一种外置式视频同步信号发生器的设计

对随机视频信号的特点进行了研究，提出了采用谱分析提取随机视频信号的同步频率的方法，根据数据传输的要求设计了基于USB接口的外置式视频同步信号发生器并给出了系统的硬件框图和软件流程。系统具有自动分析随机视频信息隐含的同步信号频率，精确产生同步脉冲信号的特点，满足随机视频信号采集和稳定显示的同步要求。同步精度达到300帧内图像漂移小于1个像素。利用该视频同步信号发生器控制非标准图像采集卡实现了计算机辐射的随机视频信号的采集和稳定显示。     

红外小目标与背景辐射对比度的研究

红外目标与背景的对比度特征是红外探测系统检测的重要特征。研究了目标和背景在探测器上的辐射照度,提出了一种红外小目标与背景的辐射对比度,分析了该目标与背景对比度的相关因素。     

改进自适应加权的局部立体匹配算法

针对Yoon经典自适应加权法在深度不连续处误匹配率较高、边缘细节不突出以及匹配窗口大小凭经验设计不通用等缺陷,提出了一种改进自适应加权的局部立体匹配算法.在经典自适应加权局部立体匹配算法的基础上用高斯分布权值替换了几何空间权值,增加了边缘权值突出深度不连续处的边缘细节,采用赢家通吃原则(Winner Take All,WTA)获取单像素点视差,在目标视图中逐点求取视差,最终获得稠密视差图.实验结果表明,该算法相比于经典自适应加权法,在非遮挡区域错误匹配百分比上下降6％,在深度不连续处的误匹配率降低了5％,边缘细节毛刺明显减少.     

基于特征点扩充及PCA特征提取的ASM定位算法

活动形状模型ASM(Active Shape Model)在目标对象的定位中得到广泛应用,但传统ASM算法定位精度较低,模型容易收敛到错误位置,为此,本文提出了一种基于特征点扩充和主成分分析PCA(Principal Component Analysis)灰度特征提取的ASM改进算法:首先,采用等距插值的方法扩充手工标定的特征点;其次,提出采用主成分分析PCA处理特征点法线灰度信息代替原算法中的灰度值求导,统计特征点局部灰度特征,以提高目标定位的精度.实验结果表明,与传统ASM算法相比,本文的改进算法的目标定位精度和鲁棒性都有了显著的提高,实验数据显示,平均定位误差降低了38％以上.     

海洋生物体中稀土元素的微波消解电感耦合等离子体质谱测定研究

建立了微波消解样品处理、电感耦合等离子体质谱法测定海洋生物体中稀土元素的方法.用人发标准参考物质(GBW09101)、植物标准参考物质(GBW07603)以及实际样品标准加入回收的方法对文中所述的分析流程进行确认.实验结果表明,所建立方法的测定结果与标准参考物质的标准值或推荐值一致;样品标准加入实验的回收率在97%～104%之间.方法的定量下限为0.01～0.31 ng·g-1(10σ,n=10,干样).     

一种基于图像分割的立体匹配算法

针对在立体匹配过程中的低纹理和视差不连续的问题,提出了一种基于图像分割的立体匹配算法。首先采用Mean-Shift算法对彩色图像进行图像分割,并认为分割区域块内的像素视差是平滑的,然后采用较大窗口匹配方法,提取左右彩色图像相似像素点作为种子点,根据区域内的平滑约束条件,利用小窗口匹配方法将种子点向周围区域扩散,最终得到稠密视差图。实验结果表明该算法相比传统的自适应匹配算法,视差不连续区域匹配误差降低10%左右。     

基于颜色空间转换的高动态图像双屏显示方法

针对高动态范围图像映射后偏色问题及图像细节显示不足问题,提出了一种基于颜色空间转换与双屏结合的显示方法。首先将高动态图像转换到HSL空间,采用自适应对数算法进行亮度映射及相应的饱和度增强,再次转换到RGB空间并进行LCD-FED双屏分割显示。实验结果表明该方法不仅解决了偏色问题,而且在细节表现能力上也有了很大的提升,其失真度仅为3.7%。     

离散Hopfield神经网络的PWM型脉冲流技术实现

研究了离散Hopfield神经网络的PWM(脉冲宽度调制)型脉冲流技术实现。利用MOS开关管和电压比较器实现了离散Hopfield神经网络，并提出了利用离散Hopfiled神经网络实现自联想记忆时相应的PWM型脉冲流电路。所提出的电路结构简单，易于芯片间通讯及系统扩展。     

基于GaN的图腾柱PFC电流过零点问题的研究

在连续导通模式下,图腾柱无桥拓扑结构功率因数校正器(PFC)的损耗非常大,导致拓扑结构的效率降低,在输入电压过零点处电流容易发生畸变。针对此问题,提出了一种改进的过零点控制方法。将输入电压过零时段划分为两个控制阶段,即高频桥臂主开关管完成软启动,采用双极控制方法有效校正输入电流,使其跟随输入电压。搭建一台1 kW实验样机,并利用DSP开发板进行实验验证。测试结果表明,当开关频率为100 kHz时,功率因数为0.99,PFC模块效率最大可达98.5%,总谐波失真在输出功率大于200 W时小于3%。     

基于GAN网络的三维人脸纹理重建技术

在计算机视觉领域,三维人脸重建起着重要的作用,特别是在动画制作、虚拟人脸、人脸识别等领域正被广泛应用。基于单张图片的三维人脸重建,通过使用拟合的模型对图像进行采样,可以创建出面部的UV纹理图。然而通过相机采集到的是单视角的二维图像,存在人脸自遮挡的情况,这导致生成的UV纹理图的信息是不完整的。因此,提出一种针对三维人脸纹理补全问题的条件生成对抗网络,将Unet和部分卷积结合起来作为生成器,从而在纹理修复时可以保留更多的图像信息;判别器中引入SMPatchGAN提高图像判别的真实准确度。实验结果表明,相较于其他算法,所提出的算法取得了较为显著的改进效果,特别是在处于大视角下存在人脸自遮挡问题时,也能重建出精细的三维人脸模型。