地方院校电子类专业“项目+竞赛+认证”人才培养新模式

在普通本科高校尤其地方院校向应用型办学转变的大背景下,各高校人才培养模式改革势在必行。目前地方高校在电子类专业人才培养上同质化和单一化问题严重,本文探索了新形势下的地方高校电子类专业人才培养模式,并提出了基于"项目+竞赛+认证"特色应用型人才培养新模式。实践表明,在新培养模式的驱使下,电子类专业在教学改革、应用型人才培养、毕业生就业率等诸多方面均取得十分显著成效。

地方高校电子类专业实验教学改革研究与实践

地方性高校是为地方培养应用型人才的地方，而实验教学是提高大学生实践动手能力和综合素质能力的一种重要手段，针对地方电子信息类高技能人才严重“紧缺”问题，本文探索了目前地方性本科院校电子类专业实验教学存在的主要问题，提出了实验教学改革的具体建议和措施，从而全面提升电子类专业实验教学质量。

基于生理信号的情感识别技术综述

情感识别是人机情感交互的前提,也是实现人机自然交互的关键。介绍了情感识别的重要性以及基于人脸表情图像与语音信号的情感识别技术研究现状;从生理学实验研究角度,阐述了心率、脑电、肌电、心电、皮电、呼吸生理信号与人类情感表现的相关性,也说明建立生理信号与情感的关系模型有充分的实验依据;描述了如何利用各种信号分析和处理方法来提取生理信号特征,并通过优化合成可用于情感分类器的特征向量;着重介绍了神经网络、Fisher线性判别函数、K最近邻和多层感知器等机器学习算法应用于情感分类器的研究成果,最后展望了基于生理信号情感识别技术的应用前景,并总结了它的不足之处。

基于机器视觉的零件缺陷检测算法

提出一种新的基于机器视觉的零件表面的缺陷检测算法。根据零件缺陷特点,系统采用二值化、中值滤波、形态学处理等方法对获取的图像进行处理。搭建了包括图像处理模块、上位机、图像采集部分的零件表面的缺陷检测平台。实验仿真结果显示,该算法能够准确识别零件表面缺陷,并具有较高识别率和鲁棒性。

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘;然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.

基于小波变换的图像压缩编码研究综述

图像压缩是指以尽量少的比特数代表原来图像的技术。小波变换由于在时域和频域同时具有局域化特性,弥补了DCT变换的不足,其多分辨率特性还便于与人眼视觉特性相结合。小波图像编码还便于与其它新兴图像编码方法相结合,成为当前研究热点。文中介绍了小波变换的基本理论,讨论了小波图像压缩研究现状和进展,并指出存在的主要问题,最后展望小波图像压缩编码的发展前景。

LF-UMTI:基于多尺度空角交互的无监督多曝光光场图像融合

光场成像可同时捕获真实场景中光线的强度和方向信息。但受限于成像传感器的势阱容量,现光场相机单曝光捕获的光场图像难以完整记录真实场景中所有的细节信息。为了解决上述问题,本文提出了一种基于多尺度空角交互的无监督多曝光光场成像方法。该方法采用多尺度空角交互策略,以有效提取光场空角特征,同时利用通道维上建模策略以降低计算量来适应光场高维结构。其次,构建了由可逆神经网络导向的光场重建模块,以避免融合伪影并恢复更多细节信息。最后,设计了一种角度一致性损失,其考虑了边界子孔径图像和中心子孔径图像之间的视差变化,以保证融合结果的视差结构。为评估所提方法的性能,建立了一个面向真实场景的多曝光光场基准数据集。实验结果表明,所提方法可在保证角度一致性的前提下重建出具备高对比度和丰富细节的光场图像。与现有方法相比,所提方法在客观质量和主观视觉两方面均取得更好的结果。