新工科背景下信号与系统课程教学改革研究

为了实现新一轮的科技革命与产业改革,在技术产业不断革新的推动下,新工科背景专业课程革新势在必行。“信号与系统”作为新工科类的一门重要的学科基础课,课程的理论性较强,教学内容多且公式推导复杂,对数学要求比较高。然而,大学生普遍对数学公式的推导以及理论研究的兴趣低,因此难以很好地应用到现实中。文章从“信号与系统”课程的特点、教学内容和方法出发探讨教学改革与研究路径,以使学生对“信号与系统”有更深刻的理解,调动学生学习的主动性、积极性,实现教学改革的效果。

“信号与系统”混合式教学改革探索

在网络信息化时代,利用网络技术开展线上线下一体的混合式教学,借助数字化技术进行教育创新,逐渐成为未来教育的发展方向。混合式教学是近年来教育研究与实践者关注的热点,充分体现了“学生为主体”的教学思想,有利于激发学生的积极性、主动性和创造性,提高教学质量。文章探索了“信号与系统”课程的混合式教学改革,从“信号与系统”课程混合教学模式的需求和具体的应用策略展开分析,并提出该门课程混合式教学改革的实施方向,希望该研究能促进课程教学质量的提升,帮助学生不断完善知识结构体系。

基于哈希特征的大规模图像快速匹配算法

针对基于图像进行三维重建技术在使用大规模图像集合进行重建时,需要对图像集合中图像进行两两匹配耗时问题,提出了基于哈希技术对图像构建全局哈希特征的方法,通过过滤掉无效的图像关系对来减少计算时间,极大地提高了大规模图像集合三维重建的匹配计算效率。提出的大规模图像快速哈希匹配算法包括构建图像哈希特征、构建初始匹配图、挑选候选匹配对、哈希匹配几个步骤。实验结果表明该方法能显著地提高三维重建中图像匹配的速度。

基于DSP的信号与系统仿真实验平台的设计

提出了一种基于DSP的信号与系统仿真实验平台实现方案.这一实验平台采用了将软件和硬件有机结合来进行仿真的方法,当用户在计算机界面上进行实验操作时,实验结果波形可以在实际的示波器上显示出来.仿真实验平台的软件方面主要是编写了一个在主机上运行的用户界面,用以将仿真实验的内容完整地展示给用户,并允许用户进行实验操作.硬件方面则使用一块以DSP系统为核心的实验板与主机通信,主要功能是将用户进行的实验操作进行计算,并将结果通过仿真,在示波器上显示出来.从而使使用者获得较为真实的实验感受,对信号处理有一个更深层次的认识.

基于模板匹配及区域信息融合提取的快速目标跟踪算法

提出了一种基于融合的快速目标跟踪算法。该方法将目标预测模型、目标模板匹配以及目标空间信息融合到统一框架内。该方法通过预测模型,预测下一帧中目标候选区域,从而降低模板匹配方法的搜索区域。然后在预测模型预测的搜索范围内进行目标的模板匹配,同时,提取目标的区域信息来辅助目标的模板跟踪方法。最终跟踪结果由目标模板跟踪以及目标的空间信息共同决定。本方法由于采用了目标的预测模型,从而能够减少目标的搜索范围,降低因目标的全图搜索造成的时间开销。并且由于减少了搜索区域,剔除了部分相似的匹配窗口,从而提高了跟踪时匹配的精度。本算法结合了目标模板跟踪和目标区域信息的优点,能够增强目标跟踪过程准确度。由于加入了目标的区域信息,对目标跟踪中出现的漂移现象更加鲁棒。实验结果表明,本方法在进行目标跟踪过程中对出现的漂移、遮挡等问题更加鲁棒、稳定。

基于深度学习的打印文档缺陷检测算法

在工业生产中,常常需要检测大量的打印文档.现有的打印文档缺陷检测通常采用基于图像处理的方法,该方法容易受到外界环境的干扰,且误差相对较大.为了解决这一问题,提出了一种基于深度学习的打印文档缺陷检测算法.该算法包括打印文档纸张缺陷检测、打印文本倾斜和偏移检测、打印文字清晰度检测三个部分.通过分类网络先检测纸张全局上的缺陷问题,再通过对比网络检测纸张局部细节上的缺陷问题.实验表明,所提出的算法不仅能够同时检测打印文档全局和细节上的缺陷,还能减少实验环境等外界因素的干扰,可取得令人满意的检测效果,具有较好的实用价值.

