多色荧光成像系统中光谱解混与图像拼接研究_张昆.caj

为了实现系统的便携化，课题采用区别于传统专用集成电路（Appication Specific Intergrated Circuit ASIC）架构，基于可编程逻辑器件（Filed Programmable Gate Array FPGA）的架构方案。FPGA作为整个系统的逻辑控制中心，生成CCD驱动信号及其模拟输出信号的采样同步信号，借助其特有的软核处理器技术，搭建32位指令集、数据总线和地址空间的NIOS II（Altera公司的软核处理器）系统，通过简单的C语言程序控制图像数据高速缓存、连接图形显示接口及直接显示。上述逻辑功能通过硬件描述语言（Hardware Describe Language HDL）和公开知识产权核（Intellectual Property IP）调用FPGA内部可配置资源实现，因此，课题设计开发的系统具有很好的灵活性和扩展性。 成像系统包含三个子单元：CCD成像单元，FPGA核心控制单元，图形显示接口单元。成像单元完成光学信号到模拟信号，模拟信号到数字信号的转换；核心控制单元由FPGA和存储器组成，FPGA完成成像单元的驱动、采样控制，接收并缓存图像数据到存储器；图形显示接口单元接收存储器中的数据，直接显示或发送给计算机进行处理。 课题开发完成的系统具有15帧每秒、高采样精度（12位）输出和低暗输出特点，同时，系统具备良好的扩展性，能根据对象不同更换不同特定CCD传感器，以及在FPGA中植入针对不同应用的数字信号处理算法，系统可作为便携式设备，这使得系统具备平台化功能，具有广阔的应用前景。

在医用电阻抗层析成像（Electrical Impedance Tomography）系统中电压控制电流源的性能十分重要，大部分报道的电压控电流源电路在低频时有较高的输出阻抗但是在高频时性能大幅减弱。通过分析生物阻抗测量系统对电压控制电流源的需求，同时回顾一些已有的电压控制电流源电路，包括双运放负反馈电路、跨导运算放大器、AD844，设计了一种基于AD8610的电压控制电流源。并通过电路实验验证了此电压控制电流源的性能，同时提出了改进方案。该电压电流源不仅频率和幅值可控、精度高，而且有较高的输出阻抗。

该系统实现了一套高帧灵敏度的红外成像系统,系统采用国产中波320*256凝视型制冷红外焦平面探测器,以FPGA作为核心处理器件,配合基于场景的非均匀校正算法和双平台直方图均衡算法,同时通过千兆以太网实现实时视频数据传输,系统各项技术指标均达到国内外先进水平,可满足军事、工业、医学、电子研发、、安全监等领域的需求。

在此存储库中，我们开发了一个全面的开源MIMO-SAR成像工具箱，该工具箱是基于MATLAB的软件包，包括我们期刊论文中原型测试台解决方案的完整信号处理链（请参见下面的参考资料）。 该工具箱允许用户控制实验台，并使用捕获的实验数据重建高分辨率的3D全息图像。 开发的工具箱包含三个主要模块：（1）数据捕获，（2）MIMO阵列校准和（3）图像重建。 我们的期刊论文中详细介绍了每个模块的框架。

为测量卫星遥感相机因姿态不稳定以及各种扰动引起的亚像素像移，提出了基于光学相关的双CCD成像系统的图像运动测量方法。在主成像系统成像的同时，辅助高速CCD获取同一目标的图像序列，利用联合变换相关器对所采集的图像序列进行光学运算，测量出相邻图像序列的运动位移。阐述了使用光学相关方法测量像移的原理，并模拟分析了噪声和运动条件下的测量精度。建立了使用该方法测量像移的实验系统。实验结果证实了该方法的有效性，测量精度小于0.1 pixel，满足卫星遥感相机的使用要求。

为 了 给 半 导 体 器 件 、 印 刷 电 路 板 和 功 率 器 件 等 电 子 器 件 提 供 细 微 热 分 析 的 手 段 ， 完 成 电 子 电 路 的 故 障 检 测 、 失 效 分 析 和 可 靠 性 检 测 等 ， 本 文 基 于 非 制 冷 焦 平 面 探 测 器 设 计 了 一 种 新 型 的 光 学 微 扫 描 显 微 热 像 仪 。 介 绍 了 系 统 的 工 作 原 理 、 系 统 构 成 、 工 作 过 程 ， 研 究 推 导 了 系 统 噪 声 等 效 温 差 （ ＮＥＴＤ） 和 噪 声 等 效 辐 射 率 差 （ ＮＥＥＤ） 模 型 ， 为 系 统 的 设 计 提 供 了 理 论 指 导 ， 基 于 Ｍａｔｌａｂ 完 成 了 整 个 系 统 的 图 像 采 集 处 理 界 面 设 计 。 实 际 图 像 采 集 和 处 理 结 果 表 明 了 本 系 统 设 计 的 合 理 性 。 随 着 产 品 化 ， 本 系 统 将 会 用 到 其 他 需 要 显 微 热 分 析 的 场 合 ， 具 有 广 泛 的 应 用 前 景 。

高光谱图像分类是遥感领域的研究热点之一,是对地观测的重要手段,在地物的精细识别等领域具有重要的应用。使用卷积神经网络(CNN)可以有效地从原始图像中提取高级特征,具有较高的分类精度。但CNN计算量巨大,对硬件要求较高。为了提高模型计算效率,可以在图形处理器(GPU)上进行CNN模型的训练。现有的并行算法,比如GCN(GPU based Cube-CNN),无法充分利用GPU的并行能力,算法加速效果并不理想。为了进一步提升算法效率,提出基于通用矩阵乘法(GEMM)算法的GGCN(GPU based Cube-CNN improved by GEMM)并行加速算法,通过G-PNPE(GEMM based Parallel Neighbor Pixels Extraction)对输入数据和卷积核进行重新组织排列,实现卷积的并行计算,有效地提高了GPU的利用率并进一步提升了算法的训练效率。通过分析在三个数据集上的实验结果发现,改进算法的分类精度与原算法保持一致,而且模型的训练时间缩短了30%左右,表明算法的有效性和优越性。

提出一种有效的三维点云骨架分割的方法,分割后的结果可用于三维点云物体识别和分类。利用稳健性较强的L1-中心骨架算法对点云数据进行骨架提取,可得到一系列骨架点;利用基于八叉树的区域增长分割方法对已经得到的骨架点进行分割,选取法向量和残值作为判定标准;利用OpenGL库编程把分割出的各个部分进行骨架连线。对多种形状的点云数据(包括动物模型、植物模型、人体模型、字母模型)进行实验,该方法均得到较好的结果。

激光大气传输会发生波前畸变，为了探测波前，采用哈特曼夏克(H-S)传感器来获取波前信息，采用算法对成像光斑进行质心定位，进而可以达到波前检测的目的。通过质心法对哈特曼夏克波前传感器得到的光斑图像进行处理，进而确定出其质心的位置和算法所需的时间。采用改进的象限法，通过检测光斑的边缘位置，进而确定出一个能将光斑圈住的矩形的大小和位置。根据几何学关系，针对不同位置的光斑采用不同的方法确定质心，进而可以得到质心的位置。通过与质心法对比仿真，结果显示两种算法的质心位置坐标很接近，算法的速度也很接近。