基于异或解密的(k,n)视觉密码方案

传统的视觉密码方案是通过直接叠加分享份来恢复秘密图像的,这种解密方式实质上是对分享份进行逻辑或运算,白像素无法完全恢复,解密效果不理想.利用异或运算的自反性改进加密方式,并使用与数字图像相同的颜色表示方式,提出一种基于异或解密的(k,n)随机网格视觉密码方案.该方案有两种解密方式:当没有计算设备时,使用传统的叠加解密,解密过程简单;当有计算设备时,使用异或解密,需少量计算,但具有更好的视觉质量,并且当所有分享份都参与异或解密时,可以无损恢复秘密图像.与已有的视觉密码方案相比,该方案提高了解密图像的视觉质量.     

EmguCV耦合视觉引导的图像目标定位与补偿技术研究

在平板电脑组装过程中,需要对背光板进行整体定位,传送给机械机构进行位移和角度补偿,从而实现精准组装.但由于背光板顶点背景复杂,往往存在很多干扰点,使得当前图像角点定位算法定位不准,易产生误差.对此提出了一个基于EmguCV与视觉引导的目标定位与引导机制.首先打通Basler SDK与C#-Emgucv平台的数据通道,实现图像采集;然后基于轮廓,查找到背光板区域,再通过最小矩形框定背光板,查找背光板顶点,实现定位;最后计算出水平、垂直方向偏移和旋转角度,联合PLC,实现基于视觉引导的机构补偿.测试定位补偿技术的性能结果表明:与当前图像角点定位算法相比,机制具有更好的定位与引导效果,准确定位出背光板顶点,计算出补偿值.     

融合多源先验信息的舰船备件可靠性评估

舰船工作环境常导致备件的实际可靠性规律与设计参数不一致。在实际使用消耗量较小的条件下,全面分析备件可靠性信息来源,通过定义似然权重系数,融合多源先验信息,建立指数型备件可靠性的贝叶斯评估方法。最后,通过仿真分析验证方法的合理性。结果表明,所提出的基于似然权重的先验信息融合方法可以较好地融合不同信息源的可靠性信息,估计方法具有较好的稳定性。     

Koch曲线的Hausdorff测度的改进下界估计

为了研究Koch曲线的Hausdorff测度的下界,本文在Koch曲线上定义了质量分布函数μ,对任意覆盖U导出了关系式μ(U)≤1. 876|U|s,利用质量分布原理,得到了Koch曲线的Hausdorff测度下界的更好估计值Hs(K)≥0. 533 049 041.     

机器视觉的背景颜色对水稻种子图像分割的影响

在机器视觉识别水稻种子的发展过程中,背景颜色对水稻种子的图像分割直接影响着识别分析的准确性.采用4种不同的背景颜色进行图像采集,即将黑色、蓝色、绿色和红色涂在种子上,分析其图像识别效果,研究背景颜色对水稻种子图像分割的影响.利用LabVIEW软件实现图像处理,对水稻种子的长度、宽度等简单参数进行测量,根据水稻种子的实际长度和宽度计算不同背景色下的图像识别误差.研究发现,蓝色背景下种子长度和宽度的识别对比度更好,识别准确度更高.     

基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时, 多径信号间的混叠严重影响雷达的测角性能的问题, 基于压缩感知理论的波达方向(direction of arrival, DOA)估计算法与多输入多输出(multi-input and multi-output, MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究, 提出了一种基于互协方差矩阵稀疏重构的MIMO雷达低空目标DOA估计算法。首先, 对MIMO雷达多径接收信号广义匹配滤波后的虚拟矩阵向量化处理, 并针对向量化后虚拟孔径扩展带来运算量大的缺点, 通过降维处理来减少运算量; 然后利用多快拍数互协方差矩阵中的噪声独立不相关的优点, 降低噪声影响, 提高算法估计性能; 最后转化为凸优化问题进行稀疏恢复。仿真结果表明算法在直达信号与多径反射信号相互削弱的情况下, 仍能有效估计低空目标的仰角, 较L1-SVD和L1-SRACV算法对低空目标具有更好的仰角估计性能。     

两阶段Logit模型的惩罚广义估计方程估计的渐近性质

2012年Wang等在较弱条件下证明了经典Logit模型惩罚广义估计方程估计的渐近性质。两阶段Logit模型是经典Logit模型的推广,可以处理较复杂的属性数据,其联系函数(link)已不再是自然联系函数。本文在更弱条件下证明了两阶段Logit模型惩罚广义估计方程估计的渐近性质,推广了文献中的相应结果。     

基于估计方程估计的单指标模型异方差检验

针对单指标模型的异方差检验问题,将估计方程估计与完全非参方差函数检验相结合,给出了一种新的检验形式.利用估计方程法得到单指标模型中未知指标参数的估计值,再根据局部线性拟合给出单指标模型联系函数的估计形式,进一步由完全非参方差函数方法构造检验统计量,对模型进行异方差检验.数值模拟部分以检验统计量的经验水平和经验功效为评价指标,实验结果表明,基于估计方程估计比基于梯度外积估计和基于最小平均方差估计的完全非参方差函数检验方法更有效.实例分析部分采用汽车数据集,同样验证了这一检验方法的显著性.