基于模糊度和噪声水平的图像质量评价方法

针对图像质量评价的重要性,提出了一种新的无参考图像质量客观评价方式。算法考虑了模糊度与噪声水平两方面,用平均边缘宽度衡量图像的模糊度,通过比较去噪前后的图像预测图像受噪声污染的程度,最后通过两者的综合作为无参考图像质量评价指标。实验结果表明:将模糊度和噪声评价相结合,具有很强的抗噪性和广泛的适用范围;与峰值信噪比(PSNR)和结构类似性(SSIM)等算法比较,本文算法可以很好地区分各种失真类型图像的质量好坏,其结果接近人眼的主观感受。     

基于非抽样小波和边缘保持的自适应图像降噪

提出了一种基于非抽样小波和边缘保持的自适应图像降噪方法.利用小波系数的层间相关性理论及小波域系数模型理论,对小波变换得到的系数进行了分类和处理.与当前许多方法的做法不同,本文算法将图像的小波系数分成了与边缘相关的系数、与同性区域相关的系数和与噪声相关的系数,针对这3类系数的特点,使用不同的策略进行分别处理,保证了降噪的性能.实验结果表明,与传统方法相比,该方法不仅可以获得较清楚的图像边缘,而且降噪后图像质量优良.     

基于CCD视觉的螺纹参数自动检测技术研究

为实时准确地对螺纹的牙型角(牙型半角)、螺距、导程、螺纹高度、大径、小径、中径、螺纹升角等参数进行测量,并提高测量精度,设计并实现了基于面阵CCD的螺纹参数非接触测量系统.着重研究了该系统的光学成像、螺纹图像预处理、边缘检测、亚像素提取以及摄像机标定等内容,研制了相应的测试分析软件,进行了相应的实验研究.研究结果表明,该系统测量速度快、测试精度高、重复性好.     

基于超窄脉宽激光器的厘米级测距技术研究

首先对影响脉冲激光测距精度的因素进行了分析,认为提高时间间隔测量计数器频率,采用快速电路,缩短激光脉冲上升沿时间和提高系统信噪比都可以提高脉冲激光测距精度,而缩短激光脉冲上升沿时间对提高测距精度效果明显。在此基础上,基于1.2 ns超窄脉宽激光器,设计了一种高精度脉冲激光测距实验装置,实验结果表明,单点测量精度小于1.2 cm。     

CMP承载器的初步研究

在CMP中,由于抛光垫在与其接触的晶圆边缘产生异常压力点,以及转台和承载器旋转的线速度之差在边缘处较其他点大得多,从而导致了晶圆边缘效应的产生。阐述了承载器在CMP中的作用,详细分析了边缘效应产生的原因和克服的方法。在承载器上采用与晶圆保持适当间隙的保持环结构,对保持环施加适当的压力,使保持环和晶圆位于同一抛光平面上;针对旋转式CMP设备固有的线速度之差导致片内非均匀性增大的问题,对200mm晶圆划分两区域进行微压力补偿,同时详细说明了压力补偿气路的设计和实现的功能,指出今后多区域微压力补偿将采用矩阵控制技术。     

边缘相似度及其在散斑噪声抑制算法比较中的应用

对于滤波算法,噪声抑制能力和边缘保持能力一直是考核其性能的两个重要指标。对于前者,通常都有相应的参数进行表征,而对于后者,通常却只能依靠人眼进行主观评判。根据标准边缘图像和待测边缘图像边缘点位置的相似性,定义了边缘相似度参数,用来表征滤波算法的边缘保持能力。将此参数应用于高斯噪声图像和椒盐噪声图像滤波算法的比较中,取得了预期的效果:此参数值准确地反映了各滤波算法的边缘保持能力。对激光雷达图像而言,散斑噪声滤波算法的边缘保持能力具有非常重要的意义,为此,将边缘相似度用于散斑噪声滤波算法的边缘保持能力比较,结果表明Lee滤波算法和增强Lee滤波算法具有较强的边缘保持能力,而常规的均值滤波和中值滤波边缘保持能力较差。     

FPGA在边缘检测中的应用

主要探讨FPGA在边缘检测中的运用,分析两种不同边缘检测算子对图像处理的效果。由于FPGA算法硬件处理速度快、可编程、可重配置等特性,使其在图像处理方面占有很大的优势。为此文章提出了运用FPGA实现边缘检测的方法,并且根据FPGA的并行流水线性,对Sobel、Prewitt边缘检测算子分别进行了FPGA设计与实现以及仿真,并且对两种边缘检测算子对图像处理的效果进行了比较。通过仿真分析得出,Sobel和Prewitt边缘检测算子都有平滑噪声的作用,Sobel边缘检测算子可以提供较为准确的边缘方向信息,Prewitt边缘检测算子,其边缘性较Sobel边缘检测算子完整,但它们的边缘定位精度有待提高,仿真中通过改变程序中的阈值可以得到不同的处理效果,这也是利用FPGA的优点,方便容易、速度也得到了提高,并且可编程、可重配置,使得FPGA在数字图像处理方面显得非常优越。     

反求工程中层析图像快速子像素边缘检测技术

层析图像边缘提取的精度直接影响到三维重建及尺寸检测精度。在研究射线成像理论的基础上，针对同一密度产品的层析图像，提出了基于灰度落差查找表的快速子像素边缘检测技术。该方法首先利用改进的Sobel算子进行边缘的粗定位，然后利用灰度落差与边缘扩展的关系对边缘进行精确定位。实验结果表明该方法是有效的。     

基于SDN和MEC的5G VANET架构及其性能分析

为了在大规模的车载自组织网络（Vehicular Ad-hoc Network,VANET）中提供灵活的网络管理、控制和提高资源利用率,结合软件定义网络（Software Defined Network,SDN）、云无线接入网络（Cloud Radio Access Network,C-RAN）和移动边缘计算（Mobile Edge Computing,MEC）,提出了一种分层的5G VANET架构（5G MEC VANET）,能够支持智能交通系统各种功能和应用的动态特性,同时降低网络管理成本。此外,位于网络边缘的MEC框架避免了车辆与路边基站的频繁交互,减少了数据传播延时。仿真结果表明,与传统VANET和5G VANET架构相比,所提出的架构降低了传播时延,提高了网络带宽吞吐量,同时减少了控制器开销。     

三小区环境中基于三角分解的低复杂度干扰对齐算法

针对3小区每小区2个边缘用户的MIMO下行链路,在不改变系统自由度的前提下对联合信道进行下三角分解得到系统的等效模型;在此基础上,根据不同小区受到的干扰不同,该文提出一种线性干扰对齐算法同时消除小区间干扰和小区内干扰。该算法利用联合信道分解可以先消除一半的小区间干扰,并根据不同小区的用户设计其干扰抑制矩阵,减少了用户端接收矩阵个数及相应处理,从而降低了接收端的复杂度。仿真表明,随着数据流的增加,系统容量和能量效率都有明显的提高,在自由度相同的情况下,天线数不同对系统容量和能量效率有较大影响。