摘要：为解决自然场景中仪表图像受复杂光照、背景及其他随机干扰所造成的读数识别难题,提出一种基于循环一致对抗学习的段码液晶仪表读数识别方法。该方法使用M-CRAFT作为字符检测网络,获取段码读数区域和段码字符位置,通过后处理算法分割得到段码字符子图像,然后以循环一致对抗域自适应网络CYCADA为基础,增加感知损失和重构损失并设计分类器,构建了一种改进的字符背景分离与识别网络I-CYCADA,用于将具有复杂背景的段码字符图像转换为清晰直观的二值图像,从而使读数识别变得更为简单和准确。为了验证该方法的有效性,构建了由多种复杂场景下的液晶段码仪表图像组成的数据集。实验结果表明,I-CYCADA可与不同CNN分类网络结合使用,均能提升转换后的段码字符图像的识别准确率,本文方法在自建数据集上的字符级识别准确率达95.39%,完整读数识别准确率达86.65%,有效改善了对困难样本的识别效果,且轻量级设计可满足实时性要求。

摘要：设计了"DSP原理与应用"课程的一个综合性实验案例:运用数字滤波和幅度调制(AM)原理,在DSP开发平台上设计并实现了一个针对数字语音信号的扰频器和解扰器.整个设计利用Matlab和CCS开发平台完成,并进行了实验测试验证.通过该综合性实验,可使学生综合运用信号与系统、数字信号处理和通信原理等课程的知识解决实际问题,得到信号处理系统设计和实验调试等综合能力的训练.

摘要：为了持续监测燃气工业加热炉燃烧状况,保障锅炉运行安全,根据燃气火焰的特点,利用数字图像处理技术,设计了相应的燃气加热炉火焰视频监控系统。通过图像预处理、火焰特征提取、火焰特征分析三个步骤,可实现对炉膛火焰燃烧状态进行实时判定,包括火焰燃烧或熄灭、燃烧是否充分、是否稳定。仿真实验结果表明,该系统能准确地从监控视频中检测和识别火焰燃烧状态,并能将燃烧特征量和特征分析结果存储到数据库以供事后查询。

摘要：现有的多数人体姿态估计算法通过设计复杂的网络结构以获得高精度而导致速度较低。YOLO-Pose人体姿态估计算法吸收了先进目标检测算法的优点同时获得了较高的精度和速度,然而仍然存在漏检和误检问题。本文对YOLOPose算法进一步改进,针对人体姿态非刚性和人体关键点分布多样性的特点提出一种新的轻量级人体姿态检测算法。首先,设计了轻量级通道和空间注意力网络LCSA-Net以提升模型的特征提取能力;其次,采用了基于距离自适应的加权策略在模型训练时计算人体关键点回归损失以增强模型对远距离人体关键点的回归能力。在COCO 2017人体姿态数据集上的实验结果表明,与基准模型相比,两种改进策略均有效提升了人体姿态估计性能,实现了2%的mAP提升、1.5%的AP50提升和1.7%的AR提升。

摘要：介绍了简易V.23二进制频移键控(2FSK)调制解调器的工作原理、算法分析以及基于可编程器件DSP的软件设计方法。

摘要：为了克服人工抄表效率低和现有图像识别方法对双半字符识别不准的问题,设计了基于窄带物联网(NB-IoT)技术和轻量级卷积神经网络(CNN)的字轮式仪表智能图像抄表系统。首先,图像采集终端用NB-IoT模组将摄像头获取的表盘图像上传至云平台;然后,使用局部特征提取与匹配方法估计仿射变换矩阵,将输入的表盘图像转换至模板图像所在坐标空间并分割出各个读数的字符子图像;最后,使用基于多标签分类的轻量级CNN模型识别这些子图像并通过后处理得到最终表盘读数结果。实验结果表明,系统的图像采集终端休眠电流小于10μA,可确保2节锂亚电池工作5年以上;所提出的基于多标签分类的CNN模型能准确识别单字符和双半字符,达到了96.36%的字符识别准确率和94.15%的读数识别准确率,优于对比的其他识别算法。

