基于卷积神经网络的图像识别教学实验

图像识别是"图像处理"教学中的重要内容.本文在Linux环境下使用iTorch notebook可视化界面利用卷积神经网络实现mnist手写数字体的准确识别,并详细介绍卷积神经网络的原理,给出直观的实验结果.教学实践表明,通过具有应用性和趣味性的实验可以提高学生的积极性,加深对课程理论的认知,培养其分析问题和解决问题的能力.     

用于摄像机定位的单目视觉方法研究

利用单目视觉算法确定摄像机相对于被测点的聚焦位置的方法 ,提出了一种新的能量谱 熵函数图像聚集锋利性测度评价函数以及新的单目视觉测量方法 ,即将单目视觉方法中的离焦法和聚焦法结合起来 ,进行聚焦位置的测量。并给出了用于摄像机定位的单目视觉离集法和聚焦法的计算模型。实验验证结果证明了算法的稳定性和可靠性     

基于分形的深度图序列编码算法

充分利用深度图序列相邻帧间的局部相似性,并结合H.264帧内预测编码算法,提出了一种适用于深度图序列编码的新方法,即深度图序列的I帧编码采用H.264帧内预测结构而P帧编码采用基于分形理论的压缩方法。首先介绍了分形编码的理论基础,然后通过改进非均匀多层次六边形格点整像素运动搜索(UMHexagonS)方法,提出了一种更适用于分形编码的基于运动矢量场的自适应六边形搜索算法,从而形成了基于分形的深度图P帧预测编码结构。实验结果表明:本文提出的编码系统在很大程度上提高了H.264的编码性能,峰值信噪比差值(BDPSNR)平均提高了3.54dB,编码比特率差值(BDBR)平均降低40.98%,同时编码复杂度也大大降低,平均编码时间减少了85.27%。     

一种基于逐点阈值分割的图像边缘检测方法

提出一种对图像中每个点逐一取阈值进行分类的一种新的阈值分割算法.该算法利用图像中像素邻域的灰度值均值统计信息作为该点阈值设置的标准,并引入该点邻域内像素灰度值方差作为附加判断条件,使提取出来的日标点是图像的边缘点.事实上该阈值分割算法起到了边缘提取的效果.实验证明,本文算法起到了良好的边缘检测效果,并且验证了本算法对于以邻域统计信息作为阈值估计标准的合理性.     

EDA在线阵CCD驱动电路设计教学中的应用

CCD(电荷藕合器件)是一种广泛应用的固体成像器件,在CCD应用中的关键问题之一是其驱动电路的设计.在本科生实验课程中开设的CCD驱动电路设计实验能帮助学生巩固所学的模拟电路和数字电路的知识,使学生在分析、设计和动手能力等方面得到提高,使实验教学和课堂教学得到结合.本文给出了在实验课程中采用EDA软件针对线阵CCD TCD2252D驱动电路的几种设计方案.     

太阳能帆板平面度测量系统中光斑图像处理方法研究

太阳能帆板的平面度测量是卫星生产制造过程中的一个关键技术，现有的测量方法存在着精度差，效率低的问题。该文在基于实际工程课题的太阳能帆板平面度测量系统基础上，针对测量系统中光斑图像处理这一关键技术进行了详细的研究。对现有测量方法进行了比较与分析，介绍了测量系统的基本原理、图像采集系统设计过程中采取的主要措施、图像处理的具体方法与步骤和测量系统的基本组成。提出了一种新的快速滤波算法和光斑图像能量中心求取算法，大大提高了光斑图像能量中心的求取精度和实时性，提高了太阳能帆板平面度的测量精度。给出了光斑图像处理结果、静态测量重复性误差以及实际帆板的测量结果与分析，实验结果证明所采用的光斑图像处理方法可以满足对实际帆板测量精度的要求。     

基于改进梯度和自适应窗口的立体匹配算法

立体匹配技术是计算机视觉领域的研究热点,由于问题本身的病态性,一直没有得到很好地解决。针对现有局部立体匹配算法精度不高以及易受光照失真影响的问题,提出了一种基于改进梯度匹配代价和自适应窗口的匹配算法。在传统梯度向量仅包含幅度信息的基础上,引入相位信息,并对原始匹配代价进行变换,进一步消除异常值;利用图像结构和色彩信息构建自适应窗口进行代价聚合;提出了一种局部视差直方图的视差精化方法,获得了高精度的视差图。实验结果表明,所提算法在Middlebury测试平台上平均误匹配误差为6.1%,且对光照失真条件具有较高的稳健性。     

基于H.264的内容自适应分数像素运动估计算法

分数像素精确运动估计的改进是整个运动估计模块优化的关键,本文提出了基于H.264的内容自适应分数像素运动估计算法。首先,提出基于平坦区域宏块预测的无效分数像素运动矢量(MV)搜索省略算法(SMBP);然后,改进H.264采用的基于中心的分数像素搜索算法(CBFPS),提出基于预测矢量的增强型菱形模板(EDSP)搜索算法。实验结果表明,内容自适应分数像素运动估计算法比分数像素全搜索算法(FFPS)在峰值信噪比(PSNR)有微小降低(0.095～0.209 dB)的情况下,平均减少了75.6%的分数像素搜索点,整个运动估计模块平均节省了38.5%的计算量。     

基于机器学习的HEVC帧内模式快速决策算法

针对高效视频编码(HEVC)计算复杂度过高的情况, 提出了一种基于机器学习的帧内快速决策算法。根据图像内容的平滑 程度将PU划分成3类,对具有一定平滑度的预测单元(PU)不需要遍历完所有的帧内预测模式 ,从而有效降低算法的计算复杂度。首 先,计算各个PU的左边参考像素方差、上边参考像素方差和总参考像素的方差,以及各个P U采用的最优的帧内预测模式, 这些方差反映了参考像素的平滑程度;然后,利用机器学习软件Weka对得到的数据进行分类 处理,得到分类决策树; 最后,根据决策树来判定各个PU需要测试的帧内模式,再对各个PU 遍历这些帧内模式,确 定最优的模式,减少不必要 预测,从而降低编码复杂度。实验结果表明,本文算法相对于标准的HEVC 15.0编码算法,在高码率的情况下,编码时间平 均节省约16.18%,BD-rate平均升高约0.25%,BD-PSNR平均降低约0.02 dB;在低码率的情况下,编码时 间平均节省约20.75%,BD-rate平均升高 约0.04%,BD-PSNR平均降低约0.00dB。     

一种基于对象的分形视频压缩算法研究

基于分形视频压缩的典型方法,提出了一种改进并提高其压缩性能的方法,用更有效的宏块划分规则替代传统的四叉树划分规则、简化块的搜索策略和范围、使用类似H.264标准的I帧和减少重复计算等。提出了一种在分形视频压缩算法中的基于对象(OB)压缩的实现方法,可以对任意对象单独进行压缩编码,极大地提高压缩比和压缩速度,降低比特率并节省数据传输时的带宽。实验结果表明,相比典型的方法,本文提出的分形视频压缩算法,压缩比提高了近4倍,压缩速度快近10倍,图像质量提高了3～5dB,显著地提高了分形视频压缩算法的性能;同时,OB的压缩方法简单有效,压缩比和压缩速度又有大幅度提高,使分形视频压缩的应用具有更大的灵活性和实用性。