基于Labview的ADC综合性能测试系统

近年来,在电路设计领域高性能的模数转换器(ADC)一直是的研究热点,相应的ADC测试评价技术也同样一直受到重点关注。本文阐述了ADC的参数及其测试的原理和方法,并基于Labview软件和数据采集卡构建了ADC的软硬件测试平台,实现了低成本、高可靠性的高速高精度ADC计算机辅助测试的测试,最后,使用该测试系统对TI公司的ADS805进行了测试,并给出了测试结果。     

基于灰度直方图分析技术的伪装应用模型

应用数字图像灰度直方图分析的基本原理,利用MATLAB等分析处理软件,构造了伪装器材效果评价模型和迷彩图案颜色设计模型。两种模型的建立使得遮障类伪装器材的效果评估向定量化、迷彩设计向智能化发展,具有良好的可操作性。     

基于对象跟踪的视频分割

镜头是视频检索的基本单位,是摄像机在某一个地点附近或相邻的地点连续拍摄的内容．镜头时间由摄像机的开关机动作决定,具有连续拍摄的场景和较为连续的情节．几乎所有的视频分析和应用都是在镜头的基础上进行的．镜头的切换有两种：突变切换和渐变切换．突变是指从一个镜头直接切变到另一个镜头;而渐变是根据视频编辑手法的不同可以分为几种：     

基于颜色和SIFT特征的视频目标检索方法研究

本文提出并实现了一种结合颜色和SIFT特征的视频目标检索方法。首先,利用图像颜色直方图特征对目标图像进行初步检索和排序;然后对检索结果中与目标图像相似度较高的图像进行SIFT特征提取,并与目标图像中截取的目标区域子图的SIFT特征进行匹配;最后根据SIFT特征匹配结果对初步检索图像再进行二次排序,并反馈目标位置和偏移信息。仿真实验结果表明本文提出的基于颜色和SIFT特征的视频目标检索方法对目标亮度、位置平移、缩放、形态变化等有较好的适应性,能准确检索出目标,具有较高的实用性。     

分阶调调频网点结构形态提取方法及评价

调频网点是数字印刷中常用的网点类型,其微观形态决定印刷品质量。研究在分析网点图像特性的基础上,提出一种分阶调准确提取调频网点结构形态的方法。利用光学显微系统采集喷墨印刷样张上的网点图像,随着网点面积率的增加,图像中目标与背景灰度差异逐渐减小,无法通过单一的图像处理方法获得全阶调范围内的准确网点边缘。根据网点灰度直方图从双峰图过渡到单峰图的特性,对双峰网点图像提出了一种结合中值滤波器、非极大值抑、最大类间方差法和细化的边缘提取方法;而针对单峰图像提出一种根据灰度级函数切线斜率变化特征,寻找最佳阈值二值化的算法。研究中提出的分阶调算法能有效抑制背景噪声,较大程度保留网点边缘信息;且与实际测量值有较高的吻合度,达到了准确提取网点结构的目的。研究成果对于客观评价喷墨印刷质量有一定的理论价值。     

基于正则化正交非负矩阵分解的旋转目标检测方法

小样本的旋转目标检测是指在样本数少的情况下进行旋转目标检测模型的训练，深度学习在旋转目标检测领域往往需要庞大的样本数和计算算力。现有的基于机器学习的旋转目标检测方法大多有着对目标尺度和姿态敏感的缺点。因此提出一种基于正则化正交非负矩阵分解的旋转目标检测方法，来解决小样本的旋转目标检测难题。首先，针对样本不具有各种角度的图片，对样本进行旋转后进行背景填充，这样便于更好的表征学习。其次，提出一种基于正则化正交非负矩阵分解算法对旋转样本的梯度直方图特征进行表征学习。最后，为了测试算法在特征学习后的有效性，利用支持向量机对特征提取后的数据进行训练和测试。实验结果表明本文的目标检测方法在多个数据集中可以取得不错的效果。     

基于自适应颜色快速点特征直方图的托盘识别方法

托盘识别是无人驾驶工业车辆进行货物搬运的关键技术之一.针对现有托盘识别方法低效耗时、鲁棒性差、参数选择随意的缺点，提出了一种基于自适应颜色快速点特征直方图的托盘识别方法.该方法使用Kinect V2传感器采集包含托盘的场景点云数据，点云经离群点剔除后，基于邻域特征熵函数最小准则获取每个点的最优邻域半径.提取点云关键点，计算关键点的颜色特征和自适应邻域快速点特征直方图，融合成自适应颜色快速点特征直方图，进行特征匹配与误匹配点对剔除，从而实现托盘识别.与固定邻域半径为0.012 m的快速点特征直方图对比，实验结果表明：基于自适应颜色快速点特征直方图的托盘识别精度提高了83.74%,特征提取用时减少了35.55%,验证了方法的优越性.     

自适应调节医学CT序列图像窗宽窗位算法

调窗处理能够提高医学CT图像对灰度的识别准确率，默认窗位窗宽(127.5, 255)局限性强，人工调窗不仅需要具备丰富的先验知识，而且效率低下无法广泛应用，为此提出一种自适应调窗算法.该算法首先根据序列图像最大和最小灰度值绘制直方图.其次设置相关参数，遍历直方图去除频数小于阈值T₀的部分，再次遍历直方图将相邻两组频数差值小于阈值T₁的部分合并.最后根据直方图计算窗宽窗位.通过对比实验表明，该算法在均方误差、信噪比和峰值信噪比方面都有所提高，能够有效地提高灰度识别准确率.     

基于 UCM 算法中直方图拉伸的水下图像增强研究

针对水下图像色彩失真,对比度低以及图像模糊不清等一系列问题,提出了一种基于色彩模型的水下图像增强算法,改进了现有的 UCM 算法的直方图线性拉伸,使用限制对比度自适应的方法对直方图进行非线性均衡化,使处理后的图片对比度增强效果更好,图像质量更高,更符合人类的视觉感知。 通过搭建的水下海参场景和模拟海底图像偏蓝绿色的实验环境,拍摄了 4 组海参在不同姿态、工况下的水下图片并对其进行定性、定量分析,得出改进后的 UCM 算法在 UIConM、UIQM、NIQE 指标下的数值分别平均为 0. 63、4. 30、3. 30,相比较其他 3 种算法,该算法处理后的图像质量评估指标均为最优,由此证明了研究的算法相对于其他的传统算法显示出更好的可行性和优越性,并且能够适应不同的水下工况,拥有良好的鲁棒性。     

基于改进FPFH-ICP的车载激光雷达点云配准方法

为了改善传统车载激光雷达点云配准方法准确度低、计算速度慢的问题，提出了一种基于快速点特征直方图（fast point feature histograms, FPFH）初始匹配与改进迭代最近点（iterative closestpoint,ICP）精确配准相结合的改进FPFH-ICP配准算法。配准前使用体素滤波器和statistical-outlier-removal滤波器进行预处理；采用FPFH提取点云特征，基于采样一致性（sample consensus initial alignment, SAC-IA）进行初始配准，为精确配准提供良好的位姿信息；建立K-D树并在传统ICP配准算法的基础上添加法向量阈值，对车载激光雷达点云数据进行精确配准；在4种不同场景的实验中，改进FPFH-ICP配准比ICP配准的均方根误差和配准用时分别平均减少了7.56%和41.22%，比点特征直方图（point feature histograms, PFH）配准的均方根误差和配准用时分别平均减少了30.28%和18.95%，表明改进的FPFH-ICP能够对车载激光雷达点云数据实现精确且高效的配准。