融合LBP和卷积神经网络的摩尔纹检测

摩尔纹是一种由数字网格重叠引起的不规则混叠干扰条纹。屏摄类图像中摩尔纹的出现不仅降低了图像质量，并会对后续的图像处理任务产生不良的影响。为了有效、快速、准确地检测这种摩尔纹，文中提出一种利用局部二值模式（LBP）和多输入卷积神经网络（CNN）结合的检测模型。LBP特征计算速度快且能很好地描述摩尔纹纹理，该方法首先使用LBP提取特征，并将提取特征后的图像与原始图像一起送入设计好的多输入卷积神经网络。实验结果证明，将经过LBP特征提取的图像作为摩尔纹纹理的强化信息与原始图像一起送入网络，比单独将原始图像送入网络的网络收敛速度更快、准确率更高，可以达到99.6%，比经典的Inception V3分类模型准确率提高了4%。     

结构紧凑型宽带低副瓣阵列天线

为了满足系统对阵列天线宽带、低副瓣的要求,设计了一款工作在X和Ku波段的结构紧凑型宽带低副瓣阵列天线,相对带宽为54.5%,副瓣电平在-30 dB以下,天线纵向尺寸为4.5λg。阵列天线采用带状线加权馈电网络和宽带带状线偶极子天线一体化设计,偶极子天线用短路探针对馈电分布电容进行补偿并加载寄生贴片,有效展宽了带宽;馈电网络通过拓扑结构设计获得各功分节点最佳功率比值,对各功分节点位置合理布局缩减馈电网络纵向尺寸。在微波暗室利用近场测试系统对阵列天线实物进行测试,验证了仿真结果。