基于不变矩特征及BP神经网络的图像模式识别

根据图像的不变矩特征,应用BP神经网络实现了图像的模式识别.由于神经网络本身具有很强的学习能力及容错能力,且采用并行工作方式,因此,此识别方法与传统的模式识别方法相比,具有较强的抗干扰能力及较快的识别速度.本文通过实验验证了此方法的有效性.

基于BP神经网络的足球机器人摄像机标定

摄像机标定是精密视觉测量的基础。利用人工神经网络直接学习图像信息与二维平面信息之间的对应关系,不需要确定摄像机具体的内部参数和外部参数,也无需知道有关摄像机模型或参数的先验知识。通过实验表明基于神经网络的标定方法与传统的线性标定方法相比具有较高的标定精度和较强的标定实时性,适用于足球机器人的摄像机标定。

基于ART-2神经网络及不变矩特征的图像模式识别

将图像进行预处理并提取图像的特征,计算出图像的不变矩,利用ART-2神经网络完成了对图像的模式识别。通过实验证明ART-2神经网络具有较高的识别率,并很好地解决了神经网络在模式识别中面对识别对象出现新模式时,网络的可塑性与稳定性的矛盾。

图像采集与处理系统的USB接口设计

本文以图像采集系统为研究背景,讨论了USB2.0接口芯片CY7C68013A的GPIF(General Programmable Interface)与DSPTMS320DM642的HPI(Host Port Interface)硬件的连接设计,以及相应的固件程序、驱动程序等软件设计。解决了图像采集与处理系统与PC主机之间的高速数据传输问题。

基于NIOS Ⅱ的实时图像采集系统的设计

为了保证图像采集的快速性和准确性,提出了一种基于Nios Ⅱ的实时图像采集系统的设计。该系统以Altera FPGA芯片EP2C8Q208C8为主控芯片,根据自顶向下的设计思想,采用Verilog HDL语言构建NIOS Ⅱ硬件平台,利用C语言编写摄像头OV7670寄存器的配置、SCCB总线通信协议和TFT-LCD显示屏配置代码,将采集得到的图像实时显示在TFT-LCD液晶显示屏上。该系统具有稳定度高、设计灵活高效、可移植性强等优势,可应广泛用于实际生产生活实时图像监控中。

12位100MHz电流舵数模转换器的设计

提出了一种采用0.13um CMOS工艺的12位100MHz电流舵数模转换器的设计。系统由温度计译码模块、行列逻辑选择模块、锁存模块、输入寄存器、电流源开关阵列与偏置电路构成。设计采取"8+4"分段编码式电流舵结构来实现,SPICE仿真结果显示:电路失调误差、增益误差、微分非线性误差与积分非线性误差分别为7.5%、5.0%、7.0LSB和8.3LSB,建立时间为20ns,输出电流范围为1.5m A-22.5m A,平均功耗为81m W,属于高速低功耗数模转换器,可广泛应用于精密电子设备中。