基于小波域的图像噪声类型识别与估计

提出了一种基于小波域分解的类型识别方法．该方法利用噪声图像的小波高频子带系数能量分布,对图像中最常出现的两类噪声：高斯噪声和椒盐噪声进行识别,并在此基础上对高斯噪声的方差和椒盐噪声的密度进行了估计．对大量含噪图像的实验结果表明：该方法对图像噪声类型的识别和噪声大小的估计都比较准确．     

8098单片机的主从式并行通信

介绍了如何应用8255实现8098单片机的主从式并行通信，介绍了通信接口的设计和通信程序的设计。     

微机控制的公共汽车自动报站系统

介绍了由8031单片机、LED显示器、ISD2590语音芯片等组成的公共汽车自动报站系统的设计方法。阐述了系统的硬件设计和软件设计。     

水中硫化物的测定

依据国标HJ 1226-2021《水质硫化物的测定亚甲基蓝分光光度法》,分别采用2种前处理设备对水中的硫化物含量进行了测定,检出限分别为0.008 mg/L、0.009 mg/L;测定下限为0.032 mg/L、0.036 mg/L;精密度分别为：2.1%,3.3%,4.3%和3.0%,1.1%,2.4%。结果显示：2种设备均具有检出限低,正确度高,精密度好,一次可以检测多个样品,大大提高了工作效率,对水中硫化物前处理设备的选择提供了参考依据。     

搅拌机叶片的改进

一些小型施工企业中,JG250型混凝土搅拌机还在服役。为更好的发挥该设备的作用,可对叶片进行改制。JG250型混凝土搅拌机在使用中经常出现罐体内壁粘结灰浆,每班作业完,无论怎样清洗,罐内总是残     

现代化计量所微机网络管理

广东省东莞市是以外向型经济为主的现代化城市 ,全市拥有１３０００多家外商投资企业。随着进出口贸易的增加 ,实验室间比对、技术交流的加强 ,企业对我市的计量工作提出了更高的要求。我所立足《计量法》 ,自行创建了我所风格的计算机管理系统。我所的计算机网络管理系统在充分考虑到目前的实际业务需要和应用功能的基础上 ,同时适应网络的扩充性、经济性和运行条件的要求 ,建立基以Ｗｉｎ ｄｏｗｓＮＴ的客户机 /服务器结构的内部办公局域网系统。网络系统采用１０Ｍｂｐｓ的星型拓扑结构。在软件应用上考虑到大部分人员的计算机水平及其…     

基于PXA255的车载称重系统开发

针对车辆称重系统以及治理超载现象的现状,提出一种新的车载称重解决方案.阐述系统的总体设计规划,介绍系统关键部分的软硬件解决方案及其设计流程,并对CAN总线模块扩展和Windows CE的内核定制进行详细阐述.试验结果表明:采用INTEL PXA255处理器及Windows CE系统设计的车载称重系统操作简单、可靠,可扩展性好,可远程监控及智能化管理.     

基于坐标注意力的轻量级交通标志识别模型

针对交通标志识别模型检测速度与识别精度不均衡,以及受遮挡目标和小目标难以检测的问题,对YOLOv5模型进行改进,提出一种基于坐标注意力（CA）的轻量级交通标志识别模型。首先,通过在主干网络中融入CA机制,有效地捕获位置信息和通道之间的关系,从而更准确地获取感兴趣区域,避免过多的计算开销;然后,通过在特征融合网络中加入跨层连接,在不增加成本的情况下融合更多的特征信息,提高网络的特征提取能力,并改善对遮挡目标的检测效果;最后,引入改进的CIoU函数计算定位损失,以缓解检测过程中样本尺寸分布不均衡的现象,并进一步提高对小目标的识别精度。在TT100K数据集上应用所提模型时,识别精度达到了91.5%,召回率达到了86.64%,与传统的YOLOv5n模型相比分别提高了20.96%和11.62%,且帧处理速率达到了140.84 FPS。实验结果比较充分地验证了所提模型在真实场景中对交通标志检测与识别的准确性与实时性。     

基于小波变换和反馈的车牌字符分割

提出一种基于小波变换和反馈的车牌字符分割算法.首先,对车牌图像进行预处理;其次,根据车牌图像的垂直投影进行字符粗分割;最后,通过两级反馈进行字符精分割.第一级反馈是字符个数与字符宽度反馈,第二级反馈是字符识别反馈.在字符识别反馈中,对字符区域图像的垂直投影进行小波变换,利用其低频系数重构垂直投影;最后根据纹理特征进行字...     

参数合成空间变换网络的遥感图像一致性配准

目的 遥感图像配准是对多组图像进行匹配和叠加的过程。该技术在地物检测、航空图像分类和卫星图像融合等方面发挥着重要作用，主要有传统方法和基于深度学习的方法。其中，传统遥感图像配准算法在进行配准时会耗费大量人力，并且运行时间过长。而基于深度学习的遥感图像配准算法虽然减少了人工成本，提高了模型自适应学习的能力，但是算法的配准精度和运行时间仍有待提高。针对基于深度学习的配准算法存在的问题，本文提出了参数合成的空间变换网络对遥感图像进行双向一致性配准。方法 通过增加空间变换网络的深度、合成网络内部的参数对空间变换模型进行改进，并将改进后的模型作为特征提取部分的骨干网络，有效地提高网络的鲁棒性。同时，将单向配准方法改为双向配准方法，进行双向的特征匹配和特征回归，保证配准方向的一致性。然后将回归得到的双向参数加权合成，提高模型的可靠性和准确性。结果 将本文实验结果与两种经典的传统方法SIFT（scale-invariant feature transform）、SURF（speeded up robust features）对比，同时与近3年提出的CNNGeo（convolutional neural network architecture for geometric matching）、CNN-Registration（multi-temporal remote sensing image registration）和RMNet（robust matching network）3种最新的方法对比，配准结果表明本文方法不仅在定性的视觉效果上较为优异，而且在定量的评估指标上也有不错的效果。在Aerial Image Dataset数据集上，本文使用"关键点正确评估比例"与以上5种方法对比，精度分别提高了36.2%、75.9%、53.6%、29.9%和1.7%；配准时间分别降低了9.24 s、7.16 s、48.29 s、1.06 s和4.06 s。结论 本文所提出的配准方法适用于时间差异变化（多时相）、视角差异（多视角）与拍摄传感器不同（多模态）的3种类型的遥感图像配准应用。在这3种类型的配准应用下，本文算法具有较高的配准精度和配准效率。