基于Radon变换和HSV彩色模型的倾斜车牌校正

倾斜车牌校正是车牌识别系统中字符分割前的必要步骤。车牌的倾斜方式可以分为水平倾斜、垂直倾斜和混合倾斜。采用Radon变换来检测倾斜车牌的水平和垂直倾斜角,首先对倾斜车牌进行水平校正,然后基于HSV彩色模型对车牌区域颜色进行提取,进而去除非车牌区域的干扰,最后运用仿射变换对图像进行垂直校正。     

D类功率放大器的设计与实现

传统音频功率放大器主要是指线性放大器,而随着人们的居住条件的改善,传统的音频功率放大器效率低、体积大很难满足人们的要求,为了满足人们不断对高保真音乐的追求,D类功率放大器应运而生,由于它具有较高的效率、体积小、易集成化等诸多优点已经成了便携式音频市场的新宠,系统以高效率音频功率放大器为核心,输出开关管采用高速VMOSFET管,连接成互补对称H桥式结构,滤波器采用两个相同的四阶Buttenworth低通滤波器.最大不失真输出功率大于1W,平均效率可达到78％左右,兼有输出1∶1双变单电路,功率测量.     

基于多特征的PSO-MSVM动态过程质量异常模式识别

为了提高动态过程质量异常模式识别效率,将动态过程质量模式的均值特征与小波包分解特征作为分类特征,并构建两层多支持向量机识别模型进行分类.利用均值特征,在第一层MSVM中把动态过程变化趋势划分为正常与周期、上升与向上阶跃、下降与向下阶跃三大类别;采用小波包分解特征,在第二层MSVM中对这三大类别进行再分类.仿真结果表明提出的识别模型的识别精度相比采用单一特征的识别模型有明显提高.     

超声回波信号的多阈值分段去噪方法研究

通过构建超声回波信号模型,将基于小波包阈值去噪应用在超声回波信号研究中。针对超声回波信号的非平稳性,提出一种多阈值分段去噪方法应用于超声回波信号的去噪研究中。仿真实验表明,采用的多阈值分段去噪克服了单阈值规则的局限性,能够较好地处理超声信号中的噪声分量。     

一种基于小波分解的新型海杂波抑制方法

针对不同分布海杂波的抑制及目标检测问题,首次将自适应噪声对消器应用在海杂波的处理中,并且将此对消器与小波分解理论相结合来抑制海杂波,提取出目标。首先,对含有目标的海杂波信号进行小波分解。然后,类比自适应噪声对消器模型,设计一种自适应杂波对消器。将经小波分解后的信号作为自适应杂波对消器的输入信号,经过自适应杂波对消器输出的信号即为杂波抑制的结果。最后,通过MATLAB仿真,分析采用不同的小波基函数和不同的分解层数的杂波抑制效果,验证此种算法对于海杂波抑制的有效性。     

基于多尺度核函数的铆接件腐蚀疲劳预测

目前腐蚀疲劳破坏预测方法精度不高.提出基于小波多分辨分析法(MRA),在再生核希尔伯特空间构建一种多尺度核函数的最小二乘支持向量机(multi-scale kernel LSSVM,MSK_LSSVM)预测算法.根据Mercer平移不变核定理,构造了多尺度复Gaussian小波核函数.由于多尺度核函数能够通过平移生成L2(R2)子空间的一组完备基,因此MSK_LSSVM可以任意逼近目标函数,更具灵活性.经仿真实验验证,与BP神经网络方法、标准支持向量机、灰色系统预测模型方法对比,机械结构中铆接件腐蚀变化的趋势通过MSK_LSSVM预测,准确率高、时间短.     

基于(2D)2-KL变换的小波域图像融合算法

为使融合后的图像在尽可能保留源图像细节信息的同时,还能够有效提高源图像的对比度,提出基于(2D)2-KL((2D)2-Karhunen-Loeve)变换的小波域图像融合算法.首先用(2D) 2-KL变换直接对图像信息进行分析,并构建协方差阵,提取图像的重要特征,然后将其主要特征输入到小波域中.在此基础上,对小波变换分解得到各子带系数,用一定的融合策略进行融合.低频子带含有图像的轮廓信息,引入加权因子指导低频子带系数进行融合.实验结果表明,提出的算法有效提高了图像的对比度,并且很好地保留了图像的细节信息,无论在视觉角度上,还是在各种客观性能评价上都比其它传统方法取得了更佳的融合效果.     

复形态双向联想记忆网络及其性能分析

基于复数环(C,∨,∧,+)提出了复形态双向联想记忆网络模型,给出了神经网络实现双向完全联想记忆的条件,并分析了自联想的存储能力、稳定性和收敛性及神经网络的抗噪声能力.当复数虚部取零时即为实数,实数域形态双向联想记忆网络就是复数域形态双向联想记忆网络的特例.最后通过仿真实验验证复形态双向联想记忆网络的有效性.     

小波树和Fisher线性鉴别的人脸识别

结合小波树和子空间分析中Fisher线性鉴别方法,本文提出基于小波树和Fisher线性鉴别的人脸识别算法(WAFLD)。该算法先利用小波变换公式,在人脸图像上计算出一个小波近似分量和三个细节分量;然后对小波近似分量进行二次小波分解,相应地计算出各小波近似分量;其后对三层分解的小波近似系数进行重新组合,得到一个新的样本集;最后在此样本集上使用Fisher线性鉴别方法进行人脸识别。ORL和CAS-PEAL-R1人脸库的实验结果表明,与Fisherfaces和Eigenfaces方法相比较,WAFLD方法的人脸识别率为99%,对光照条件、脸部表情变化有良好的鲁棒性。     

用两层分类算法进行视频烟雾检测

为提高视频烟雾检测的准确性,提出一种基于概率的两层最近邻自适应度量分类算法(PTLNN)来进行烟雾检测.该算法以最小化平均绝对误差为原则,结合AdaBoost和KNN算法的优势,充分考虑局部和全局的样本分布,能明显提升分类精度.采用离散余弦变换(DCT)和离散小波变换(DWT)两种方式对烟雾特征进行提取,并验证算法性能.通过与传统算法的对比实验发现,采用离散余弦变换并结合PTLNN算法在视频烟雾检测方面具有更好的效果,既满足实时性要求又提高了检测精度.