ATM无源光网络中直流耦合突发模式光接收机分析

本文根据异步传输模式(ATM)无源光网络(APON)的实际要求,对直流耦合突发模式光接收机进行了理论分析,结果表明基于动态峰值检测的突发模式接收机其灵敏度代价和传输容量代价过高,而基于局部峰值检测的突发模式接收机则可较好满足APON的要求.     

ATM无源光网络中直流耦合突发模式光接收机分析

根据异步传输模式（ATM）无源光网络（APON）的实际要求,对直流耦合突发模式光接收机进行了理论分析,结果表明基于动态峰值检测的突发模式接收机其灵敏度代价和传输容量代价过高,而基于局部峰值检测的突发模式接收机则可较好满足APON的要求。     

基于数字图像处理的轨道板裂纹缺陷检测

利用数字图像处理技术,通过轨道板图像自动分割、边缘提取、轨道板固有结构边缘去除、真伪裂纹区分等步骤,设计了轨道板裂纹缺陷自动检测识别算法。通过对实际采集的轨道板图像的处理,证明该方法能够准确提取和标记缺陷区域。在实验的1 000幅图像中,人工检出裂纹图像6幅,自动识别裂纹图像6幅,准确率达到100%,算法运行速度经测试能够满足实时检测的需求。     

基于小波包-FHN模型的UWB信号检测

在超宽带冲激无线电信号检测中,针对FHN神经元模型随机共振中检测信噪比受限的问题,研究分析了小波包理论及传统单阈值小波包的缺点,结合新的分段阈值小波包去噪算法,提出一种小波包与FHN神经元模型随机共振联合检测的新方法,并对所提算法的性能进行仿真验证。仿真实验表明,新方法克服了FHN模型的信噪比门限,降低了FHN模型的检测信噪比,改善了FHN模型的检测性能,可有效恢复强噪声背景下的超宽带冲激无线电信号波形。      

基于改进多尺度间隙度的海上目标分割方法

针对复杂海面背景下的可见光图像舰船目标分割问题,引入了图像的多尺度间隙度特征,分析了Dong提出的图像间隙度特征提取算法存在的问题,并进行了改进,采用滑动盒子内像素值方差计算滑动盒子的质量,提高了舰船目标与海面背景的可分离程度,最后利用改进算法提取图像的多尺度间隙度特征对海上舰船目标进行分割。实验结果表明,利用改进方法对海面背景下舰船目标进行分割,相对于sobel边缘检测、ostu阈值分割和基于传统提取算法的多尺度间隙度特征分割方法结果更优,可以更好地抑制海面亮度变化、海浪和背景杂波的影响,准确分割出海上舰船目标。     

基于Lab颜色距离和GMM的树木图像分割算法

针对传统的高斯混合模型(GMM)分割算法在树木图像分割上存在的不足,文中结合Lab色彩模型的颜色和空间的相关性,提出了一种基于Lab颜色距离的GMM的树木图像目标分割算法。该算法首先利用图像颜色信息,将图像的多个颜色通道进行Lab颜色距离的计算,然后基于Lab颜色距离建立GMM,最后根据得到的概率值自适应寻找最佳分割阈值。实验结果表明该方法得到的果树区域更准确,并且对阴影、光照不均匀图像具有很强的鲁棒性,分割的平均准确率为98.2%。     

OBS边缘节点接收设备的研究

光突发交换(OBS)网络边缘节点的接收设备具有与普通光网络接收设备不同的要求和特点.首先,光突发接收要求有快速的信号同步时间,以减少前导字节所占用的开销;其次,特有的帧结构要求有相应的解封装操作和业务数据的快速交换能力.本文设计和测试了光突发接收电路,同时利用大容量FPGA完成了信号的解封装和IP数据的快速交换,并以此开发了OBS边缘节点接收设备,在系统测试中证明该设备符合光突发交换系统的要求.     

基于DeepLabV3+与注意力机制相结合的图像语义分割

基于DeepLabV3+进行图像分割时,在特征提取阶段忽略了不同级别的特征图中存在的特征重要程度不同,丢失了大量的细节信息,致使分割效果不佳.针对该问题,提出了一种基于DeepLabV3+与注意力机制相结合的图像语义分割算法.在骨干网络Xception模型中提取两条低级特征作为解码器的输入特征,提高特征提取的准确性;采...     

钛合金表面激光重熔镍包石墨涂层的研究

为了提高钛合金的表面耐磨性能,以镍包石墨粉末作为预涂材料,先热喷涂到Ti-6A l-4V基底表面,再采用激光技术进行重熔处理,获得了质量良好的增强涂层。通过XRD、SEM和EDS对涂层组织进行分析,结果表明:涂层的微观组织为固熔了少量Ti元素的镍基,含有大量的TiC增强相。这些TiC增强相呈现发达的枝晶状形态,是在激光重熔过程中原位反应生成的。显微维氏硬度测试表明:激光重熔涂层的硬度达到HV1200,是钛合金基底硬度的3倍。     

基于改进U-Net网络的腺体细胞图像分割算法

针对腺体图像在自动分割过程中由于多尺度目标和信息丢失影响导致准确率降低的问题,文中采用了一种引入注意力模块的全卷积神经网络模型。该模型遵循编码器-解码器结构,在编码网络中用空洞残差卷积层代替原有的普通卷积层,并添加空洞金字塔池;再在解码网络中加入注意力模块,使模型输出高分辨率特征图,提高对多尺度目标的分割精度。实验结果表明,提出的网络模型参数少分割精度高,对腺体图像的平均分割精度高达89.7%,具有较好的鲁棒性。