Soc微电子技术的应用与发展

该文主要讲述的是在电子技术飞速发展的今天,Soc微电子系统在我们生活和生产中的应用和发展前景,它是集成电路发展的必然趋势,为适应市场需要,Soc工艺已经达到25微米乃至更小的标准,那么我们就来看看它给我们的生活带来了什么。     

图形处理器通用计算的实现与验证

讨论了显示卡用于通用科学计算的问题,并以大型矩阵的基本运算问题详细比较了CPU和GPU计算之间的差别。在基本的矩阵运算中,运用适当的矩阵分块,GPU的计算速度比CPU快50倍左右。而且,显示卡低廉的价格为更多科研工作者实现大规模运算提供了可能。     

基于DSP的CIS信号采集与处理技术

CIS(接触式图像传感器)是一种新型图像传感器。介绍了CIS的主要结构、特点和工作原理，提出了一种基于DSP的CIS信号采集与处理方案。与传统的图像采集系统相比，该系统由于采用CIS作为图像传感器，DSP作为控制和运算核心，因而具有电路简单，控制方便的特点。最后，给出了该系统在实际应用中的工作波形。     

DSP技术的现状及发展

本文描述了ＤＳＰ技术的三个不同发展阶段,ＤＳＰ器件的特点,国外ＤＳＰ的主要生产公司及其主导产品,并介绍了ＤＳＰ今后的发展方向。     

微电子技术的发展趋势与展望

本文叙述了世界微电子技术和集成电路的芯片工艺、设计及封装技术 ,对今后可能出现或将成为主流产品的微电子器件作了分析与展望。最后浅析了我国微电子技术及集成电路的发展对策     

现代电子技术在机械中的应用

进入21世纪，信息科技、电子技术的迅猛的发展，电子市场的竞争越来越激烈。电子产品在社会中的应用是越来越丰富，提供广大居民生活中的很多便利，伴随着电子产品更多的进入百姓生活的各方各面．电子产品的质量、其产品的开发周期、产品的上市周期越来越受到各电子产品开发商的重视。本文我们就从汽车电子化这个侧面来看现代电子产品是如何逐步变化的，并以大家都熟悉，但是绝大多数人却又不知所以然的ABS防抱死系统来详细剖析其全电子化实现自动控制的过程。     

微电子机械系统的发展与希望

本文着重介绍了微电子机械系统的一些最新研究成果及目前技术，工艺，市场的现状。     

对话龙芯与IC设计

最近,中国的芯片业无论“人气”还是“钱气”均直线升温,这成为了不争的事实。即使在被美国《时代》周刊称为“历史上最悲壮的一年”(全球芯片制造业的销售收入锐减30％多),中国集成电路依然增长了8％。与此同时,“方舟”、“龙芯”等一批嵌入式CPU和军用CPU芯片的投产,熊猫IC CAD设计系统的开发成功等等,标志着我国在 IC 领域自主知识产权方面也取得了突破性进展。为此,我们联系到了龙芯CPU设计项目负责人唐志敏教授,并邀请了两位专家在中科院计算所的会议室进行对话,一起探讨龙芯和IC设计产业的发展。     

彩色图像边缘检测算法

本文分析了常用的梯度算法,提出了针对灰度图像和彩色图像的改进思路,并编程实现这些算法。在RGB空间上实现的彩色图像边缘增强算法,可直接用于二值图像和灰度图像。改进后的算法简单易行,能有效地增强图像的边缘,具有较好的实用价值。     

基于HSL空间彩色图像多结构元形态边缘检测

构建了一类在HSL颜色空间基于多结构元彩色形态边缘梯度检测算法实现彩色图像边缘检测新算法,多结构元形态边缘检测有着比单一结构元素形态边缘检测更优越的性能。该方法是把RGB空间的彩色图像转换到HSL空间,并且定义了在HSL空间的彩色形态学基本算子,提出了改进的多结构元彩色形态边缘检测算法。经过大量实验证明,该算法在有噪声的干扰下,比传统的方法能够更好地抑制噪声并提取有用的图像边缘信息,能满足不同的应用需要。     

基于图像特征的边缘检测

针对传统边缘检测算子在检测效果与抗噪方面的不足,提出基于图像特征的边缘检测方法,综合考虑图像的梯度特征、相位特征以及噪声的影响,以方向能量和由直方图差分算子计算的亮度梯度为图像特征进行边缘检测。对提取的特征值进行训练,得到边缘点与非边缘点的特征均值;依据近邻准则对检测图像的特征值分类,提取边缘;建立评价函数评价边缘的质量。仿真结果表明该算法可以取得很好的检测效果,同时具有一定的抗噪声性。     

基于多重分形的医学图像边沿分析

本文提出了应用在医疗诊断上的一种基于多重分形分析的边缘检测方法,并应用在变形性骨炎的诊断中,该方法通过定义在图像灰度级上的测度,计算图像中每一个像素点的奇异性和它的多重分形谱,然后根据多重分形谱,提取图像的边缘信息.经试验表明,该算法具有良好的边缘检测效果,而且与传统方法相比具有更好的局部性.并且在医疗诊断中有广泛的应用前景.     

