摘要：针对基于深度学习的图像去模糊方法无法有效地保留高频纹理信息,易产生振铃效应,且时间复杂度较高的问题,提出基于卷积神经网络(CNN)的图像去模糊方法.该方法设计了一种高频信号保持且可快速去模糊的快速CNN模型(FCNN).在此基础上,首先对高频图像进行傅里叶域上的预处理,通过实施傅里叶域去模糊的预处理得到一个初始的清晰图像;然后将该初始图像小块作为输入,相应的真实清晰图像小块作为标签训练FCNN,得到从模糊图像到潜在清晰图像的映射函数,实现基于该训练网络的去模糊.定性和定量实验结果表明,文中方法利用CNN参数共享的特点,减少了网络训练过程中大量的学习参数;相对前人基于深度学习的去模糊方法,该方法对模糊图像在保持图像纹理细节恢复的同时使计算复杂度得到显著降低.

摘要：研究提出了一种基于声发射源特征识别的矿井旋转机组碰摩故障检测方法。为了能对矿井旋转机组实时远程监控并实现分布式网络化管理,设计了一种基于ARM嵌入式系统的矿井旋转机组振动监测系统。针对高斯混合模型在建模时需要较多的训练数据的缺陷,提出了一种基于模糊矢量量化混合模型的声发射识别方法,该方法综合考虑了模糊集理论、矢量量化和高斯混合模型的优点,通过用模糊矢量量化误差尺度取代传统高斯混合模型的输出概率函数,减少了建模时对训练数据量的要求,提高了模型精度和识别速度。通过实验观察上位机输出结果,验证了监测数据的实时性和准确性,达到了对旋转机组运行的状态信息实时监测和故障诊断的要求。

摘要：为了解决现有细化算法中像素冗余、分叉、畸变等问题,在ZS(ZHANG和SUEN)并行细化算法的基础上增加了两个映像子过程,获得了更加接近中心线的骨架图像;通过增加判决条件并设计消除模板,提出了一种改进的EPTA并行细化算法,解决了EPTA细化算法的像素冗余、二像素宽度斜线细化局限性畸变等问题。实验结果表明改进的EPTA细化算法能得到更准确的完全细化结果。

摘要：研究提出了一种基于声发射源特征识别的风电机组碰摩故障检测方法。同时为了对风电机组实时远程监控并实现分布式网络化管理,设计了一种基于ARM嵌入式系统的风电机组振动监测系统。系统有24通道的模拟信号采集电路,并借助于FPGA对周围电路进行逻辑控制和数据的实时采样;FPGA与ARM通信应用EDMA技术,提高了数据传输速率,可满足高速率采样的数据传输要求;此外,上位机与目标板之间的数据通信采用TCP/IP协议。通过实验观察上位机输出结果,验证了数据的实时性和准确性,达到了对风电机运行的状态信息监测和故障诊断的要求。

摘要：针对目标跟踪在遮挡和尺度变化等复杂背景下跟踪性能下降问题,联合稀疏约束、时间平滑约束以及增量投影非负矩阵分解,提出一种在线目标跟踪算法.首先利用非负矩阵分解学习一个基于部分表示的子空间,在此基础上添加稀疏约束提高处理遮挡能力,添加时间平滑约束提高算法的稳定性;然后用增量方式完成子空间的在线更新,减少算法计算量、提高外观模型更新效率;最后在粒子滤波框架下,以重构误差为基础改进了观测似然函数,将具有最大后验概率的候选目标作为目标在当前帧的图像区域.实验结果表明,在各种含有遮挡和尺度变化的视频中,该算法可以更稳定地跟踪目标.

摘要：摄像机响应函数是将图像辐照度映射到图像强度的非线性函数,目前的运动模糊去除算法并没有考虑成像过程中摄像机响应函数的影响,不可避免地存在去模糊效果不佳的现象.通过研究运动模糊图像的摄像机响应函数估计问题,提出能量累积形成模糊的运动过程和摄像机响应函数相结合的摄像机响应函数求解模型,并进一步基于该运动过程模型提出一幅或多幅运动模糊图像的摄像机响应函数求解方法.首先选择一些与局部运动方向不平行的模糊边界,然后根据这些边界的模糊形成过程简化摄像机响应函数求解模型,实现摄像机响应函数求解.该方法没有苛刻的平行边界要求,较已有方法更加灵活.摄像机响应函数的求解实验及运动模糊图像去模糊实验结果表明,文中的求解摄像机响应函数模型和方法是准确的,利用该响应函数可提高对运动模糊的去除效果.

摘要：综合考虑助听器体积小,功耗低等特点,设计了一种基于嵌入式系统的实时语音处理算法的开发平台。该平台的硬件核心主要由Cortex A8嵌入式处理芯片和FPGA芯片综合构成,共包含4个关键模块:音频输入模块、内部时钟模块、FPGA控制模块和信号处理模块。为了提高系统的处理效率,系统设计了基于FPGA的多路语音处理转换模块。为验证平台性能,设计并实现了基于维纳滤波的助听器语音增强算法,并进行了主观测试,实验效果良好。