一、Legerity推出双通道SLIC（论文文献综述）
王宇航[1]（2021）在《基于双通道的多尺度复杂情景图像语义分割方法研究》文中认为深度学习的飞速发展和图像数据的海量激增促进了图像语义分割的应用,同时,随着社会的智能化发展,图像语义分割在自动驾驶、面部分割、时装分类和农业智能化等领域有了宽广的应用。由于深度学习处理海量数据的优异性和处理图像的天然优势,使得基于深度学习的卷积神经网络成为了主流。基于卷积神经网络的图像语义分割方法分为图像特征提取阶段,图像特征融合阶段和语义分割图像预测阶段。当前主流研究方向是为复杂情景图像分割寻找更可靠的特征提取模块和更优良的分割模型,本文针对图像尺寸干扰,网络参数过多,图像特征信息利用不充分和融合方式存在缺陷等问题,提出了基于多级融合金字塔神经网络模型和基于双通道的多尺度特征神经网络模型,论文的主要工作如下:首先,对常用的图像特征和卷积神经网络原理进行分析,确立了本文在图像语义分割中使用的特征、基础方法和评价指标,并对不同场景的图像数据集使用合适的图像预处理。其次,对于传统的全卷积神经网络在图像特征处理中过于粗糙且参数多的问题,本文从图像特征提取和特征融合角度出发,对特征提取块和金字塔模块进行改进。通过优化特征提取模块,在不降低网络性能的前提下降低特征提取模块参数数量9.43%,此外使用空洞卷积模块改进金字塔模块,优化原有的特征提取和融合方式,使之更适合复杂的图像情景。随后,本文构建了基于多级融合金字塔的网络模型,经过消融实验和对比实验,验证了改进方法和模型的可行性,对比其他特征提取模型,性能提升了 1.8%。最后,提出了自适应权值模块和多级特征融合模块来增强图像特征融合,使特征图像能包含更多的图像细节信息和空间信息,减缓特征不断提取后的特征损耗。本文针对图像低层特征信息利用不充分的缺点,提出基于多级特征融合模块的局部特征处理通道和全局特征关联通道,构建基于双通道的多尺度特征神经网络模型。经过对比实验,确定了双通道模型的最优参数设置。本文模型在多个场景下的图像分割表现优秀,对比其他模型性能提升1.39%到1.91%,能够完成复杂情景图像的语义分割任务。
刘彩霞[2]（2021）在《计算机辅助肺癌CT诊断教学关键技术研究》文中认为从医学影像中进行有效的疾病诊断是影像诊断学学生需要掌握的重要的临床实践技能。学习者通过研究正常或疾病状态下机体的医学影像特征,建立起疾病的病理过程及人体的解剖结构之间的关系,进而有效的指导内外科临床治疗。然而由于仪器参数或外界环境的影响,影像质量往往不高。同时,教学内容可视化、考核评测智能化不足,无法满足教学需求。教学内容的抽象和教学手段的落后不利于教学活动的开展,阻碍了学习者临床思维的构建和疾病的有效诊断。随着教育信息化2.0行动计划的开展,我国教育全面进入了信息化新时代,信息技术与教育的深度融合有助于推动智慧医学教学改革。本论文从肺癌CT诊断教学实际需求出发,研究计算机辅助肺癌CT诊断教学中的相关问题和关键技术,论文的主要工作及创新包括:首先,为增强CT图像细节信息的可检测性和识别效果,首先对噪声等引起CT图像可视化程度不高的因素进行了分析。在此基础上,研究了CT图像预处理技术,提出了基于经验模态分解和双边滤波的平滑方法、基于法向量相似度和非局部均值滤波的去噪方法,以及基于多尺度暗通道的增强方法。平滑方法有助于增强CT图像肺部组织强边缘而消除噪声和弱边缘;去噪方法可以去除CT图像中的噪声;增强方法能有效增强CT图像细节表示。论文提出的预处理技术有助于学习者对肺组织细节的观察,以及后续的肺部组织分割和病灶特征提取。第二,为了方便特定教学内容显示、病灶定量评估和学生考核评测,同时为后续的三维可视化提供准确肺组织区域,论文对肺部组织分割技术进行了研究。首先分别提出了基于随机森类、深度卷积神经网络、随机森林与深度卷积神经网络相结合的肺区域分割方法。在利用以上技术提取初始肺区域的基础上,通过一系列后处理操作进一步提高了分割的准确性。其次,分别提出了基于多尺度边缘检测和基于灰色关联的肺结节提取方法。肺部组织分割技术能够提供高效、准确的分割结果,为肺部组织可视化和肺部组织的智能评测提供重要支持。第三,肺结节语义特征有助于计算机辅助肺癌CT诊断教学中的肺癌智能诊断,论文对肺结节的主要语义特征进行了介绍,分析了毛刺征、分叶征、钙化度、对比度、边缘、球形度、内部结构等语义特征与肺结节恶性程度的相关度。在此基础上提出了基于深度神经网络的分类技术对与肺结节恶性相关度较高的语义特征进行分级。语义特征分级可以有效辅助肺癌智能诊断中结节的分类和恶性程度的评估。最后,为了直观、真实、全面地表现肺组织信息,辅助医学生对肺组织及病灶的深入理解,在分析断层图像三维可视化模型构建算法及面临的挑战的基础上,提出了点云空间中的稀疏CT图像三维重建技术。首先通过单像素追踪方法提取肺部组织轮廓,然后利用梯度矢量流动态轮廓模型进行缺失肺部组织轮廓构造,计算点云及法向量,最后利用浮动尺度等算法进行肺部组织的三维可视化重建。该方法可以有效的处理肺部组织重建中的匹配和分支问题,重建准确肺部组织。计算机辅助肺癌CT诊断教学关键技术的研究有助于增强学习者的学习体验,解决教师教学困难,有效辅助医学影像诊断教学活动开展,进而促进人工智能技术与医学教学的深度融合,推动医学教育信息化发展。
