红外弱小目标的匹配方法研究与仿真

研究红外图像中的目标匹配问题。针对传统的红外图像中目标匹配效果不理想,匹配不准确。当红外图像中是弱小目标时,背景灰度值与目标灰度值非常相近,灰度直方图均衡化无法实现目标与背景的完整分离,导致漏匹配率较高的问题。为提高目标的匹配精度,提出一种形态学预处理的红外目标匹配方法,通过形态学算法提取出图像中的形状信息,利用形状信息将红外图像中的目标与背景完整分离,避免了只依靠灰度图像信息造成的不能完整分离目标与背景带来的漏匹配问题。进行仿真的结果证明,采用的形态学与处理的匹配方法能够完整将目标与背景分离,成功完成目标匹配,取得了满意的结果。     

基于开源平台的网络镜像部署方案

介绍了一种基于开源平台的网络镜像部署方案。方案基于C／S架构,客户端的安装采用了基于PXE的远程启动模式,因此不需要为客户端进行手动安装,从而可以使无系统客户机也能向服务端发起镜像部署请求。网络镜像部署的实现充分吸纳了UDPcast、Partclone以及tftpd32等优秀的已有开源项目,避免了重复的开发工作,编写的调度、UI模块解决了开源软件操作不友好的缺点。实际测试显示,该方案己具有良好的实用价值,所用的系统架构也值得推广到其他应用场合。     

基于图像识别的网络数据单向传输系统研究和实现

网络数据单向传输问题在人类生产生活中具有十分广泛的应用,但目前对该问题还没有较为完善的解决方案。在分析该问题几种方案存在不足的同时,提出并实现了一种全新的基于图像识别原理的网络数据单向传输解决方案。实验证明,这种新的解决方案在具备完全物理隔离优点的同时,具有实现简单、便于推广的特点,在一定程度上优于现有常用的解决方案。     

关于节目主持人形象塑造教学过程中的技巧探析

节目主持人的形象直接影响着整个节目的质量,文章针对节目主持人形象问题的塑造展开了研究和分析,同时结合在实际教学中经常出现的问题,从主持人形象要求教学模式的实际情况出发,阐述和分析了主持人形象塑造教学过程中的教学技巧和方法。     

基于偏微分的图像放大算法研究

在研究图片放大算法中,分析了现有的运用偏微分算法在图像法大中的不足,利用图像放大过程中的边缘信息可预知性,本文提出一种新的基于偏微分方程的图像放大算法,这种算法通过将图像边缘检测、平滑处理,然后采用三次样条插值算法对边缘进行相应倍数的放大,并通过对可能出现的锯齿边缘进行细化处理;将处理过的边缘作为放大图像的边缘,从而可以将源图像的边缘很好的保持下来,避免了偏微分方程放大过程中出现的边缘模糊现象。实验结果显示,该方法是一种能够很好的保存图像的边缘信息的图像放大算法。     

同态滤波在人脸识别中的应用研究

论文首先对人脸识别进行了介绍,通过对人脸识别系统的分析指出预处理在人脸识别中的重要性。然后对已有的人脸识别预处理法作了详细的介绍,并对各种方法进行比较。最后针对光照对人脸图像的影响还提出了同态滤波的方法,在预处理阶段消除光照对人脸图像的影响,实验结果表明,此种方法可以提高识别率。     

图像处理中模糊算法问题的分析

图像处理是计算机常用技术之一,模糊算法的运用有助于提高图像处理的效果。传统图像处理存在诸多弊端,影响了用户获取信息的便捷性。本文分析了图像处理的基本操作内容,并阐述了模糊算法在图像处理流程中的运用,以进一步提升原始图像处理的效果。     

一个与Ethernet兼容的多媒体实时传输协议的设计

为适应办公自动化的需要, 探讨了一种集图像( 声音)/ 数据服务于一体的多媒体传输协议, 对协议的集成策略及执行过程进行了详尽说明, 并给出了协议进程的形式描述。经仿真运行证明, 用该协议实现的介质访问控制器( MAC) 能与传统的Ethernet MAC 共存于一个Ethernet 网上。该协议能满足图像( 声音) 的实时传输要求, 该协议只是对MAC 而言的, 因而对现存的数据链路层以上的协议无影响。     

非线性滤波在射线图像降噪增强中的应用

射线数字成像是当前射线检测与诊断技术发展的方向，图像降噪增强是提高射线成像检测灵敏度和分辨力的关键。重点探讨以排序滤波为代表的非线性滤波图像降噪增强方法，对射线图像的处理表明，线性滤波在降噪的同时会引起较大的边级模糊，而排序滤波不仅降低噪声且能保持图像细节，提高图像质量效果明显。     

Application of neuro-fuzzy techniques in oil pipeline ultrasonic nondestructive testing

This paper presents a novel approach to the problem of nondestructive pipeline testing using ultrasonic imaging. The identification of the flaw type and its dimensions are the most important problems in the pipeline inspection. Unlike typical methods, a decision based neural network is used for the detection of flaws. We train a generalized regression neural network to determine the dimensions of the corrosions and generate the whole image of both the internal and external walls of the oil pipeline. As an improvement to the detection algorithm, we introduce fuzzy decision-based neural network algorithms for the detection and classification of the corrosions. The simulation and experimental systems results show that these new methods outperform the existing methods.