基于热核特征的SAR图像地物识别方法

采用了一种空间敏感度特征包(spatially sensitive bags of feature, SS BOF)来实现合成孔径雷达（synthetic aperture radar,SAR）图像的地物识别。首先采用推广的核模糊C 均值方法分割SAR图像,提取SAR图像目标图形;采用Harris角点检测子提取角点,接着对目标图形进行Delaunay三角剖分;采用cotangent weight方法对三角剖分图赋值,进而求得离散化Laplace Beltrami算子的特征值、特征向量,并计算SS BOF,进而对地物目标进行识别,其识别方法采用比L1相似准则效果更好的相关系数法;最后与热核迹等热核不变量特征以及Hu不变矩特征进行对比。实验表明：空间敏感度热核特征的识别率高于热核不变量的识别率,并与经典的Hu不变矩特征比较,识别率有所提高。     

《诗经》与楚辞中的女性形象比较?

《诗经》和楚辞是先秦时期北方文化和南方文化的杰出代表,在塑造女性形象上有明显的审美差异,表现在审美形态、人物性格和表现手法等各方面。这种差异与地域环境、文化背景等有重要关系。     

基于Mumford-Shah模型的图像处理

讲述了偏微分方程的基础数学理论,诸如：梯度、散度、变分定理、欧拉-拉格朗日方程等知识;然后重点介绍了Mumford-Shah模型及Ambrosio-Tortorelli的近似求解,最后进行了数值试验并展开分析。     

电传动推土机牵引性能匹配的变压控制方法

电传动推土机动力总成包括发动机、发电机、超级电容以及轮边驱动电机,其载荷变化范围大且具有突变性的动力学特征,使发电机与电动机难以实现全局功率匹配.针对电传动推土机动态牵引性能匹配这一关键问题,提出基于双DC-DC(直流-直流)变换器的直流母线电压变压控制方法.即在直流母线与发电机之间加入DC-DC变换器,控制发电机的额定电压工作点,实现发动机在额定工况点工作的高效目标;在直流母线与电动机之间加入DC-DC变换器,根据实时载荷所表达的系统状态变矢量调节变压系数,控制发电机与电动机相对于载荷变化的动力学匹配关系,使发电机与电动机在全载荷意义上实现功率匹配,保证其牵引性能的发挥.通过某型号推土机开发过程性能匹配及其系统数字化模型仿真试验,验证了基于双DC-DC变换器的直流母线电压变压控制方法的有效性.     

基于离散阵列广义同步的彩色图像加密算法

为设计出具有较高安全性能的图像算法,提出了一种基于离散阵列广义同步系统的彩色图像加密算法。首先利用离散阵列广义同步定理,在3D-Lorenz映射的基础上构造了一个具有16×16×6的阵列广义同步系统。其次,结合二维离散分数阶傅里叶变换设计了一种彩色图像加密算法。该算法对像素矩阵进行了新混沌序列的位置变换,提高了密钥空间。加密算法的密钥敏感性、直方图和信息熵的仿真实验表明:该加密算法安全性高,能够达到较好的加解密效果。     

光轴外扩式布置的双目相机图像立体校正

摘要： 针对宽视野光轴外扩式布置双目图像采集和显示系统的图像立体校正问题,利用三维重建误差,提出了一种基于双目图像视差特性的立体校正方法.在分析光轴外扩式布置双目相机图像视差特性的基础上,针对相机光心与显示投影中心间的位置误差和相机光轴与显示视轴间的角度误差,建立图像仿射变换、水平视差畸变和垂直视差的校正函数,利用一组空间采样点的三维重投影误差作为目标函数通过优化方法求解校正参数.仿真实验表明：在视轴外扩夹角为30°时,本方法可以有效地消除光心位置误差和光轴角度误差对图像视差造成的影响.真实图像校正实验表明：校正后的图像水平畸变小,在显示宽视野双目图像时,能保持正确的三维立体感.
关键词：中图分类号：文献标志码： A     

多尺度形态梯度和标记分水岭的时频谱图分割

时频谱图干扰强,目标之间、目标与干扰之间有重叠,其分割是重要而困难的问题.提出一种基于图像熵定义的时频谱图多尺度形态梯度图像融合方法,将该方法与标记分水岭分割结合形成一种基于多尺度形态梯度和标记分水岭的时频谱图分割方法.实验结果表明,与基于单尺度形态梯度和标记分水岭的分割方法相比,新方法实用性更强;与Otsu法相比,新方法分割更准确.     

凹透镜焦距测量自准直法的改进

对传统自准直法的凹透镜焦距测量方法进行了分析,提出改进的自准直测凹透镜焦距方法.将移像屏法改进为移凹透镜法,消除了焦深对实验测量结果的影响.实验结果表明,修正的自准直法测量凹透镜焦距的精确度得到较大提高,平均相对误差减少3.93%,方差减小20.39mm2.     

“数字图像处理”实验教学设计

数字图像处理课程概念抽象、实践性强,设置实验教学环节十分必要。采用Matlab作为编程语言,针对不同实验学时数设计了实验项目组合方案。对每个实验项目进行分层管理,设计了基本实验任务与扩展实验任务的具体方案。近年来的教学实践结果表明,这种实验教学设计方法能够取得良好效果。     

基于尺度空间约束的融合特征点匹配方法

本文提出一种多尺度特征匹配的空间约束机制,Combinative Feature based on Constraint in scale space(CFCS SIFT),该约束机制以SIFT特征点的尺度为基础,对多尺度空间中检测到的DOG特征点与Harris角点提供匹配空间约束,以提高正确匹配点对的数量.基于该约束机制,构造了一种融合DOG特征提取、Harris角点提取原理的SIFT描述符提取与匹配方法,该方法在多尺度空间中提取DOG特征点、Harris角点,并根据特征点的空间、坐标参数获取SIF T描述符.在将DOG特征点和Harris角点相融合并生成SIFT描述符的基础上,设定尺度阈值,根据尺度阈值对检测范围进行空间约束,在约束范围内查找特征点,采用BBF(Best Bin First)算法,并用欧氏距离作为度量函数进行特征点的匹配,最后用RANSAC对匹配点对进行筛选纠错.通过大量实验证明,该算法能够找到更多匹配点对,正确匹配点对相对于不具有空间约束的融合特征点匹配方法增加了15%左右.