基于各向异性热扩散方程的多聚焦图像融合算法

本文根据多聚焦图像的光学成像原理,利用各向异性热扩散方程来估计图像深度信息,并讨论一种基于深度信息提取的多聚焦图像的融合算法.算法首先对两幅多聚焦图像进行光学成像过程的模拟,分别建立正向区域的热扩散方程,通过对热扩散方程的迭代求解估计出图像场景的深度信息.然后对深度信息进行自适应的区域划分,分别得到每幅图像的清晰区域,模糊区域和中间过渡区域.最后通过提取清晰区域的像素点,融合过渡区域的像素点实现多聚焦图像的融合.理论推导和实验验证表明,本方法能够克服常用算法中出现的块效应和人工痕迹,是一种有效的图像融合算法.     

应用情景检测的安全任务内电压调度算法

针对移动嵌入式实时系统的低功耗设计,提出一种改进的应用情景检测的安全任务内电压调度算法.该算法利用任务程序少数参数的值域定义情景并在任务处理过程中进行检测,因而在处理在线的情况下,可较为精确地预测后续处理的部分路径,优化地调度处理电压.通过所提出的情景检测点设置算法,在任务程序中找到检测参数情景最合适的点,给出算法的实现方法.通过仿真实验证明该算法能有效地降低任务处理能耗.     

基于图切割的拉普拉斯金字塔图像融合算法

针对在图像拼接中普通的拉普拉斯金字塔融合算法容易丢失细节的缺点,以及由于运动物体造成的融合鬼影现象,本文提出了一种基于图切割的拉普拉斯金字塔融合算法。首先,引入图切割技术,寻找最优缝合线,确定一种自适应融合区,以消除运动物体造成的融合鬼影;其次,利用源图像完整细节对重构误差进行补偿,提出一种基于包含水平方向在内多个方向的加权融合方法,将源图像和拉普拉斯金字塔融合图像按照这种融合规则进行融合。实验结果表明,与经典拉普拉斯融合方法对比,在客观指标上,本文方法的图像均值平均提高了0.326,标准差(SD)平均提高了1.109,信息熵平均提高了0.041,图像清晰度平均提高了0.289;在主观效果上,本文方法无明显拼接痕迹和融合鬼影,较好保留了图像细节,提高了融合质量,全景图拼接更加真实,改善了整体的视觉效果。     

应用情景检测的安全任务内电压调度算法

针对移动嵌入式实时系统的低功耗设计,提出一种改进的应用情景检测的安全任务内电压调度算法.该算法利用任务程序少数参数的值域定义情景并在任务处理过程中进行检测,因而在处理在线的情况下,可较为精确地预测后续处理的部分路径,优化地调度处理电压.通过所提出的情景检测点设置算法,在任务程序中找到检测参数情景最合适的点,给出算法的实...     

基于模糊控制的配电变压器节能运行装置

通过对多台并联运行变压器组在不同运行方式下的损耗进行分析,得出变压器组的节能运行点.根据此节能运行点建立变压器控制模型,由此设计一套变压器节能运行智能控制装置.该装置主要由执行单元、测量单元和智能运行控制器3部分组成,智能运行控制器的主控系统由FPGA和DSP构成,其中FPGA主要完成信号的采样和控制,DSP则完成算法的实现及无线模块的通信.在控制算法中根据实时负荷、时间和温度,采用模糊控制方法,避免了开关的频繁动作.实验表明,变压器节能运行智能控制装置适用在多配电变压器的配电房,能够减少变压器组功率损耗.     

基于自适应透射率比的水下图像复原算法

为了解决水下图像模糊和偏色的问题,在水下图像成像模型的基础上提出水下图像复原算法.利用白平衡算法对图像进行色彩调整,计算图像的暗通道图,通过暗通道图估计图像的背景光强度.对于非深海区域的图像,若图像包含水体,则根据水体的颜色和纹理特征提取出图像中的水体部分,利用光在水中的衰减公式计算图像3个通道透射率之间的关系;若图像不包含水体,则根据3个通道直方图的分布计算透射率之间的关系.根据暗通道先验的原理,计算出3个通道的透射率图,使用引导滤波对透射率图进行细化.根据计算出的背景光强度和透射率对图像进行复原.对于采用人工照明的深海图像,采用修正的公式进行处理.实验结果表明,在图像清晰度的评价中,该算法优于对比算法,具有较好的鲁棒性.     

用于高压电站中的光学电流传感器

本文介绍了一种用于测量高压电站中输电线电流的光学电流传感器。根据该传感器在电站现场长时间运行的实际情况,分析了它的性能及存在的问题,研究了进一步完善其性能的改进措施。     

混合型磁光电流传感器的发展动态

本文介绍了混合型光学电流传感器的特点及目前的研究方向，展望了今后的发展趋势。     

视频采集系统软件设计

该文介绍了Bt848卡的主要结构和工作原理,并详细描述了集成到可以实现上网和多媒体通信双重功能的IS-DN卡上的Bt848芯片驱动程序的实现,包括分配DMA内存区,分配视频缓冲区,以及视频数据在芯片和PC机内存之间的流动过程,并给出了具体的实现方法。     

基于改进RBFNN的1 000 kV特高压线损预测

针对特高压输电线线损与特征参数间关系复杂的特点,提出一种联合聚类优化算法（Canopy -K- means）和自适应二次变异差分进化（adaptive second mutation differential evolution,ASMDE）算法改进的径向基神经网络（radial basis function neural network,RBFNN）模型,用于特高压输电线线损的预测。通过理论分析确定特高压输电线线损的特征参数,采用Canopy-K-means聚类算法进行聚类,以此确定径向基（radial basis function,RBF）神经网络的隐藏层节点,从而确保RBF神经网络具有较优的隐藏层中心。用特征参数和线损的样本数据训练ASMDE算法优化的RBF神经网络,拟合出线损与特征参数之间复杂的非线性关系。以华中地区某特高压输电线路的历史数据为例,仿真验证了所提方法的实用性和有效性。