摘要：针对非均匀光照图像存在局部过暗或过亮区域而导致图像对比度低、细节不清晰和可视化效果差的问题,提出了一种基于对称亮度映射和虚拟多曝光融合的图像增强方法。该方法通过颜色空间转换保留输入图像的色度和饱和度分量并分离出亮度分量进行增强。根据相机响应模型,采用图像信息熵和平均梯度最大化原则估计最优曝光比,设计了一种对称亮度映射函数用于虚拟生成对应的最优增强曝光图像和减弱曝光图像,从而与原始亮度分量一起组成具有不同曝光的图像序列,再使用带细节提升的多曝光融合方法对该图像序列重构即得到增强结果。实验结果表明,本文方法在7个公开数据集上的图像信息熵、平均梯度、图像对比度、颜色一致性评价指标均值分别为7.644,9.209,450.683,0.962,均优于对比方法,获得了动态范围高、对比度强、细节清晰和可视化效果好的增强结果。

摘要：舌体图像的准确分割是中医舌诊客观化分析的重要前提,目前广泛采用的全监督分割方法需要对大量像素级标注的样本进行训练,而基于单一模型的半监督分割方法对学习到的错误知识缺乏自我纠正能力。针对这一问题,本文提出一种新颖的基于双模型互学习的半监督舌体图像分割方法。首先,模型A、B分别在有标签数据集上进行监督训练。之后,模型A、B进入互学习阶段,使用本文设计的互学习损失函数,根据双模型对无标签数据预测的分歧而赋予不同的权重。先由模型A对无标签数据集生成伪标签,模型B在有标签数据集和伪标签数据集上进行微调,然后模型B再对无标签数据集生成伪标签,模型A以同样的方式进行微调。双模型微调结束后,选择性能更佳的一个作为最终的舌体图像分割模型。实验结果表明,本文方法的有标签数据比例为1/100、1/50、1/25、1/8时,mIoU分别达到96.67%、97.92%、98.52%、98.85%,优于对比的其他典型半监督方法。本文方法仅需少数标签数据便可达到较高的舌体图像分割精度,可为后续的中医舌色、舌形等舌象分析应用奠定坚实基础,推动中医诊疗数字化进程。

摘要：数字正弦波发生器的设计是《单片机原理与应用》、《DSP原理与应用》等课程实验教学中的一个典型实验案例。给出一种快速、灵活而实用的数字正弦波产生方法,即差分方程迭代法。首先从数学中的三角函数公式出发,推导产生正弦序列的差分方程,继而结合专业基础理论从信号与系统分析的角度推导出相同的差分方程,进而讨论在此基础上产生三角波、方波的方法以及实现波形幅度和频率可调的方法。

摘要：针对雾天图像降质带来的车牌识别难题,提出一种采用图像自适应增强的轻量级车牌检测和识别算法。以目标检测网络YOLOv5s和车牌识别网络LPRNet为基础,设计一个改进的图像自适应增强模块级联于YOLOv5s之前,并引入混合注意力(SA)机制改进LPRNet。图像自适应增强模块由带参数的图像去雾和纹理增强模块以及自适应参数预测模块组成。自适应参数预测模块是轻量级卷积神经网络,与YOLOv5s联合训练,为不同程度的带雾图像自动提供合适的去雾和纹理增强参数以获得更准确的车牌检测结果。利用车牌位置的真实标签和实际检测结果,采用混合注意力机制和迁移学习策略得到最终的SA-LPRNet模型,缓解识别模型对检测结果的敏感性以获得更高的车牌识别准确率。在合成的雾天车牌数据集上的实验结果表明:本文算法对雾天车牌检测的mAP@0.5-0.95指标达到70.6%,车牌识别准确率达到93.5%,优于对比算法,且识别速度满足实时性要求。