纯二维5/3小波变换及其在CT图像无损压缩中的应用

小波变换在数字图像处理领域有着广泛的应用,其对图像的处理常采用行列分离处理方式,这种方式不能完全吻合人眼视觉特性.针对这一情况,构造了一种与人眼视觉特性更加吻合的纯二维小波变换处理方式.首先,由一维5/3小波滤波器组通过McClellan变换构造纯二维5/3小波滤波器组,并用提升格式实现;然后,用该提升格式与纯二维Lazy小波滤波器组相嵌套的形式实现图像的纯二维5/3小波变换.为了便于工程应用,给出了其变换规程.将纯二维5/3小波变换用于CT图像的无损压缩,实验证明:对于512 dpi×512 dpi尺寸的CT图像,纯二维5/3小波变换无损压缩效果高于二维可分离5/3小波变换,每幅图像可平均节省1 989.9 byte.     

在线式DPIV系统的开发与应用

介绍了一种自行研制的在线式数字粒子图像测速系统,首先说明这种系统的主要特点,然后从系统的硬件组成和软件结构两个方面进行了介绍.该系统的软件部分是整个系统的研究重点,包括图像采集模块,自相关图像分析模块、互相关图像分析模块以及数据后处理模块等.为了验证该系统的有效性,设计了水流流场分布的测量实验,实验结果表明系统能够提取出合理的水流流场速度分布.最后,利用该系统分析内燃机缸内流场的PIV图像,得到了内燃机缸内流场的流速分布.     

基于块稀疏的电阻抗成像算法

该文提出一种基于自适应块稀疏字典学习的电阻抗图像重建算法,构建了分块稀疏字典,较好地保留了重建图像的细节信息;同时,将字典学习与图像重建交替进行,并将迭代重建的中间结果作为稀疏字典的训练样本,有效提高了字典学习效果。数值仿真与实验重建结果表明,新方法对电阻抗成像系统测量噪声具有较好的鲁棒性,能准确重构电导率分布图像,特别是对突变细节的准确恢复。     

室内机器人动态手势指令识别系统研究

针对目前室内移动机器人手势指令识别系统存在的问题,对图像传感器与机器人相分离的图像采集方案进行了研究,并利用动态手势指令对机器人进行控制。动态手势指令识别方法是对手的不同运动轨迹进行识别,通过皮肤颜色模型和手势中心点方向向量法追踪得到手势运动轨迹,提取手势运动轨迹的特征向量,通过基于动态时间规整（DTW）实现对轨迹的识别。实验结果表明,该系统可以实现对机器人前进、后退、左转、右转的实时控制。     

利用混沌提高dc/dc变换器的EMC性能

为了提高dc/dc变换电源的电磁兼容性,基于混沌现象的宽频谱特性提出了一种新的dc/dc变换器控制策略。首先推导了能够产生可控幅度混沌序列的Logistic映射形式,然后利用混沌序列对电流滞环控制策略的电流参考值进行扰动。从而扩展了电感电流的功率谱,降低了在开关频率及其谐波频率上发射的电磁干扰。仿真研究证明,该控制策略可以改善dc/dc变换器的电磁兼容性能。     

PWM型DC/DC变换器中混沌控制的仿真研究

该文研究如何利用OGY混沌控制技术来消除DC/DC变换器的混沌状态.首先利用数据采样方法得到系统的离散模型,利用计算机技术由该离散模型进行可以得到系统的分叉图,从分叉图中可以看到DC/DC变换器发生了混沌、分叉等非线性现象,然后从理论上说明了如何利用OGY混沌控制策略把工作在混沌状态的DC/DC变换器控制到周期状态,最后利用计算机对DC/DC变换器进行仿真研究,仿真结果证明了该文中基于OGY方法DC/DC变换器混沌控制策略的有效性.     

无刷直流电机启动过程仿真研究

研究无刷电机启动优化稳定性控制问题,在无刷直流电机启动过程中,预定位阶段转子到达平衡位置时会出现震荡现象,加速阶段电机换相时间曲线难以确定,电机启动的稳定性变差。为了使电机能够快速平稳启动,提出用三段式启动方式,采用一种电机外加电压逐渐增加的转子预定位方法。首先利用Park变换和Clark变换对转子预定位过程进行数学建模分析,同时对强推加速阶段进行仿真。仿真结果可以表明方法可以使转子平稳旋转到平衡位置,并通过研究换相时,减小了对启动过程的影响,为实际无刷直流电机优化控制设计提供理论依据。     

汽车电动助力转向测试台设计

为了提高电动助力转向装置安装到汽车上的成功率和提高助力转向装置的安全可靠性,在安装前对其进行室内测试是非常必要的.本文开发了一套电动助力转向装王的测试设备,该测试台用砝码产生的力矩来模拟汽车转向的阻力矩,转向装置被固定在测试台上,扭矩传感器、角度传感器等采集到的教据通过数据采集卡传送至上位工控机,同时将车速信号、助力电动机电压和电流等也被传至上位工控机,在模拟实车运行情况下对转向装置的特性参数进行测试.     

全数字BLDCM调速系统中基于SPI技术的变量观测器

文章介绍了利用SPI技术设计并实现了全数字BLDCM调速系统中的变量观测器，以及该观测器在BLDCM调速系统中的实际应用。     

基于时序性面部动作信息的驾驶员状态检测框架

通过网络摄像头获取驾驶员面部视频输入网络进行检测的方法主要通过分析驾驶员口型等面部表情来判断是否疲劳驾驶,但说话等很多类似的状态也被误检为疲劳。针对以上问题提出了一种基于时序性面部动作信息的检测框架,对驾驶员状态进行检测,从而提高检测准确率、降低误检率。该框架通过检测视频中的脸部轮廓,提取脸部的多种特征,形成面部动作单元;通过训练对应的LSTM网络,形成时序性的面部动作单元,根据其相关性进行多种动作单元融合,检测最终驾驶员的状态。在公共YawDD数据集上的检测结果表明,相比于现有的方法,该检测方法的准确率提高到了93.1%,同时大幅降低了疲劳状态的误检率。