基于CNN与直方图规定化的红外与低照度可见光图像融合

针对红外与低照度可见光图像融合时,细微的纹理信息不能有效地保留的问题,提出了基于CNN与直方图规定化的红外与低照度可见光图像融合算法。首先,通过基于卷积神经网络的融合方法得到融合后的图像;其次,计算融合后图像的灰度直方图,通过直方图规定化将可见光图像的直方图映射到融合图像的直方图的区间上,以增强图像的纹理信息;最后,将直方图规定化的图像与红外图像通过卷积神经网络的方法进行融合,得到融合图像。实验结果表明,本文提出的算法在视觉效果和客观评价上均优于基于卷积神经网络的融合方法。

虚拟仿真技术在仪器分析实验教学中的应用探析——以“元素分析实验”为例

结合仪器分析实验教学特点及化工专业综合性和应用型人才培养的特征,将虚拟仿真技术运用在仪器分析实验课程中。以元素分析实验为例,设计了实操结合虚拟仿真技术的教学方法,使化工专业仪器分析实验课程在传统仪器实验操作之上增加了运用CAD仿真软件模拟仪器工作流程的学习。实践表明,虚拟仿真技术与实际仪器操作相互相辅相成,不仅有效地增强了学生对仪器的系统性理解和动手能力,还提高了学生运用仿真软件绘制仪器工艺流程图的能力,为培养综合性和应用型人才提供了很好的教学指导。目前,该课程教学方法的改进及实施得到了良好的教学效果,为高校化工专业仪器分析实验课程新的教学方式提供了较好的导向和推广意义。

基于动态阈值和全局信息的SIFT量子图像拼接

针对量子图像拼接使用传统尺度不变特征变换(SIFT)算法易造成特征点数量不合理和误匹配率高的问题,提岀基于动态阈值和全局信息的SIFT量子图像拼接算法.针对特征点数量问题,利用特征点数量与量子点或量子环数量呈正比例关系这一特性,通过量子点或环的密度对SIFT算法的对比度阈值进行设置,以得到合适的特征点数量.针对误匹配率问题,通过构建全局信息描述子,并与SIFT局部描述子相结合,以降低误匹配率.实验结果表明:改进的算法有效地完成了量子环、量子线和量子点图像的拼接;将量子图像的特征点有效地控制在一个合理的范围内,并将误匹配率从17.34%〜33.02%降低至10.84%〜20%,使量子图像的拼接具有更好的可靠性.

基于机器视觉的量子点STM形貌图像识别研究

为减轻量子点表面形貌分析过程中的人工工作,使量子点的STM图像分析更加自动化,基于机器视觉对衬底的斜切角及量子点的形貌特性展开研究.利用腐蚀和边缘检测提取台阶形状,并通过反三角变换计算斜切角.利用二值化和阈值下降对量子点的数量与空间坐标进行提取,在此基础上,通过邻域密度计算分析其均匀性,并在解决图像中的粘连问题后找出量子点的尺寸.实验结果显示,与人工统计相比,斜切角、量子点计数及尺寸的平均误差分别为5.02%,0.7788%及1.12%;并实现量子点均匀性的自动化统计与分析.基于机器视觉算法的自动识别过程,对协助研究者分析量子点表面形貌有实际意义.

基于傅里叶梅林预处理的SIFT图像拼接算法

对于图像存在旋转和尺寸缩放而导致的图像拼接质量不理想的问题,提出了基于傅里叶梅林预处理的SIFT图像拼接算法。算法首先利用傅里叶梅林计算图像的计算两幅图像的缩放比例和旋转角度,然后对图像的缩放比例和旋转角度进行调整,最后通过尺度不变特征变换(SIFT)算法进行图像的拼接。实验结果表明,改进的算法匹配的特征点数量增加了19.76%~33,34%;在拼接质量方面,SSIM和PSNR分别提升了14.74%~25,88%和10.39%~15,27%,图像的拼接质量获得了有效地提升。因此,本文改进的算法在对图像拼接质量由较高要求的领域由潜在的应用价值。

