基于NSCT和最小化-局部平均梯度的图像融合

针对传统红外图像与可见光图像融合存在对比度低、细节丢失、目标模糊等问题,本文基于非下采样轮廓波变换(Non-subsampled Contourlet Transform,NSCT)的思想,通过改进权重函数和融合规则,建立新的融合算法实现红外图像和可见光图像的有效融合。首先,通过NSCT变换对红外和可见光图像进行多尺度分解得到对应的低频系数和高频系数。然后,采用改进的最小化规则和局部平均梯度规则分别对低频系数和高频系数进行融合处理,得到对应的最优融合系数,并将所得融合系数进行NSCT逆变换得到最终融合图像。最后,使用公共数据集与其他5种算法进行对比实验,并在7个具有实际意义的性能评价指标约束下,验证所设计算法的有效性和鲁棒性。

基于图像和IMU传感器的生物行为分析系统设计

在小鼠行为学实验中,仅使用数字图像处理技术无法对小鼠行为进行全面检测和分析。针对这一问题,文中提出基于图像和IMU传感器结合的生物行为检测方法。该方法在Python编程环境下,利用数字图像处理技术对小鼠运动视频进行检测跟踪,获得小鼠的运动行为学参数。同时,使用本实验室设计的无线蓝牙微型IMU传感器测量小鼠的三轴加速度、三轴角速度、三轴磁力,对测量数据使用扩展卡尔曼滤波算法进行解算以获得小鼠的姿态等体态变化信息。实验结果表明,该系统能较好地自动分析出小鼠的运动行为信息和姿态信息,并能在生物行为分析系统界面上实时显示出行为信息。

基于IMU的无线姿态采集系统设计

本文针对行为分析中姿态识别问题,提出并设计了一款基于IMU的无线姿态采集系统。首先,采用9轴IMU、STM32L0主控以及低功耗蓝牙模块设计了大小仅为7×7×3 mm的小体积、低功耗无线姿态识别硬件环境;其次,设计上位机软件接收、解析以及保存姿态数据;最后通过小鼠跑台实验对所设计姿态采集装置进行验证,IMU采集姿态数据经过主控模块处理后通过蓝牙模块将数据上传至上位机,由上位机解析并保存姿态数据。结果表明,基于IMU的无线姿态采集系统识别具有良好的效果。