基于多种几何约束的图像误匹配剔除算法

尺度不变特征变换SIFT由于其良好的性能在图像匹配中具有广泛应用,但传统的SIFT特征匹配结果中仍然会包含不少的错误匹配.提出了一种基于多种几何约束的误匹配剔除算法,该方法利用匹配点对之间多种几何约束的组合来识别并剔除错误的匹配,具体包括方向角算法、邻域信息算法、点线距离算法和局部相似三角形算法.实验结果证明:这一基于组合策略的方法能有效地剔除错误匹配,并且极大限度地保留正确匹配.

融合多高斯混合模型与Graph Cuts优化技术的目标自动检测方法

本文将时域信息与空域信息融合,利用Graph Cuts全局最优特性,通过自适应的信息融合策略,提取运动目标。在自动化跟踪系统中,从图像序列提取运动目标信息,是进行目标检测与跟踪的前提。目前,目标信息提取方法包括对视频图像序列的时域和空域进行分析。利用时域信息,可以比较好地提取出目标的运动信息,区分出前景和背景。而把利用空域信息的图像分割技术运用到目标跟踪系统中,也是近年来比较热点的研究问题。本文提出了一种将时域信息与空域信息很好地融合的运动目标检测方法,通过对多高斯混合模型提取的前景信息进行无监督学习,构建似然能量模型,然后通过Graph Cuts优化技术提取目标。从而实现了鲁棒的目标自动检测。

基于目标序列分析的智能监控多目标自动检测跟踪

针对道路交通监控场景,提出并实现了一个多目标自动检测与跟踪系统.首先通过高斯混合模型的运动信息提取方法得到目标运动信息,并分析了目标信息的连续多帧历史信息,估计目标区域信息在连续多帧中的统一性,进而通过信息融合的方式得到了目标检测结果.然后提出了监控场景下多目标的跟踪与管理策略,根据目标检测结果,对场景中的多个目标同时进行跟踪.最后,根据目标的不同状态将目标划分为新出现目标、被更新目标和被跟踪目标等不同的类别,提高目标跟踪的准确性.

对分课堂在数字图像处理课程中的应用

对分课堂作为一种新型的课堂教学模式,可以帮助学生提高学习主动性和探索积极性。数字图像处理课程涉及了广泛且复杂的理论知识及应用方案,学生在课程的学习上有一定的难度,传统教学模式下教师难以达到理想的教学效果。将对分课堂运用于数字图像处理课程,能有效地提高教学效率及效果。文章将针对对分课堂教学模式在数字图像处理课程中的应用进行探讨。

融合目标形状信息及图割窄带优化的目标跟踪算法

提出基于图割窄带优化算法及融合目标形状信息的目标跟踪方法。首先采用卡尔曼滤波方法对目标新的位置进行预测,进而基于目标当前位置及分割结果估计目标的形状信息;然后在目标预测位置采用窄带的图割优化算法并集成目标的形状先验信息对目标进行分割,从而确定目标新的位置并得到目标新的轮廓结果,完成目标的精确跟踪。实验结果表明提出的方法具有良好的性能,能够精确有效地跟踪复杂背景中的运动目标。由于采用窄带图割分割优化,使得算法也具有良好的实时性,能够在实际中得到应用。

基于全融合网络的三维点云语义分割

为提高室内场景的点云语义分割精度,设计了一个全融合点云语义分割网络。网络由特征编码模块、渐进式特征解码模块、多尺度特征解码模块、特征融合模块和语义分割头部组成。特征编码模块采用逆密度加权卷积作为特征编码器对点云数据进行逐级特征编码,提取点云数据的多尺度特征;然后通过渐进式特征解码器对高层语义特征进行逐层解码,得到点云的渐进式解码特征。同时,多尺度特征解码器对提取的点云多尺度特征分别进行特征解码,得到点云多尺度解码特征。最后将渐进式解码特征与多尺度解码特征融合,输入语义分割头部实现点云的语义分割。全融合网络增强了网络特征提取能力的鲁棒性,实验结果也验证了该网络的有效性。

