高速模数转换器应用技术（2）

3.3 ADC的动态技术指标表征高速ADC动态特性的主要技术指标可归纳如下:(1)积分线性误差和微分线性误差ADC的理想转换特性曲线是一条经过“零点”到“满度”点的直线.在第一个数码变迁之前,1/2LSB处作为“零点”,在最后一个数码变迁之后,11/2LSB处作为“满度”点.积分线性误差(INL)是指实际转换特性曲线与这条理想直线的最大偏差.每个数码的偏差都是用那个数码的中心值来度量的.在某种情况下,INL是相对最佳拟合直线来定义的,拟合曲线通常用最小二乘法求出.ADC的INL是由于ADC的模拟前     

一种适合低空机载平台SAR成像运动补偿方法

低空机载平台的运动存在剧烈的扰动和不确定性,使得通过其进行SAR成像的难度增大,本文提出了将快速后向投影(FFBP)算法和RTK系统高精度定位信息结合进行运动补偿,从而可以快速地获得高质量的SAR图像的方法。由于定义测绘区和成像过程中的子图像划分采用不同的坐标系,使得成像时需要对感兴趣区域进行锁定,本文提出成像区域锁定算法,能够进一步提高计算效率。最后将RTK系统的空间位置信息引入FFBP算法时本文分析了两种思路,一种是将航迹拟合为直线,将各个子图像的原点补偿至一条直线上,另一种思路是将子图像的原点补偿至一条曲线上,后者具有更高的补偿精度和适应性,但是同样也带来更高的复杂度,影响计算效率。通过两组实测数据的比较,本文认为在机载平台航线能够拟合为一条直线的情况下,应该采用近似补偿的方法以获得较高的计算效率。      

医用电子内窥镜光学镜头图像畸变数字校正方法

本文提出了一种新的大视场光学镜头畸变的计算机数值校正方法。首先设计了用于医用电子内窥镜的 12 0°大视场短焦距物镜 ,计算出 2 2个视场角的畸变值 ,通过这些畸变值拟合出视场角随畸变变化曲线。通过这条曲线可以计算出镜头在 CCD上所成图形的每一点的畸变值 ,进而计算出图像上每一点的理想位置 ,通过畸变图像上的点与理想图像的对应关系进行了计算机软件模拟校正 ,并设计了硬件校正电路。     

前视红外图像中机场的自动识别

特定目标的检测识别是自动目标识别(ATR)的关键技术之一.机场作为典型的地面目标,一直是自动目标识别领域的热点研究课题.跑道作为最重要的特征被用于机场识别,主要因为其边缘由长直线组成,而且面积大易寻找.在基于启发式的边缘跟踪、直线拟合、合并的基础上,提出了一种新的四边形识别算法.对比由跑道的先验知识经透视变换得到的四边形与检测的四边形对应边长是否一致,来进行前视红外(FLIR)图像中机场的识别.试验表明,本算法充分利用跑道更多的特征信息,增加了机场识别的鲁棒性,并具有良好的识别性能.     

空中目标自适应分段轨迹样式识别

常规空中目标轨迹识别方法能够识别单一轨迹样式,但对于复杂轨迹样式识别效果差。文中提出一种基于Softmax多分类网络的空中目标自适应分段轨迹识别算法。首先,通过滑窗在时间上遍历整条复杂轨迹序列,在窗内利用设计的拟合方程对窗内轨迹进行拟合,得到方程参数;然后,基于方程参数训练Softmax分类网络模型,完成基于方程参数的窗内轨迹样式识别;最后,考虑到窗内识别错误及其特征,将识别结果进行同类合并,并基于Haar小波重构对识别结果进行修正,消除离散错误识别结果。仿真结果表明：文中所提方法能有效地对复杂轨迹样式进行分段识别。     

可视图文中线条图形自动编辑的研究

本文提出了线条图形自动编辑的一种方法，通过对线条图形的跟踪采样获取图的信息。采样通过移动采样窗口跟踪曲线，在采样窗口内求线段的重心来实现，对获得的采样点，用模糊学的方法进行延伸与归并，以获取支撑点与支撑点之间图形元素的类型，从而实现线条图形的识别与编码。     

红外图像中机场跑道的自动目标识别

针对红外机场跑道图像特点，提出了一种用于提取跑道中心点的算法。该算法包括空域滤波、边缘增强、边缘细化、边缘搜索、直线拟合、直线修正、中心点识别等一系列处理。实验结果表明，这种算法具有良好的性能。     

大功率LED寿命的理想因子表征

提出了用理想因子n评价大功率LED可靠性的新方法.通过对大功率LED I-V曲线的拟合计算出理想因子n的数值,对大功率LED进行电流加速老化试验,用最小二乘法算法将lnφ-t关系拟合成一条直线从而测得大功率LED的寿命,并据此讨论了大功率LED的理想因子与其寿命的关系.实验结果证明,理想因子n可以用于评价大功率LED的可靠性.     

利用图像畸变对称性实现相机中心位置标定

分析了图像的畸变特征,提出一种新的相机中心标定的方法.在提出的四点假设前提下,认为图像畸变有中心对称的特点.采用高斯曲线拟合有畸变的直线,多条平行直线的畸变拟合高斯曲线的顶点连线将经过图像中心.通过对多簇不平行直线的畸变曲线拟合,可获得多条过图像中心的直线,联合求解得到图像的中心位置.这种直接获得图像中心的方法,无须已知任何外部参数,算法简单且计算复杂度低,结果的稳定性好,在实验中取得良好的效果.     

用于图形识别的全息法

美国桑迪亚国家实验室的科学家小组研制出一种新的光学图形识别全息技术。这种技术使用全息法，目标的象虽有畸变但仍能检测和识别。现有的全息图形识别系统，使它与储存在全息模板内的信息相匹配，便能迅速识别目标，但是这种系统有一个根本限制，即目标象必须与模板的规模、转角和观察角完全匹配。