基于彩色图像的人民币新旧识别算法仿真

人民币新旧程度的识别算法是改善纸币清分效果的关键.针对目前采用灰度直方图算法来区分纸币新旧程度,识别效果易受光照条件影响的问题,提出了基于HSI颜色格式的彩色图像纸币新旧识别算法:取色度H分量和饱和度S分量作为特征参数,分别计算色调H和饱和度S直方图.提取计算样本图像的色度直方图和饱和度直方图与模板图像的相关系数.由相关系数的量化结果,设计不同的阈值,根据相似程度的不同,判断结果将纸币分为"新"、"一般"和"旧"3个等级.并通过实验验证了该算法的可行性和优越性.     

自适应梯度重建分水岭分割算法

目的 针对灰度分水岭算法存在过分割且难以直接应用到彩色图像分割的问题,提出一种自适应梯度重建分水岭分割算法。方法 该方法首先利用PCA技术对彩色图像降维,然后计算降维后的梯度图像,并采用自适应重建算法修正梯度图像,最后对优化后的梯度图像应用分水岭变换实现对彩色图像的正确分割。结果 采用融合了颜色距离、均方差和区域信息的性能指标和分割区域数对分割效果进行评估,对不同类型的彩色图像进行分割实验,本文算法在正确分割图像的同时获得了较高的性能指标。与现有的分水岭分割算法相比,提出的方法能有效剔除图像中的伪极小值,减少图像中的极小值数目,从而解决了过分割问题,有效提升了分割效果。结论 本文算法具有较好的适用性和较高的鲁棒性。     

基于HVS和关系的DCT域彩色图像水印方案

提出了一种基于人类视觉系统和关系的离散余弦变换域水印技术。首先对二值水印图像进行混沌加密和Arnold置乱处理;其次对载体彩色图像的每一分量进行8×8分块的离散余弦变换;最后根据每一分块的亮度和纹理掩蔽特性和水印图像的像素取值来自适应调整选定位置的离散余弦变换系数的大小关系以嵌入水印。实验表明,提出的算法具有较好的透明性和抵抗攻击的能力,且在红色分量嵌入的水印比在蓝色或绿色分量嵌入的水印对滤波、有损压缩攻击等具有更好的鲁棒性。与同类算法相比,提出的算法具有更好的性能。     

图像拼接技术在变电站全景监控中的应用

图像拼接是实现变电站内全景监控的关键技术。针对彩色图像的特点,分析了运用网格计算图像像素差值来确定两幅图像的重叠区域,实现了两幅图像的拼接。计算机模拟实验结果也证明了在实现变电站全景监控过程中,采用这种方法可以有效完成图像拼接,并且为运行人员提供了更全面地了解变电站环境和电力设备状态的途径。     

多特征融合和尺度变化估计的船舶跟踪方法

传统的船舶视觉跟踪任务主要集中于单目标船舶跟踪,对多目标船舶跟踪研究相对较少。为解决该问题,提出一种多维特征融合机制和尺度变化估计的多目标船舶跟踪框架,该框架引入位置滤波器对输入的船舶训练样本进行学习,并将其应用于待跟踪的船舶图片序列,通过寻找最大响应的方法判定图像中的船舶位置。在此基础上,构建船舶尺度估计滤波器以确定待跟踪船舶的图像尺寸。通过和中值流跟踪算法和多示例学习跟踪算法对比分析,实验结果表明不同海事交通场景下的船舶跟踪误差均小于10像素,验证了算法的有效性和可靠性。     

武器装备测试数据立方体模型的构建

针对大规模、高频率数据交换的实际需求,结合武器装备测试数据的特点,构建了装备测试系统的数据立方体模型;首先介绍了数据立方体的基本概念以及常用的基本模型,之后分析了装备测试系统的实际需求,以概念模型、逻辑模型以及物理模型三级数据模型的方法实现整体设计;数据立方体为装备测试数据提供多维的观测角度,满足了实际任务对高效率数据交换的要求,为之后的数据分析应用提供了良好的数据基础平台.     

基于改进随机森林算法的共享单车需求量预测

在预测共享单车需求量的问题上,随机森林算法与其他算法相比具有显著优势.然而在处理存在大量冗余数据的数据集方面,随机森林算法会导致过拟合.为此,论文提出一种基于随机森林的改进算法—FWRF算法,预测共享单车需求量.该算法首先利用相关系数对每个特征进行加权,然后将特征区间划分为高相关区间与低相关区间,让特征选择限制在特定范围,实现降低泛化误差的目标,增强算法的学习性能,提高算法的预测精度.最后,论文将FWRF算法应用到NewYork CityBike的公开数据集上,分析多维异构数据影响下共享单车需求量变化.与原有算法相比,在预测精度上提高了5.1345％,证明了该改进算法的有效性和可行性.     

基于相关性的多维时序数据异常溯源方法

提出一种基于统计学相关性分析的多维时序异常数据检测分析方法,以对检测中表现为异常的数据进行溯源:对反映系统故障的数据和传感器质量问题的数据进行分类,进而识别出真正的系统故障,避免误检.首先根据相关关系构建时序相关图,再进一步归纳为时序相关环模型,通过在时序相关图上搜索并确定时序相关环的过程,提取时序相关环中的特征,得到时间序列相关性集合.进而利用时间序列相关性集合进行时序数据异常来源检测,根据检测结果评估时序传感器数据对应的系统故障的几率.在真实的工业设备传感器序列数据集上进行大量实验,实验结果验证了该方法在高维时序数据的异常检测任务上的有效性.通过对比实验,验证了该方法从稳定性和效率上优于基于统计和基于机器学习模型的基准算法,时间序列的维度越高,该方法较基准算法的提升越明显.该方法通过对多维时序数据相关性知识的挖掘,既节约了计算成本,又实现了对多维异常数据来源的精准识别.     

OFDM系统中基于降维PARAFAC模型的信道估计方法

针对采用正交频分复用(OFDM)技术的阵列天线系统,提出了一种基于降维平行因子(PARAFAC)模型的多径信道估计方法.该方案对单输入多输出(SIMO)场景下的接收信号进行建模,构造出具有空-时-频3个维度的PARAFAC信号模型,利用截尾奇异值分解(SVD)法对该模型进行降维,并采用三线性交替最小二乘(TALS)算法对降维后的信号模型进行拟合,实现了信号到达角(AOA)和传播时延的联合估计.与传统PARAFAC分解方法相比,所提方法在拟合过程中占用的存储空间更少,收敛速度更快.仿真结果验证了所提方法的有效性.     

多维模式下高职《电子技术》课程实践教学研究

文章结合《电子技术》实践环节,指出实验、实训、社团活动、竞赛4种实践方式的联系,探讨了多维模式的实践教学方案。通过实验环节培养基本实践能力,通过实训环节培养综合实践能力,通过社团培养创新能力,通过竞赛提高创新能力。针对多维模式的实践教学提出了多维模式的建设基础。