基于机器视觉的麻核桃分类算法设计

麻核桃的分类有助于产品销售,传统分类方式仅限于人工操作。为实现麻核桃的自动化分类,设计一种麻核桃分类算法,该算法通过构建核桃像素概率分布模型实现。根据核桃不同视图,利用同类核桃构建像素概率分布模型以及惩戒模型。利用矩阵乘积方式将待测核桃样本与两个模型分别进行对比,并将计算结果作为测试样本种类归属的判据,并以此对核桃进行分类。利用3000个核桃样本,建立一个包含9000张图片的数据集,对算法的性能进行评估。经过测试,在3次交叉测试实验中,该算法取得了97.36%的识别率。实验结果表明,在麻核桃分类识别中,该方法具有较好的应用前景。

基于改进Inception卷积神经网络的手写体数字识别

手写体数字识别风格变化大,而传统手写体数字识别的准确率又严重依赖于人工特征设计,一旦提取的特征不理想,识别效果就会收到非常大的影响。针对手写体识别正确率无法满足高精度的问题,设计一种高精度的手写体数字分类网络。首先使用连续非对称卷积提取图像的初步特征同时减少计算所需参数,其次使用深度可分离卷积改进Inception结构,并结合残差网络以防止梯度弥散,最后进行softmax分类。通过MNIST数据集实验,得到99.45%的识别率。为进一步提高网络识别率,在分类层使用支持向量机(SVM)代替传统卷积神经网络(CNN)的全连接层与softmax层,经交叉验证得到99.78%的识别率。结果表明,改进Inception结构能够获得更大的网络宽度,同时SVM对于CNN提取的特征的分类能力也有较好效果。

基于相位相关和纹理分类的SIFT图像拼接算法

针对传统尺度不变特征变换(SIFT)算法在图像拼接过程中计算量较大的问题,提出了一种基于相位相关和纹理分类的快速SIFT拼接算法。首先,使用相位相关法粗略地获取待拼接图像的重叠区域;其次,对图像进行纹理分类,并选取其中纹理复杂度较高区域进行SIFT检测,为了提升纹理分类阶段的速度,提出了跳跃归类的方法;最后,对于不同复杂度的纹理区域,仅在相同纹理区域内进行特征点的匹配。实验结果表明,所提出改进算法在维持较好拼接质量的基础上,与传统SIFT算法以及已有的两种改进型SIFT算法相比,平均拼接速度分别提升了68.46%、20.45%、41.83%。因此该算法在对拼接效率有较高要求的领域具有潜在的应用价值。

一种环形屏积分球光源的辐照均匀度研究

均匀光源被广泛应用于光学成像、遥感仪器的研制与标定等领域。提出了一种具有环形遮挡屏的积分球光源结构,以辐照均匀度分布特性为目标,利用蒙特卡洛(MCM)分析通过改变光源类型、挡板位置、开口大小、光源数量等参数对光源结构进行分析与优化。结果显示,朗伯特光源较之准直型光源辐照均匀度平均提高2.32%;挡板位置靠近积分球边缘时,辐照均匀度略低于其他位置;综合考虑辐射能量与照度均匀度,积分球开口比定在30%~35%区间内更为合适;辐射能量与光源数量呈线性关系,且不均匀度随光源数量在2.46%~3.38%波动。优化后的环形遮挡屏结构,可作为辐照均匀的光源应用于实际场景。