采用双尺度图像分解的水下彩色图像增强

目的 为解决水下图像的色偏和低对比度等问题,提出一种基于双尺度图像分解的水下彩色图像增强算法。方法 通过基于均值和方差的对比度拉伸方法改善图像的色偏问题,并利用中值滤波降低红通道对比度拉伸后引入的噪声;采用双尺度图像分解绿通道图像补偿红通道图像细节;在处理后的红通道图像中引入原始图像红通道的真实细节与颜色。结果 选取不同水下图像作为实验数据集,将本文方法与暗通道先验的方法、基于融合的方法、自动红通道恢复方法以及一种基于卷积神经网络深度学习的方法相比较,首先从主观视觉效果进行定性分析,然后通过不同评测指标进行定量分析。主观定性分析结果表明,提出的方法相比较其他方法能够更好地解决图像色偏和红色阴影问题;定量分析中,自然图像质量评价（natural image quality evaluation,NIQE）指标和信息熵（information entropy,IE）值较基于融合的方法和深度学习的方法分别提高了1.8%和13.6%,且水下图像质量评价指标（underwater image quality measurement method,UIQM）较其他方法更优。结论 提出的双尺度图像分解方法利用水下图像成像特点解决图像色偏以及低对比度问题,具有良好的适应能力,同时算法复杂度低且鲁棒性较高,普遍适用于复杂的水下彩色图像增强。     

基于LLE的边缘保持图像平滑算法

现有全局优化算法都使用不同范数约束输出图像梯度来实现图像平滑,但会牺牲图像中的弱结构信息来达到较好的平滑性能,导致输出图像出现颜色失真和细节模糊的情况。针对上述问题,提出一种基于LLE的边缘保持图像平滑算法(edge preserving image smoothing algorithm based on LLE,Ep-LLE),引入局部线性嵌入(LLE)的思想作为优化函数的正则化项并采用L₂范数进行惩罚。该方法利用图像局部区域内像素存在的相互关系,通过约束局部相似以实现图像平滑任务。最后通过各个算法的实验对比验证,基于LLE的边缘保持图像平滑算法能在实现图像边缘保持平滑的同时,保留图像局部结构特征,并有效避免区域内颜色一致导致的边缘阶梯状现象,避免图像颜色失真。     

基于多重分形描述的图像边缘检测方法

一、引言 边缘是图像的最基本特征.边缘中包含着有价值的目标边界信息,这些信息可以用于图像分析、目标识别以及图像滤波.传统的边缘检测算子有Marr算子、Robert算子、Sobel算子、拉普拉斯算子等方法,其核心思想是假设边缘点对应于原始图像灰度级梯度的局部极值点.     

图像分解与色彩先验下的多曝光图像融合

目的 多曝光图像融合（multi-exposure fusion，MEF）是利用一组不同曝光度的低动态范围（low dynamic range，LDR）图像进行合成，得到类似高动态范围（high dynamic range，HDR）图像视觉效果图像的过程。传统多曝光图像融合在一定程度上存在图像细节信息受损、边界不清晰以及部分色彩失真等问题。为了充分综合待融合图像的有效信息，提出了一种基于图像分解和色彩先验的双尺度多曝光图像融合方法。方法 使用快速导向滤波进行图像分解，分离出细节层对其进行增强处理，保留更多的细节信息，同时减少融合图像的光晕伪影；根据色彩先验，利用亮度和饱和度之差判断图像曝光程度，并联合亮度与饱和度之差以及图像对比度计算多曝光图像融合权重，同时保障融合图像的亮度和对比度；利用导向滤波对权重图进行优化，抑制噪声，增加像素之间的相关性，提升融合图像的视觉效果。结果 在24组多曝光图像序列上进行实验，从主观评价角度来看，该融合方法能够提升图像整体对比度及色彩饱和度，并兼顾过曝光区域和欠曝光区域的细节提升。从客观评价标准分析，采用两种不同的多曝光图像序列融合结果的质量评估算法，评价结果显示融合性能均有所提高，对应的指标均值分别为0.982和0.970。与其他对比算法的数据结果比较，在两种不同的结构相似性指标上均有所提升，平均提升分别为1.2%和1.1%。结论 通过主观和客观评价，证实了所提方法在图像对比度、色彩饱和度以及细节信息保留的处理效果十分显著，具有良好的融合性能。     

Edge based features for content based image retrieval

The common problem in content based image retrieval (CBIR) is selection of features. Image characterization with lesser number of features involving lower computational cost is always desirable. Edge is a strong feature for characterizing an image. This paper presents a robust technique for extracting edge map of an image which is followed by computation of global feature (like fuzzy compactness) using gray level as well as shape information of the edge map. Unlike other existing techniques it does not require pre segmentation for the computation of features. This algorithm is also computationally attractive as it computes different features with limited number of selected pixels.     

A new approach for color image segmentation based on color mixture

The aim of this paper is to propose a new methodology for color image segmentation. We have developed an image processing technique, based on color mixture, considering how painters do to overlap layers of various hues of paint on creating oil paintings. We also have evaluated the distribution of cones in the human retina for the interpretation of these colors, and we have proposed a schema for the color mixture weight. This method expresses the mixture of black, blue, green, cyan, red, magenta, yellow and white colors quantified by the binary weight of the color that makes up the pixels of an RGB image with 8 bits per channel. The color mixture generates planes that intersect the RGB cube, defining the HSM (Hue, Saturation, Mixture) color space. The position of these planes inside the RGB cube is modeled, based on the distribution of r, g and b cones of the human retina. To demonstrate the applicability of the proposed methodology, we present in this paper, the segmentation of “human skin” or “non-skin” pixels in digital color images. The performance of the color mixture was analyzed by a Gaussian distribution in the HSM, HSV and YCbCr color spaces. The method is compared with other skin/non-skin classifiers. The results demonstrate that our approach surpassed the performance of all compared methodologies. The main contributions of this paper are related to a new way for interpreting color of binary images, taking into account the bit-plane levels and the application in image processing techniques.