数字图像处理实验课程探索与研究

本文主要针对数字图像处理实验课程的教学改革进行研究,结合本校数字图像处理实验课程,就实验内容、实验方法、考核方式等方面进行了创新与改革。实践表明,数字图像处理实验课程的改革可以帮助学生更好的理解基础理论知识和技术难点,激发学生对数字图像处理课程的学习兴趣,培养学生的动手能力和创新能力。

CCD相机图像自动稳光技术的研究

从CCD相机控制时序入手,探讨了两种快门时间的控制方法。整个系统由CCD相机、主控单元、同步信号产生单元、信号调理电路和监视器组成。主控单元采用嵌入式单元AVR系列的Mega16单片机,通过软件设定阈值,实现调光的闭环控制,为调光系统的设计提供了一种新的思路。

基于Matlab的数字电视原理实验教学研究

针对电视原理实验教学的需求,以演示实验为主,由于学生无法了解数字电视信号处理的细节与算法,为此笔者基于Matlab软件开发建设了数字电视原理实验教学平台。根据数字电视原理教学内容设计了6个实验模块,每个模块包含不同的实验项目,涵盖了数字电视信号的产生、处理和压缩编码预测等内容。给出了实验模块的设计原则,并依次阐述了模块的实验原理及内容,以具体实验模块的操作为例讲解了平台的使用方法。实际应用表明,数字电视实验教学平台满足了课程的实验教学需求,取得了较好的教学效果。

激光器阵列的非本征理想因子

研究了激光器阵列的电导数表征方法,建立了激光器阵列的等效电路模型,导出了理想情况下阵列的电导数公式.理论、PSPICE仿真和实验结果表明:一致性良好的阵列的非本征理想因子等于每个阵列单元的非本征理想因子,该结论可用于对阵列单元非本征理想因子检测与阵列可靠性研究.导致单元本征理想因子变大,电流泄漏的可靠性问题均可导致阵列非本征理想因子变大.

基于核函数及空间邻域信息的FCM图像分割新算法

针对传统FCM算法在进行图像分割时对噪声敏感的问题,提出一种新的基于核函数及空间邻域信息的FCM图像分割算法。该算法根据像素间灰度值的差异程度,将空间信息引入传统的FCM算法,建立新的包含邻域信息的隶属度迭代函数,实现图像的分割。同时,算法还引入核函数,用内核诱导距离代替了传统FCM算法中的欧式距离,对输入图像的样本特征进行优化。实验结果表明,本文算法能够获得较好的分割效果,同时具有较强的抑制噪声的能力。

基于改进模板匹配算法的靶标图像检测

针对现代靶场所面临的测量目标小、距离远、目标与背景对比度低的实际问题,提出了一种基于数字图像处理的靶标检测方法。该方法对传统的模板匹配方法进行了改进,能够在靶场测试仪器捕获的图像中,精确并快速地定位靶标十字的中心,从而实现武器装备动态、静态性能测试。

采用分频器联合单片机结构的通信原理实验系统

新工科背景下,高校电子信息科学和通信工程专业对通信原理实验教学的灵活性和综合性提出了更高的要求。针对现有采用CPLD核心的通信原理实验系统使用灵活性差、不能满足通信原理综合实验需求等问题,该文设计了一种新型程控通信原理实验系统。采用分频器联合单片机的结构产生实验系统所需的各种时钟及编码信号,能够通过按键和上位机实现对非同步正弦信号波形、各实验系统的编码时钟频率和输入数字信号码型的程序控制,并能够通过显示屏显示这些信号的参数信息。利用该实验系统能够有效提高通信原理实验的教学效果,满足新工科建设发展的需要。

两种被动微波遥感混合像元分解方法比较

被动微波遥感混合像元分解是成功应用被动微波辐射计数据的关键,研究被动微波遥感混合像元分解方法具有重要的应用意义。提出基于地物分类信息的被动微波混合像元分解方法,通过模拟具有不同组分亮温分布的观测地区,将其与具有代表性的Bellerby提出的被动微波混合像元分解方法进行对比研究,分析两种分解方法的适用范围及影响其求解精度的主要因素。Bellerby的方法适合于观测地区中陆地组分亮温不变的情况,当观测地区陆地组分亮温发生变化时,笔者提出的方法能得到更加准确的分解结果。研究结果表明:笔者提出的方法进行混合像元分解后,其陆地组分亮温误差的平均值约为0.1K,水体组分亮温误差的平均值约为0.2K;而采用Bellerby方法计算得到陆地组分亮温误差的平均值约为3.1K,水体组分亮温误差的平均值约为5.9K。

条宽对半导体激光器理想因子测量结果的影响

利用ORCAD计算机辅助电路分析软件分别对窄条和宽条激光二极管(LD)的理想因子进行仿真.仿真和实验结果均表明,侧向电流扩展导致窄条LD的实测理想因子较大,而宽条LD电流限制能力的改善导致实测理想因子较小,且更接近于本征理想因子值.

基于卫星遥感图像的农作物分类算法

为提高遥感图像对农作物的预估精度和农业种植效率,设计了基于卫星遥感图像的农作物分类算法。以2018年7月30日哨兵二号(Sentinel-2)卫星拍摄的高分辨率哈尔滨市农业示范基地卫星影像为实验数据,在不同光谱波段内(含红边波段),通过使用最大似然法、支持向量机法、神经网络法分别对影像中水稻、大豆、玉米、高粱等农作物特征进行提取、分类,获得到农作物分类图;将统计结果与真实的参数进行比较,分析了相同算法下使用不同数据源,不同算法使用相同数据源,这两种情况下的分类精度与可靠性。实验结果表明,通过神经网络法得到的分类结果精度最高,可靠性最强,适合于全国范围内推广。

基于卫星遥感影像的土地分类实验方法研究

为了让本科生充分理解和掌握遥感影像处理技术,结合吉林大学大学生创新创业训练计划,设计了基于高分辨率卫星遥感影像的校园土地分类实验项目。以2015年9月20日高分二号(GF-2)卫星拍摄的吉林大学中心校区卫星影像为实验数据,通过使用不同的光谱指数以及支持向量机(SVM:Support Vector Machine)分别对影像中的建筑物、植被、水体、平地和操场等地物进行提取,进而得到基于高分辨率遥感影像的校园地物分类图,并对分类结果中各种地物信息进行统计分析,将统计结果与真实的地物参数进行对比,近而改善该方法的分类精度与可靠性。实践结果表明,该实验可以有效的帮助学生对知识的理解和掌握,达到了预期的教学效果。

基于无人机遥感技术的森林参数获取研究进展

凭借着高分辨率、可控性强和性价比高的特点,无人机遥感技术在森林研究中得到了迅速的发展与应用。对无人机遥感成像平台的发展和国内外利用无人机遥感技术开展森林调查的情况进行介绍,针对单木和林分两种森林资源调查对象,总结了目前利用无人机遥感技术提取森林参数的前沿方法。重点分析和讨论了基于无人机平台的多光谱、高光谱和激光雷达传感器获取森林参数的算法,对比了其优越性、局限性并分析其最佳应用场景。此外,介绍了无人机遥感在森林树种分类和病虫害监测方面的应用情况。最后,对无人机遥感技术在森林监测方面的应用前景进行了展望,可为今后基于无人机遥感的森林资源监管领域的研究提供理论依据与技术支持。