采用遗传算法与最大模糊熵的双阈值图像分割

提出了一(?)基于概率划分的最大模糊熵双阈值图像分割方法。文章将概率划分、模糊划分及最大模糊熵准 则结合起来,提出一种 概率划分的最大模糊熵准则。将图像分为暗、灰和亮三个部分,并分别采用S函数、Π函数 和Z函数来描述其模糊性。利用最大模糊熵准则确定图像的两个模糊区域带宽及其属性,进而确定图像的两个最佳分 割门限。由于需优化处理的参数较多,本文采用遗传算法对六个模糊参数进行组合寻优,并采用合适的编码方案以避免无 效染色体的产生。试验结果证明利用本文提出的最大模糊熵准则分割图像具有较好的效果,采用遗传算法也使本文的分割 算法速度大大提高,在较短的时间内能够得到满意的分割结果。

采用递归门限分析的红外目标分割

提出了一种有效的基于递归门限分析的红外目标分割方法。针对传统方法在目标的相对面积较小时背景信息容易误分的问题,将传统分割方法和递归处理结合起来,用于分割红外目标。在分割时,将每次分割得到的背景部分(即暗部分)淘汰掉,而保留分割得到的目标部分(即亮部分)。对得到的目标部分进行再分割,又得到新的目标和背景部分,如此重复下去,直至得到目标为止。对传统的Otsu方法、一维熵方法、二维熵方法的递归分割特性进行了分析比较,并根据目标的先验知识提出一种合理的递归终止准则。试验结果证明,基于递归门限分析的方法是一种行之有效的目标分割方法,分割性能优于传统方法。

浅谈《Java程序设计》在民族类高校中的教学改革与实践

随着网络信息技术的飞速发展,Java语言以其跨平台技术的优势成为最热门的计算机语言之一。然而传统的程序语言设计的教学方式对学生实践能力的提高帮助有限。结合Java课程的教学实况及民族类高校学生的特点,提出一些《《Java程序设计》》课程教学改革的探索,深化学生编程思维的提炼,注重学生实际动手能力的提高,从而提高《《Java程序设计》》课程的教学质量。

基于子空间映射和一致性约束的匹配传播算法

该文提出了一种基于子空间映射和一致性非刚体变换的准稠密匹配传播算法.该算法从一组稀疏的种子匹配开始,迭代地在其周围寻找新的潜在匹配.与现有方法最大的不同在于,该文的方法使用一致性非刚体变换模型来描述两个扩展窗口之间的几何关系,而不是使用离散二维视差梯度模型或者局部平面仿射模型.在计算非刚体运动模型之前,扩展窗口内所有像素的空间坐标信息和特征信息都被映射到一个新的子空间中.这一新的数据表达方式可以提升算法的鲁棒性,同时使矩形扩展窗口对于非刚体变换模型的计算依然有效.最终,两个扩展窗口中所有满足一致性非刚体模型的匹配被一次性找出.实验结果表明,该方法对于图像存在较大旋转、视点变化以及深度非平滑表面的情形有着较好的效果.

基于匹配链的视频行人目标检测

在视频行人目标检测中,利用视频中前后帧检测结果之间的相似性,建立前后帧检测结果之间的匹配链,依靠同一条匹配链中所有的检测结果,优化当前帧检测的结果,提高检测精度。实验结果显示,相比于其他所测试的行人检测方法,论文提出的协同框架能够有效提高行人检测的性能。

基于协同热扩散模型的协同图像分割算法

针对传统的图像分割算法由于缺乏先验知识得不到理想的分割结果,或需要大量的人工交互问题,本文提出了一种基于协同热扩散模型的协同图像分割算法。算法通过建立图像集合中的扩散模型,利用传导边将图像连接成一个统一的扩散网络,从而将图像集合的协同分割问题转化为3D扩散模型最大增益的求解问题,最终根据子模优化理论对其进行求解。在协同分割数据集上的大量对比实验,验证了本文协同分割算法的优异性能。