基于纹理分类的多阈值SIFT图像拼接算法

针对传统SIFT算法的单一阈值导致的特征点空间分布不均匀的问题,提出了一种纹理分类的多阈值SIFT图像拼接算法。算法对图像的纹理复杂度进行了分析和分类,并增加纹理分类后的弱纹理区和一般纹理区的候选特征点,减少强纹理区域的候选特征点。通过信息熵设置弱纹理区和一般纹理区的阈值,以均衡特征点的数量。在以上基础上进行特征点匹配和图像融合完成图像拼接。相比传统的方法,实验结果表明,纹理分类的多阈值方法检测的特征点在空间分布上更加均匀,更有利于拼接。基于纹理分类的多阈值SIFT图像拼接算法可有效地提高拼接质量,在对图像质量有较高要求的场景中有潜在的运用价值。

学校里集群式插座故障监测系统设计与实现——基于嵌入式系统创新设计课内实验案例

为了充分调动学生学习的积极性和主动性,增强学生的动手能力和创新意识,将理论知识应用于工程实践,文章以学生为中心,以学懂会用为目的,详细阐述“讲-做-评”的教学模式。即通过给学生详细讲述该项目的硬件、软件电路设计,学生课下去做,然后课上来汇报答辩,进行作品验收的方式。实施具体的教学过程,学生在较好掌握基础知识点的基础上,解决实际工程问题的能力也得到了很好地提高。

基于改进的Harris和二次归一化互相关的量子图像拼接算法

针对量子图像拼接时,Harris算法需要人为设置阈值,以及图像局部相似度大导致误匹配率高的问题,提出了基于改进的Harris和二次归一化互相关(NCC)的量子图像拼接算法。在阈值设置方面,基于图像重复度高的事实,通过二值化和阈值下降统计图像子区域的量子点或环的数量以确定Harris阈值,并将其作为全图阈值。在误匹配方面,首先以小窗口进行NCC的匹配,初步筛选角点;然后在此结果上用大窗口进行第二次NCC,以降低误匹配率。实验结果表明:在量子点或环计数方面,该算法具有较好的精度和速度;在阈值设置方面,该算法将角点数量控制在合理的范围内;在匹配阶段,二次NCC的方法将误匹配率降低至4.82%~27.27%。因此,本文算法改善了量子图像拼接的可靠性和时间开销,在量子图像拼接中具有潜在的应用价值。

基于人工表面等离子体激元的多频带滤波器设计

基于人工表面等离子体激元(SSPPs)设计了具有陷波功能的多频带滤波器。首先,在波导结构上引入了渐变槽形单元结构,以获得更好的色散特性,并在此基础上构建了截止频率为7.1 GHz的低通滤波器。然后,通过加载E形谐振器激发陷波,形成多频带滤波器,该谐振器有奇偶模两种谐振模式。当奇偶谐振模式同时被激发时,构成了插入损耗为3 dB、截止频率为2.83 GHz的低通滤波器和插入损耗为3 dB,带宽为2.94~4.37 GHz和4.40~7.10 GHz的两个带通滤波器。在偶模式下的谐振退化消失时,构成了插入损耗为3 dB、截止频率为2.83 GHz的低通滤波器和插入损耗为3 dB、截止频率为2.94~7.10 GHz的带通滤波器。证明了基于E型谐振器的多频带滤波器结构对SSPPs在微波领域的拓展具有重要意义。

基于掩模搜索的快速尺度不变特征变换图像匹配算法

尺度不变特征变换(SIFT)算法在图像匹配领域得到广泛应用,为降低其计算复杂度,提出了一种基于掩模(Mask)搜索的SIFT快速图像匹配算法。首先,分析图像的纹理信息,使用Harris算法的角点响应函数(CRF)对图像进行分区,将纹理复杂度较高的区域作为Mask并生成Mask金字塔,以减小特征点的搜索空间;其次,在极坐标系下建立7区域的圆形描述子,并降低其维度;最后,根据特征点极值类别进行同类匹配,以降低匹配复杂度。实验结果表明,采用Mask的特征搜索方法以损失较小匹配质量为代价,能够有效提升算法的整体速度,结合改进的描述子和极值分类算法可以进一步提升算法速度。采用Mask的特征搜索方法在对匹配效率有较高要求的领域具有潜在的应用价值。