基于改进人工蜂群正余弦优化的红外图像分割方法

针对红外图像背景复杂且分割难度较大等问题,提出了一种改进人工蜂群正余弦优化的红外图像阈值分割方法。首先是将二维Otsu函数作为蜂群算法的适应度函数;其次采用混沌对立的学习方法和差分进化的方法改进了初始化种群和蜜蜂搜索方程;然后利用改进的蜂群算法优化阈值,缩小阈值的搜索区域;最后利用正余弦法计算出全局最优解,该最优解即为分割的最佳阈值。实验结果表明:论文方法与Otsu法、k-means法、区域生长法以及分水岭法相比,图像目标区域分割的平均交并比为84.13,平均准确率为89.18,有效提高了红外图像的分割精度。     

利用点弦距离递归的图像角点检测算法

目的 传统的基于边缘轮廓的角点检测算法需要计算每一个边缘像素点的曲率,对噪声和局部变化敏感,极易造成检测结果的不稳定。针对这一问题,提出一种利用点弦距离递归的角点检测算法。方法 首先,利用Canny边缘检测器提取边缘轮廓线。其次,用3个不同尺度的高斯核对边缘线进行平滑,对每一个高斯尺度平滑后的边缘线,连接首尾端点形成一条弦,计算边缘轮廓上每个边缘像素点到弦的距离,将点弦距离最长的像素点标为候选角点,该像素点将原边缘轮廓线分成两条边缘,然后将该像素点与首尾端点连接成两条弦,重新计算点弦距离,将所有距离大于设定阈值的点作为候选角点。最后,利用多尺度技术对候选角点进行判决并得到最终角点。结果 与现有的基于曲率计算的角点检测算法相比,本文算法不需要计算一、二阶导数,有效避免了局部变化带来的计算误差。通过计算得到4个角点检测器的平均排名依次为Harris （4.0）、He&Yung （2.67）、CPDA （1.83）、本文算法 （1.5）。与其他3种经典的角点检测算法相比,本文提出的检测算法排名第一,因此表现出了更好的检测性能。结论 提出了一种新的利用点弦距离递归的角点检测算法。从实验结果看,本文提出的角点检测器在图像仿射变换、JPEG质量压缩和高斯噪声条件下有更好的平均重复性和定位误差。     

开关电源申请欧规的结构检查和测试要点

开关电源的安全设计是开关电源设计中必须考虑的重要一环，本文重点介绍用于IT设备上的开关电源在结构和测试两方面的欧规要求。     

基于创新创业教育的人才培养模式探索

随着我国高等教育工程教育专业认证工作的不断推进,卓越拔尖创新人才培养、新工科建设、产学合作协同育人等已经成为高等教育的大势所趋。根据西安工程大学人才培养目标定位和创新创业教育的目标要求,采用CDIO工程教育模式,进行双创人才培养模式的探索与实践,搭建创新创业教育平台,扎实推进创新创业教育,不仅促进了学生全面综合能力的发展,而且使专业建设更符合社会发展的需要,更为我校的工程教育专业认证工作及卓越拔尖人才培养打下良好的基础。     

立式辊磨机的磨矿过程模拟研究

利用水泥厂工业生产过程在线采集的样品，进行了实验室筛分分析、激光粒度分析、可磨性实验和硬度分析，在此基础上，对立式辊磨机的磨矿过程进行了数学模拟，并使用破碎函数进行实际模拟计算.结果表明，采用矩阵形式的破碎函数和选择性函数，可较好地表达磨矿过程中物料碎裂的可能性和碎裂后的的分布规律， 建立的破碎概率函数模型， 对立式辊磨机磨矿过程进行模拟是一个很好的起点， 进一步研究的关键是要确定合适的破碎函数和选择函数的矩阵值.     

跳汰控制技术现状及发展趋势

简要介绍了跳汰分选及其控制系统技术发展现状,指出因目前对跳汰分选的控制仅限于某个生产环节,采用常规的控制策略很难实现对跳汰分选过程的自动化控制。为此,针对跳汰分选过程复杂的作用机理,提出了智能控制是跳汰控制技术的发展趋势。     

开关电源申请欧规的结构检查和测试要点

开关电源的安全设计是开关电源设计中必须考虑的重要一环 ,本文重点介绍用于IT设备上的开关电源在结构和测试两方面的欧规要求     

基于结构与分解的红外光强与偏振图像融合

在一些特定环境下,红外传感器无法探测到目标时,需要将偏振技术与红外技术相融合。为了获得更清楚的融合图像,采用一种基于多尺度结构分解的图像融合方法实现红外光强与偏振图像融合。该算法提出将红外图像与偏振图分解成3个独立部分：平均强度、信号强度和信号结构。其中平均强度部分,采用一种反正切的权重函数进行融合,信号强度采用最大值的融合原则,而信号结构采用一种基于信号强度幂函数的加权平均方进行融合,最后重构得到融合图像。为了更快进行融合、降低计算的复杂度,将分解过程通过均值滤波代替,再通过上采样与下采样得到最终的融合图像。为了得到更好的融合图像,通过不同融合参数实验对比,选择较优的融合参数。最后实验表明使用所提出的反正切权重函数与融合参数设置,在与传统的多尺度算法的比较中,4项评价指标取得优势,且主观上保留更多的纹理细节、提升对比度以及抑制伪影。     

基于BP神经网络的模拟电路故障诊断

BP神经网络因其良好的模式分类能力而被广泛用于模拟电路故障诊断中,但故障分辨率不高,用BP神经网络和其它技术相结合的小波神经网络和量子神经网络进行故障诊断,通过仿真证明故障分辨率得到很大提高。