基于C-CDIO模式的“数字图像处理”课程教学改革与探讨

CDIO体现了最新工程教育理念,是工程教育改革的最新成果。在此基础上,结合"数字图像处理"课程实践性和专业性强的特点,有针对性的进一步发展了以集成化课程链、应用化教学链、协作化实验链为特点的C-CDIO模式来探索"数字图像处理"课程教学改革。该教学改革打破了传统专业课教学模式,在提高学生工程意识,项目构思、设计、实施和操作的能力,以及团队合作精神等方面取得显著效果。

“微机原理与接口技术”的MOOC课程改革探索

MOOC为当前高校课程教学提供了一种新方式,分析了微机原理与接口技术课程MOOC的特点,从教学计划制定、MOOC录制方式的选择,课堂例题和课后作业以及在线互动的设计方面提出了一些思路。这些探索打破了传统专业课程教学模式,增加了课程教学的灵活性,增强微机原理与接口技术的教学效果。

梯度先验模型耦合改进复扩散的图像放大

为提高图像中弱边缘和纹理细节的放大效果,提出一种梯度先验模型耦合改进复扩散的单幅图像分辨率增强算法。利用改进的复扩散和冲击滤波器对图像边缘进行增强并通过梯度约束模型对弱边缘进行增强,减少图像放大引起的混叠效应和吉普斯效应,通过变分模型实现两者的耦合,具有良好的放大效果。梯度先验模型通过放大图像和边缘插值图像梯度逼近实现,复扩散模型采用自适应扩散参数耦合冲击滤波器实现对边缘的增强。和其它算法进行仿真实验比较,比较结果表明,该算法在强边缘、弱边缘和细节方面能够取得较好的分辨率重建效果。

复杂场景中的视觉跟踪研究

现有的视觉跟踪方法在复杂场景中依然难以有效跟踪运动物体,而融合多种特征能有效地提升算法在复杂场景中的跟踪效果。该文研究了在粒子滤波框架下基于多种特征融合的视觉跟踪算法,通过在线训练支持向量机分类器构造判别式目标表观模型。在复杂场景视频中进行测试,实验结果表明该文跟踪算法具有较好的鲁棒性和准确性。

基于虚拟领队的不确定轮式移动机器人自适应编队控制

针对包含不确定动力学因素的轮式移动机器人的编队控制问题,运用虚拟领队的概念,提出一种基于径向基神经网络的自适应编队控制方法.首先通过虚拟领队的引入,将高维编队控制问题转化为单个移动机器人的跟随问题;然后,利用权值自适应变化的径向基神经网络在线估计跟随机器人不确定部分的上界值,大大简化了控制器的设计过程;最后,应用Lyapunov稳定性理论和Barbalat定理证明了闭环系统的稳定性.仿真结果表明了所提出控制策略的有效性.