一种基于共轭节面的图像畸变分析方法

无像差的光学相机的成像模型可由其共轭节面模型等效表示。针孔模型本身忽略了偏离该等效模型的误差,也无法表示平板玻璃的平移误差、光轴的安装误差以及实际相机光学系统的像差,这四个因素都会引起图像畸变。基于此利用共轭节面的性质建立了一种图像畸变几何模型,并与广泛采用的像差模型进行了对比,从理论上解释了像差模型各个系数的物理意义。对某实际针孔相机进行仿真分析,该几何模型给出的相对径向畸变、角度误差在设计参数的范围以内,并且可以模拟图像的非对称畸变。该几何模型需要辨识包含主面相关参数、光轴倾斜角和平板玻璃的轴向球差在内的4个参数,辨识参数较少,理论上可以作为一种新的图像畸变校正方法。     

基于改进型相关向量机的高光谱图像分类

相关向量机(RVM)高光谱图像分类算法是一种基于贝叶斯概率模型的监督机器学习算法,其分类精度较高、测试时间较短。然而算法本身存在训练时间随着训练样本增加直线上升、分类效率整体降低等问题。针对这种情况,提出一种基于改进型相关向量机(VRVM)的高光谱图像分类算法。本算法在传统概率模型中引入一个新的分布,使得计算复杂度较高的积分运算可近似地拆分成两个较为简单的对数和形式。实验结果表明,VRVM高光谱图像分类算法的总体分类精度和相关向量的数量与RVM基本相同,但训练时间随样本数的增加有明显的减少。     

基于Petri网列车连挂解编模型分析

提出一种基于Petri网描述系统的方法,该方法（简称EPN）将Petri网与UML思想相结合,通过5种简单的事件模型来分析系统。由于借鉴了UML思想,使得EPN易于对一些复杂系统进行描述,也易于利用UML分析结果对系统快速建模。同时EPN是基于Petri网,因此完全可以利用现有Petri网的数学模型和工具进行建模和仿真。本文主要对列车控制系统中的连挂和解编过程进行建模。通过模型验证采用EPN分析系统的有效性和便捷性。     

基于克隆选择算法的人脸特征选择

针对经典PCA算法在人脸特征提取上的局限性,提出了一种基于克隆选择算法的特征选择方法．克隆选择算法的收敛速度快,具有较强的全局搜索能力,可以快速搜索到最有利于分类的特征空间;因此利用克隆选择算法对PCA变换后的特征向量进行选择,可以有效避免PCA只选择人脸轮廓信息,而忽略细节信息的不足,在人脸识别中取得了较好的效果．通过对ORL和Yale人脸库的仿真实验表明,该方法无论在识别率、降维效果还是稳定性方面,性能均优于遗传算法,不但有效降低了特征向量维数,还将人脸识别率提高到91．5％,因此研究该算法具有很强的现实意义．     

可见/红外双色共孔径光学系统设计及实现

为解决现有的共孔径双波段相机成像质量差、结构复杂、体积庞大的问题,提出了一种可见/长波红外双色光学系统设计.在两个波段共用前端反射结构、主镜背部加分色镜,实现了可见光与长波红外同时成像,保证了系统结构的紧凑性.分析了分色镜对红外波段成像的影响,以及分色镜偏离竖直方向不同角度的影响.对红外波段的校正系统及像面进行了?2....     

相干激光雷达图像散斑噪声抑制算法

提出了一种新的用于散斑噪声抑制的非线性加权均值多方向形态滤波算法。运用此算法和先前提出的散斑噪声抑制算法以及小波软阈值算法和Lee滤波算法一并对相干激光雷达图像进行了噪声抑制处理，并且对处理的结果进行了比较，证明了本算法的进步，即在不降低噪声抑制能力的前提下，较好地保持了图像边缘。     

基于像元递归的高光谱局部异常检测算法

阐述了基于传统RX算法(Reed-Xiaoli Detector,RXD)架构的高光谱实时局部异常检测算法研究方案.基于高光谱空间成像方式的特点,针对摆扫型成像光谱仪逐像元成像的机理,采用局部因果阵列窗,两次利用Woodbury矩阵求逆引理,实现高光谱目标的局部异常检测.首先,将经典的矩阵窗改进为滑动因果阵列窗;然后,对局部实时算子的因果阵列窗窗长的参数设定进行优化,选取四组数据进行测试对比,选取最优参数;最后,就检测结果灰度图、ROC曲线(Receiver Operating Characteristic Curve)、AUC数值(Area Under Curve)以及算法运行时间等四个方面,对局部异常检测算子与经典双窗算子、全局实时算子分别进行仿真实验比较.结果表明,虽然因果阵列窗窗长的参数优化使局部异常检测算子的计算复杂度有略微升高,但异常目标点的观测更加清晰,AUC值明显提高,具有更好的检测效果.     

基于89C51的超声波液面仪

利用超声波测量液面高度是一种精度较高、费用低廉的测量技术。介绍了已研制完成的超声波液面仪的原理、系统构成和软、硬件设计思路，并提出了适合89C51单片机的数据滤波算法。     

数字式AGC回路的Z域分析

本文用Z变换的方法分析了数字式AGC回路的性能,确定了回路的稳定条件、跟踪条件和跟踪范围.通过分析可以看出,数字式AGC回路不仅增益调整速度快,而且系统稳定、性能可靠.     

基于CDHMM/SOFMNN噪声背景下的语音识别方法

针对噪声背景下传统语音识别系统识别率较低的问题,提出了一种将自组织特征映射神经网络(SOFMNN)与隐马尔可夫模型(HMM)相结合的方法,训练出适应噪声的混合模型.该模型适合于对噪声背景下的语音进行识别.同传统的CDHMM模型以及直接在语音中加入加性噪声训练出的CDHMM模型相比,该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(2~12 dB),识别率比传统CDHMM模型有明显提高.