基于局域熵值分布图的目标分割及质心计算

图像分割的质量直接决定了目标检测及跟踪等一系列工作的好坏。传统的局域熵对于简单背景下的小目标检测较为有效,但对于目标较大的情况分割效果则不甚理想。致力于统计图像每一像素点的局域熵值,绘制局域熵值分布图。对局域熵值分布图进行迭代阈值分割,以求得最佳分割阈值并实现二值化。在二值化熵值分布图的基础上,统计像素分布,求取目标质心。在下一帧的视频图像中,根据前一帧求取的目标质心来设定波门,以减少非目标以及噪声的干扰。对多个视频序列进行实验后证明,本文提供的方法能够有效减少杂波干扰,提高系统的鲁棒性。

基于LMD和局域时频熵的旋转机械故障诊断方法

提出了一种基于局部均值分解和局域时频熵的旋转机械故障诊断方法。以旋转机械作为研究对象，利用LMD方法分解旋转机械振动信号，对分解得到的各乘积函数进行Hilbert变换，得到振动信号的时频分布。为了定量描述振动信号能量的时频分布情况，提出了局域时频熵的概念，根据旋转机械故障的频谱特征，将整个时频平面划分为若干时频段，计算时频段的局域时频熵，以局域时频熵作为旋转机械故障特征，实现旋转机械故障特征提取。基于局域时频熵进行故障特征提取可以细致地反映各时频区域能量分布的差别，同时可以减小计算量，提高运算速度。仿真与实验结果表明，该方法能有效地应用于旋转机械故障诊断中。

热扩散过程最小熵产生定理的推导与讨论

介绍单纯热传导过程和单纯扩散过程的最小熵产生定理,推导存在两个耦合的热扩散不可逆过程的局域熵产生率和最小熵产生定理表达式.证明了热扩散过程的最小熵产生率是流和力成线性关系且热流动力是常数的非平衡定态过程.

应用小波变换的自适应脉冲耦合神经网络在图像融合中的应用

设计并实现了一种适用于红外与可见光图像融合的基于小波变换的自适应脉冲耦合神经网络(PCNN)融合技术。首先,对融合的两幅图像进行小波分解得到两组多尺度图像。然后,在小波域充分利用PCNN的同步激发特性,进行PCNN的融合策略设计;使用不同频率下小波系数的局域熵作为PCNN对应神经元的链接强度,经过PCNN点火获得参与融合图像在小波域中的点火映射图;根据点火时间计算点火映射梯度图,再通过判决选择算子,选择点火时间梯度最大的小波系数作为融合系数。最后,对融合后的小波系数进行重构生成融合图像。进行了两组图像融合实验,结果显示,在迭代次数为50次时,与经典小波方法相比,两组实验结果的熵分别提高1.1%,0.7%;平均梯度分别提高8.3%,3.7%;空间频率分别提高2.5%,1.5%;标准差分别提高1.9%,0.6%;交叉熵分别缩小5.6%,4.9%,结果表明本文方法用于红外与可见光图像的融合十分有效。

基于TMS320C6455的目标跟踪系统设计与实现

介绍了一种基于高速处理芯片TMS320C6455和FPGA架构的目标跟踪系统。该系统以DSP与FPGA为主体设计一套图像处理设备,利用局域熵算法来实现简单背景下小目标的跟踪。FPGA采用Xilinx公司生产的XC5VSX95T,用来对原始图像数据进行预处理。DSP芯片采用TI公司生产的TMS320C6455,通过局域熵算法对预处理后的图像进行实时跟踪并且将目标信息返回FPGA。FPGA获得跟踪结果后,将目标信息与原图像叠加,通过显示器将图像结果进行显示。局域熵算法经过优化后,目标检测跟踪时间大大缩短,满足硬件系统实时性的要求。

量子格点系统的平衡时间尺度

平衡时间尺度问题是理解量子系统平衡化过程的一个重要的问题,此问题尚无一个广泛适用而又准确的解答.本文研究了量子格点系统的局域平衡时间尺度问题,通过平衡与纠缠熵的关系,给出一种新的平衡的判据,相对其他判据, Rényi熵的计算更简单,能与信息的传播相联系.对平衡时间上界,我们沿用观测上时间平均平衡这个判据.由于这个判据与观测对应,因此定义准确,但计算比较复杂.通过适当地假设系统的初始状态,我们给出了一个新的结果.由于对系统哈密顿量没有限制,此结果适用范围很广.此结果给出的平衡时间与具体观测相关,正比于能隙坐标下观测算符与初始密度矩阵乘积分布的二阶Rényi熵.当观测限于一个小区域时,平衡时间上界可被限制得很小.对于平衡时间下界,通过计算短程相互作用、指数衰减相互作用、长程相互作用系统的局域二阶Rényi熵变化率,我们给出了这些系统平衡时间新的下界.本文得到的平衡时间上下界对于理解量子系统平衡化具有重要意义.