一种改进的活动轮廓模型图像分割方法

基于全局信息的活动轮廓模型不能有效分割灰度不均匀图像,而基于局部信息的活动轮廓模型对轮廓初始化位置比较敏感。为此,提出结合全局信息和局部信息,构造新的符号压力函数（Signed Pressure Force,SPF）,替代Selective Binary and Gaussian Filtering Regularized Level Set（SBGFRLS）模型中的符号压力函数,同时构造一种新的气球力函数,并采用SBGFRLS水平集方法演化轮廓曲线来分割图像的方法。实验结果证明该方法能有效分割灰度不均图像,同时对轮廓初始化位置不敏感,对噪声有较好的抗干扰性。     

基于对抗网络遥感图像超分辨率重建研究

图像分辨率是衡量遥感图像质量的重要指标,受限于成像设备和传输条件,传统遥感图像的清晰度难以保证,针对上述问题,提出了一种基于条件生成对抗网络的遥感图像超分辨率重建的改进模型。为了加快模型的收敛速度,在生成器网络中使用内容损失和对抗损失相结合作为目标函数。另外为了提高了网络训练的稳定性,在判别器网络中引入梯度惩罚函数对判别器梯度进行限制。实验结果表明,改进后的模型相较于SRCNN、FSRCNN和SRGAN模型,主观视觉效果和客观评价指标均有显著提升。     

基于模板匹配和支持向量机的点阵字符识别研究

食品、药品包装上的点阵字符信息一般包含生产日期和其他重要信息。针对目前单一的点阵字符识别方法准确率不高,且对点阵字符在复杂环境下（既包含点阵字符又包含连续字符）字符定位准确性低的问题,提出了一种基于模板匹配和支持向量机（Support Vector Machine,SVM）的组合点阵字符识别方法。该方法利用点阵字符的离散性质来准确定位点阵字符,然后分别通过基于灰度的模板匹配和基于特征的模板匹配方法得到两个判定结果。若判定结果相同,则识别出字符;若判定结果相异,将这两个结果送给SVM进行识别,得出识别结果。实验结果表明,该方法在点阵字符的定位准确性和识别率方面都优于传统字符识别方法,且识别鲁棒性较好,字符识别率达到96.10%。     

变形耦合发电机混沌系统的追踪控制

针对变形耦合发电机混沌系统的结构特点,设计统一形式的非线性追踪控制器.根据非线性系统的线性化稳定理论,对系统同步误差稳定性进行分析和证明.这里所设计的控制器可以实现变形耦合发电机系统的状态变量与任意给定参考信号的广义同步.以追踪常值信号、周期信号和混沌信号为例,进行数值仿真,进一步表明该控制方法的有效性.     

改进的正反馈主动频移式孤岛检测方法

孤岛效应是光伏并网逆变器发电系统中存在的一个基本问题。对孤岛效应的检测必须准确而快速,同时孤岛检测的方法应该尽量减小对电能质量的影响。该文阐述了主动频移AFD(active frequency drift)检测法和正反馈主动频移AFDPF(active frequency drift with positive feedback)检测法的基本原理、分析了AFDPF的检测盲区,并在此基础上提出一种改进的AFDPF检测法,即以分段函数的方式施加扰动来达到频移的方法。最后在Matlab/Simulink平台进行仿真实验,验证了该改进的AFDPF检测法不仅具有可行性,而且降低了电流谐波失真度THD(total harmonic distortion),即减小了扰动对电能质量的影响。     

基于改进的BP神经网络的罗汉果种属识别研究

利用数字图像处理技术,对采集的不同种属罗汉果果实图像提取了R、G、B、H、S、I颜色特征参数和偏心率几何特征参数,并将其作为BP神经网络的输入向量,建立了罗汉果特征参数与不同种属之间的神经网络识别模型.研究结果表明:罗汉果种属识别效果较好,其平均识别准确率达到87.5%,对实现罗汉果种属的自动识别有较好的应用价值.     

超混沌电路的广义同步

该文研究了超混沌电路的广义同步,理论分析表明:只要构造出恰当的矩阵和一个与之相对易的矩阵,就可以实现驱动系统与响应系统的广义超混沌同步。文章并以一个四维超混沌振荡电路为例,给出了广义同步的数值模拟结果。     

双向拉伸薄膜厚度测控系统的设计和MCGS仿真

以桂林电器科学研究所BOPP2500型薄膜生产线为原型,利用MCGS组态软件和PID控制方法设计和仿真了一个双向拉伸薄膜厚度测控系统。仿真结果表明,该测控系统可实时、精确地测量和控制双向拉伸薄膜的厚度,提高薄膜产品的质量,且控制参数调整方便,控制效果、可视性和可维护性好,具有较大的应用价值,对于有效提高国产薄膜成套生产设备的行业竞争力有实际意义。     

一种复合型手势识别方法研究

针对已有卷积神经网络在手势识别过程中精度不高的问题,提出了一种双通道卷积神经网络的特征融合与动态衰减学习率相结合的复合型手势识别方法.通过两个相互独立的通道进行手势图像的特征提取,首先使用SENet(Squeeze-and-Excitation Networks)构成的第一通道提取全局特征,然后使用RBNet(Resi...