基于奇异值分解的PCNN红外与可见光图像融合

为了提升红外与可见光图像融合精度,提出了一种基于局部区域奇异值分解的自适应PCNN红外与可见光图像融合算法。利用局部区域奇异值构造局部结构信息因子,作为PCNN对应神经元的链接强度。经过PCNN点火处理,获得源图像的点火映射图,通过比较选择算子,选择源图像中明显特征部分生成融合图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行客观评价。实验结果表明本文提出的算法在主观和客观评价上均优于已有文献的一些典型融合算法,可获得更好的融合效果。     

汽车悬架性能测试系统的研究与设计

汽车悬架性能测试是机动车安全运行检测中的一个重要项目.本文在建立检测车辆悬架振动力学模型和运动方程的基础上,分析并确定了悬架性能的评价指标.针对汽车悬架测试台的基本结构和受力过程,设计了高精度力传感器和速度传感器输出信号的调理模块.采用工业控制计算机直接采集车轮垂直接地力与激振台面频率,提高了测试系统的精度和实时性.实测证明,该系统完全能够满足汽车悬架性能测试时的动态要求,具有较高的可靠性.     

智能轮胎压力监视系统的研究与实现

介绍了轮胎压力直接监测系统的硬件组成及软件设计方法。阐述了基于德国英飞凌公司SP12最新传感器的轮胎监测模块设计方案和基于TDK5201接收器的中心机接收模块的设计方案,并给出了模块硬件电路以及相关程序框图、通信协议和算法。该系统可随时测量每个轮胎内部的实际温度、压力、轮胎加速度和电池电压,确定故障轮胎并及时报警,有效避免事故的发生。该系统在低功耗、收发距离与可靠性方面具有明显的优势。     

基于VFW视频捕捉设备驱动程序设计

数字视频系统逐渐进入了我们的日常生活中,而具有视频捕捉功能的应用也愈来愈多。从数码相机、PC视频聊天用的摄像头等消费产品到数字视频监视等工业控制及安防产品,视频采集和处理已成为重要应用之一。本文主要研究在基于VFW来实现视频捕捉驱动软件的设计与性能优化。     

多级方向加权最小二乘滤波器及其在多传感器图像融合中的应用

针对多尺度分解在图像融合领域中的广泛应用,本文提出了一种多级方向加权最小二乘滤波器图像多尺度几何分析方法。该方法利用加权最小二乘滤波器对图像进行多级边缘保持分解,得到一个近似图像和多个不同尺度上的细节图像,然后采用小尺寸方向剪切滤波器对细节图像进行方向分析,在不同尺度上生成多个方向细节图像。根据近似图像和方向细节图像所具有的不同物理意义,分别采用不同的融合策略对分解后的图像系数进行合并处理,最后应用多级方向加权最小二乘滤波器的逆变换得到融合图像。多组图像融合实验结果表明,在图像融合领域,本文提出的基于多级方向加权最小二乘滤波器的图像分解方法优于已有文献中的一些典型多尺度分解方法。     

一种基于MRF样本修补的改进算法

针对Cheng提出的样本修补算法,引入结构的几何量描述,重新定义优先级公式,以提高结构平稳性;改进置信度项更新法则,以便抑制修补过程产生的误差累积。实验结果表明,改进算法能够有效避免传统算法生成的垃圾物,较好保持纹理和结构特征。     

基于双树复小波域的马尔可夫随机场样本修补算法

为了消除大目标图像修补过程中,修补区域由于累积误差引起的马赛克和振铃效应,提出基于双树复小波域的马尔可夫随机场(MRF)样本修补算法。首先应用双树复小波变换(DTCWT)将待修补图像变换到复频域,通过合理的置信度和数据项计算待修补块的修补顺序;然后应用MRF样本修补算法在不同尺度、不同方向下修补未知区域;最后利用双树复小波逆变换重构图像。实验结果表明,与传统离散小波修补方法相比,双树复小波域MRF样本修补算法能更好地保持修补区域纹理和结构信息。     

基于神经网络的MIMO-OFDM信道估计

提出了一种适用于神经网络框架下的MIMO-OFDM系统的信道估计算法。通过对三层神经网络结构的分析,用两层神经网络实现了一种主成分分析（PCA）最小二乘学习算法。通过导频信息得到MIMO-OFDM信道模型初始值,再用神经网络算法对MIMO-OFDM信道的时变状态参数进行跟踪;采用两层神经网络,由隐层输出对最终输出修正,中间实现可变遗忘因子的改进递推最小二乘学习算法。仿真结果表明,该方法与最小二乘（LS）算法相比,在跟踪时变衰落信道时,估计的均方误差有较大提高,从而有效地改善了接收端的符号检测性。     

自动套色系统中误差色标检测光电传感器的设计与实现

针对在凹版印刷中表征套印误差信息的色标信号检测问题.本文依据各颜色画面相对背景色对光能吸收不同的光学原理,利用半透半反光玻片的异面性和光电池光电转换功能,设计和实现了一种色标检测光电传感器.针对光电池光电转换输出信号较弱且非数字性的问题,进行了信号调理.实验结果和现场应用表明,该光电传感器具有结构简单.检测距离远((10±2)mm)、光斑半径小(φ1.5 mm)、灵敏度高、响应速度快(0.2 ms)、性能稳定可靠等优点.     

基于多尺度局部极值分解与ResNet152的红外与可见光图像融合

为了进一步提升红外与可见光图像融合方法的性能 ,本文提出了一种基于多尺度局部极值分解与深度学习网络ResNet152的红外与可见光图像融合方法。首先,利用多尺度局部极值分解 (multiscale local extrema decomposition,MLED)方法将源图像分解为近似图像和细节图 像,分离 出源图像中重叠的重要特征信息。然后采用残差网络ResNet152深度提取源图像的多维显著 特征, 以l₁-范数作为活性测度生成显著特征图,对近似图像进行加权平均融合,以保持能量和残 留细节 信息不丢失。在细节图像中,利用“系数绝对值取大”规则获得初始决策图,源图像作为引 导图像, 初始决策图作为输入图像进行引导滤波处理,得到优化决策图,计算加权局部能量得到能量 显著 图,对细节图像进行加权平均融合,使融合图像具有丰富的纹理细节和良好的视觉边缘感知 。最 后,对近似融合图像和细节融合图像进行重构,得到融合图像。实验结果表明,与现有的典 型融 合方法相比,本文所提出的融合方法在客观评价和视觉感受方面都取得了最好的效果。