DV数字视频的采集和编辑

分析了DV视频和1394采集卡的主要性能特点,介绍了基于PC的DV视频的采集和编辑技巧,为初学者提供一些解决影视编辑中常见问题的经验和方法。     

一种基于多尺度的GPS动态滤波方法

以GPS动态滤波方法为研究对象,首先采用了多尺度分析方法,将机动载体的"当前"统计模型与基于统计特性的多尺度信号变换方法相结合;然后结合常规卡尔曼滤波算法,建立起GPS动态滤波的多尺度数据融合估计新算法;最终在最细尺度上获得目标状态基于全局信息的融合估计值。将上述算法应用于GPS的动态滤波中,仿真结果表明,该算法相对于原始算法可有效提高目标状态的估计精度。     

多波段红外图像的海面舰船目标检测

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像;波段1-5分别为3.7～4.8,3.7～4.1,4.4～4.8,3.7～3.9和4.65～4.75 μm;对多波段图像进行手动标注构建样本数据集,其中,正样本舰船目标298个,负样本非舰船目标353个。对于多波段红外图像,首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域;针对候选区域中存在大量明显的非舰船目标区域的问题,利用积分图像计算候选区域的局部对比度,依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息,对于候选区域对应的5波段红外图像,分别提取每个波段图像的稠密SIFT特征,并将128维SIFT特征向量降为64维,融入SIFT特征的空间和波段位置分布信息得到新的特征向量,基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示,最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验,所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足,从初始目标候选区域中快速定位出舰船目标候选区域,对25组多波段图像进行实验,舰船目标候选区域生成的整体耗时为0.353 s,定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试,所提出的目标识别算法融合了目标的多波段图像特征信息,通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息,算法的识别率达到了0.97,显著高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验,所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作,舰船目标定位准确,舰船目标召回率达到了0.95,每组多波段图像的平均检测耗时为1.33 s。研究结果表明,充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征,可以增强舰船目标的可分性,提高舰船目标的识别率以及检测率,为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。     

计算机网络与英语学习

本首先探讨计算机网络辅助语言学习的优点．然后从听、说、读、写、译、查、考、看等方面介绍了当前一些主要的英语学习方面的网站．最后分析了网络英语学习资料利用与真正学习之间的关系。     

基于apFFT的罗兰-C信号相位编码识别

针对现有罗兰-C接收机普遍采用锁相环硬件电路跟踪相位的情况,提出了利用全相位谱分析(apFFT)的罗兰-C信号相位编码软件识别方法,分析了罗兰-C载波信号初相位的apFFT识别原理,基于apFFT方法用Matlab对罗兰-C接收信号在噪声和载波干扰等情况下的初相位识别进行了仿真.结果表明,apFFT方法既能像FFT一样分析出干扰频率成分,又能识别出各频率成分的初相位,尤其信干比在-20 dB情况下仍可准确地识别出罗兰-C载波信号初相位,为增强型罗兰接收机的设计提供了一种新的相位编码识别方法.     

多媒体视频文件格式纵览

多媒体课件、特别是网络多媒体课件现在越来越多地用到视频媒体信息，在其制作和使用过程中往往涉及到多种视频件格式。了解这些常用件格式的特点和相关软件处理技巧，是我们获取多媒体素材和制作多媒体课件的关键。     

试论数字化校园的特征和营造

本在分析数字化校园特点的基础上，给出了一种“数字化校园”的概念，并对数字化校园营造的几个重要方面作出了一些初步探讨。     

智能化检测相位差的方法

利用AT89C2051单片机实现相位差测试。分析了测量原理。给出了硬件电路和软件设计方案。对测量误差进行了分析计算，本测量方法具有硬件电路简单。测量精度高。抗干扰好。频率范围宽等优点。适合测量15Hz～3．9kHz相位差。     

一种改进的Adaboost算法的人脸检测分类器

针对人脸检测中单一分类器检测非常耗时,而且没有考虑到检测后提取标准人脸对后续工作(如识别)等问题,提出了运用Adaboost算法,采用正面人脸和人眼两个特征作为分类器,首先用Cascade算法筛选出输入图像中最有可能是人脸的区域,然后根据以正面人脸和人眼为特征的分类器检测人脸区域,并根据检测出来的人眼距离和角度对人脸进行精确的定位.同时针对实际的图像中人脸常常存在一定倾斜,从而影响后续的人脸的识别率这一问题,采取了根据人眼的位置对倾斜图像进行修正.实验结果表明改进的算法能够在保持一定运算速度的基础上取得准确的人脸,具有较好的实用性.