法

针对图像修复结果中存在的结构连续性和纹理清晰性较差的问题,提出了一种基于自适应相似组的图像修复算法。区别于传统的以单一图像块或固定数目图像块作为修复单元的方法,该算法根据自然图像中纹理区和结构区的不同特点,自适应地选取不同数目的相似图像块,构造自适应相似组;然后以相似组作为基本单元,学习自适应字典,并构造基于稀疏表示的图像修复模型;最后,采用Split Bregman Iteration算法高效地求解目标代价函数。实验结果表明,与基于图像块的图像修复算法和图像块组稀疏表示（GSR）算法相比,该算法在峰值信噪比（PSNR）上平均提高了0.94~4.34 dB,在结构相似性指数（SSIM）上平均提高了0.0069~0.0345,同时,修复速度分别是对比算法的2.51倍和3.32倍。     

双CMOS成像系统中运动模糊图像的复原

为获取高空间分辨率的清晰图像,设计了一种双CMOS成像系统.该系统的两片CMOS传感器可同时获取相同场景的图像.其中一片CMOS传感器获取高帧率、低空间分辨率的图像序列;另一片CMOS传感器获取低帧率、高空间分辨率的运动模糊图像.首先,通过光流法计算高帧率、低空间分辨率CMOS传感器获取图像序列的全局运动路径,在能量守恒和能量与积分时间成正比2个约束条件下估计运动模糊核初始值,通过贝叶斯准则交替迭代优化运动模糊核.最后,利用TV-L1方法从低帧率、高空间分辨率CMOS传感器获取的模糊图像中快速、有效地恢复出清晰图像.仿真和实验结果表明;有38％以上的仿真图像复原结果误差率小于2,且受噪声影响小,复原图像的振铃小.另外,能有效去除实拍图像的空间移不变运动模糊.