表面形变精密测试方法的研究

本文在试样的表面制作出等间隔的平行线，作为反射式光栅，在激光束的照射下形成一列线阵分布的衍射光斑，并用线阵电荷耦合器件等组成的系统，测试衍射光斑间距及其变化量，从而高精度（μｍ量级）的为材料表面形变，应变等的测试，开发了一种具有近代光学测量的新技术。     

基于改进KNN算法在近红外光谱中的模式识别研究

针对近红外光谱数据特征变量个数远大于样本数以及光谱点之间存在强相关的特点,通过主成分分析压缩光谱信息抽提独立的特征变量,在最佳主成分个数下计算各样本到不同类中心的马氏距离,进而统计整体的预测正确率。文中采用改进的KNN算法对四种牌号的卷烟近红外光谱数据进行了类别预测,在明显改进效率的同时,获得了更为准确的预测结果。     

基于TMS320DM642的MPEG-4编码器设计和优化

给出在TMS320DM642 DSP平台上实现MPEG-4视频编码器所用到的优化方法.这些方法包括算法的改进及存储器的合理分配,以提高程序代码的并行性,减少计算量,重点是运动估计模块及其相关问题的设计优化.该编码器可以在CIF大小图像格式下以25f/s左右的速度进行编码,满足实时视频编码的要求.     

基于双目立体视觉的坝体形变测量方法

GPS坝位移动自动化检测系统是利用现代化电子信息技术、通信技术及计算机技术,实现对坝体位移检测指标数据实时、自动、连续采集、传输、管理、分析及预警的监测技术。本文设计了一种基于双目立体视觉的坝体形变测量方法。该方法采用双目立体视觉的测量原理,结合图像预处理、图像分割、角点检测、立体匹配的方法,计算设置在坝体上特征点的三维空间坐标,从而获取坝体形变信息。仿真实验表明,该坝体形变测量方法能实时显示坝体形变数据,并且其可视化的输出结果能够直观显示坝体形变状态。     

电子束曝光UV3正性抗蚀剂的工艺研究

为了在体硅CMOSFinFET中用等离子体腐蚀精细凹槽图形，研究了将电子束直写曝光用于原为深紫外光学曝光的UV3正性抗蚀剂的工艺技术；详细分析了包括膜厚、曝光能量、曝光剂量、显影时间、设计尺寸和衬底材料等在内的各类工艺参数与实际曝光图形效果的关系；特别指出了曝光过程中特有的延迟效应及解决办法。采用最终的优化工艺条件，得到了合适的图形效果。     

基于改进遗传算法和LVQ神经网络包裹算法的特征筛选

在皮肤症状计算机辅助测试系统研究中，症状特征的筛选是提高系统诊断的关键问题，针对这个问题提出基于遗传算法和LVQ神经网络相结合的包裹算法。同时为了提高搜索效率，采用改进的自适应遗传算法。并用留一交叉法验证LVQ神经网络分类器的识别率．对初步提取的体现病态皮肤症状特点的22个特征以及它们的10个随意组合构成的干扰项进行特征选择，选择出使皮肤症状诊断率得到明显提高的特征组合。实验证明该方法是可行的。     

结合模板与互信息的全景图拼接技术研究与实现

针对传统互信息图像配准拼接算法计算量大、效率低等问题,本文结合模板匹配,提出基于模板与互信息的全景图拼接技术。首先将误差法和二次匹配误差法相结合,对待拼接图像进行初次模板匹配,划定大致重叠区域;接着从互信息量的角度比较相邻重叠的两幅图像的相似性,通过建立两幅图像之间的互信息量,计算最大互信息,获得匹配区域;然后再次利用模板匹配,设定最佳匹配区域,最终实现图像配准拼接。在VS2010+Opencv环境中编程实现重叠图像的拼接,并验证了算法的正确性。实验表明,本文算法具有计算量相对小,自动化程度高,配准拼接精度高等优点。     

实时红外目标跟踪方法

针对红外图像的特点,提出一种实时目标跟踪方法。该方法采用局部二元模式(LBP)算子提取图像的多尺度LBP编码直方图作为图像特征向量,使用卡方统计度量模板图像和样本图像的相似度。结合Kalman滤波和多尺度模板更新机制,使得算法在目标尺寸大幅变化,目标部分遮挡、短暂消失等情况下仍能保持跟踪的正常稳定进行。针对该算法,设计了专用图像处理板卡,介绍该算法在图像处理板上的硬件实现方法,使目标跟踪满足50 Hz/s的实时处理要求。最后,使用两组实录红外序列图像进行了仿真实验,验证了该算法的有效性和鲁棒性。     

基于Gabor变换的一种有效的图像水印技术

在大量实验的基础上,提出了一种基于离散Gabor变换（DGT）的强数字水印实现技术.将数字水印信息隐藏在DGT的低频系数中,在水印的检测算法中采用了几何变换及与其相配套的匹配技术,将有几何形变的图像反变换恢复,再通过DGT进行检测.所提出的方法采用综合性水印测试软件StirMark 4.0进行了大量的模拟攻击实验,在几乎所有的实验中检测算法都成功地检测到隐含于数字图像数据中的水印信息,表明所提出方法具有很好的鲁棒性及高效性能.     

高维空间下求解MDA的扰动算法及其在人脸识别中的应用

本文提出了一种在高维空间下直接求MDA(Multiple discriminant analysis)最佳解的扰动算法，并把这一算法应用于人脸的识别中。在传统的MDA求解算法中，一般要求训练样本的个数足够大，以至于其类内散射矩阵为非奇异矩阵，即所谓的“小样本”问题。但是，在入脸识别中，由于人脸空间的维数非常大，而训练样本的个数有限，造成类内散射矩阵为奇异矩阵，从而使得用传统的求解方法失效。为了能在高维空间中求出MDA的最佳解，本文采用扰动的思想，巧妙地避开了矩阵的奇异性问题并找到了最佳变换矩阵。此外，把这一算法用于人脸的识别中，对ORL人脸图像库的实验显示，采用本文提出的算法达到比较低的错误率，其错误率仅为特征脸(Eigenface)方法的49．9％，为Fisher脸(Fisherface)的7914％。