刘兆鹏[3]（2020）在《硅胶与功能粉末混合3D打印机关键技术研究》文中研究表明近几年软体机器人和硅胶制品行业发展迅速,为了实现软体机器人特殊性能,增加硅胶制品美观性,可在硅胶材料种混入功能粉末,使其具备特有的属性。由于利用滚塑、模塑等传统方式制作,既费时又费力,所以将3D打印技术应用于该领域,则可以大大降低其制作时间,并且提高了生产效率和打印精度。因此需要设计一款能够以硅胶和功能粉末为材料的3D打印机,本文以硅胶和功能粉末混合3D打印为目标,研究了硅胶3D打印的成型原理,分别对3D打印机机械系统和控制系统进行设计,最后进行打印实验验证和影响参数研究。提出了3D打印机总体方案。根据各个系统的作用,将3D打印机系统分为机械系统和控制系统来进行方案设计,确定了3D打印机的机身结构以及三轴运动的传动方式。基于螺旋送粉原理,给出了一种螺旋输送式送粉器设计方案。基于螺旋挤出原理,给出了一种螺杆式挤出装置设计方案。实现了对3D打印机机械系统的设计。根据设计方案要求设计出机身框架系统,通过对同步带基本尺寸计算和螺杆的耐磨性、强度计算,设计出X、Y、Z轴传动系统。根据送粉器和挤出装置的设计方案,设计出挤出系统,成功制作并组装了挤出装置。实现了对3D打印机控制系统的设计。将控制系统分为温度控制单元,运动控制单元,软件控制单元三部分,分别对步进电机、热敏电阻、限位开关等硬件进行了选型设计,对切片软件进行选择及初始设置,给出了一种适合硅胶3D打印的模型设计规则,编写出硅胶与功能粉末混合3D打印机控制系统平台界面。搭建出硅胶与功能粉末混合3D打印机整体样机,对注射泵速度和搅拌电机转速进行了优化,成功打印出海星、柱形弹性环和软体鱼鳍等软体机器人或硅胶物体,验证了该打印方法的有效性和可行性。
王茁[4]（2020）在《CPE中的SLIC话机控制芯片的内核驱动程序设计》文中研究表明在电话业务领域,用户对通信质量的述求愈发日益增长,怎样确保网络稳定运作、怎样给用户供应可信赖、健全的通信电路是通信运营商第一位要考虑的问题。为了能实现这样的目标,除开需要对通信网络施展全面的保障方案以外,控制话机用户线路接口电路（SLIC）的选择和设计也显得尤为重要。SLIC电路在交换系统和接入网系统中应用十分的普遍,在电话通信领域里,人们手中的电话机与电话交换机相连接的端口便是通过SLIC电路来搭接。SLIC电路通过电话线,可以将模拟的声音信号转换成数字的PCM信号,在数据传输过程中扮演着至关重要的角色。除了数据流,电话机控制也是SLIC芯片的重要作用,例如控制电话机振铃、产生提示音和来电显示。本项目的操作对象是CPE设备,传统的CPE设备仅支持将移动信号转换成WIFI信号,本项目则通过让CPE设备搭载SLIC芯片,通过连接电话机从而支持语音通话的功能。采用的DUSLIC XS系列PEF31001芯片是Intel公司生产的一款SLIC电话线路终端芯片,能为制造商在提供宽带话音电话的同时降低成本,拥有整合型DC/DC功能,可以同时允许连接两台电话机设备,此外还有着优秀的低功耗特点,能够从容地满足各种规范指标要求。本文从平台背景入手,给出系统总体架构和系统的软件架构,根据系统需求将系统分为PCM通道内核子系统和控制通道内核子系统。本文主要着重于嵌入式Linux内核驱动的软件开发,使得系统实现对SLIC芯片的适配。通过搭建ALSA音频框架和ASo C音频体系,设计相应的DMA控制器驱动,定义DSP设备操作方法,使PCM数据码流可控可传。并基于hwdep模块,实现了类似于字符设备的ioctl,可以接收到来自语音应用程序的命令,构建input输入子系统使内核可以将电话机的事件上报给用户空间作进一步处理,最终完成内核驱动对SLIC芯片的适配。连接电话机,芯片会根据实际通话场景产生电话线模拟信号,能驱动FXS在电话机上产生振铃,通话前及对方挂机后各种提示音（按键、呼叫等待、忙音、催挂等）,摘挂机信号检测,通话中模拟信号与数字PCM信号相互转换传输,以及来电显示（FSK和DTMF）等,从而实现基本的通话功能。最终将单独编译好的SLIC语音通话模块以ko的形式加载入系统内核,根据前文需求分析所得的测试清单依次测试语音功能,均满足设计要求。
洪声艺[5]（2020）在《无人机载可见红外光伏板热斑检测系统研究》文中进行了进一步梳理在国内外光伏电站蓬勃发展的同时,光伏组件的维护显得十分重要。光伏板热斑问题作为光伏组件损失的主要成因,将有大量的检修需求。针对传统热斑检测方法高成本、低效率的问题,本文提出一种较为新颖的搭载可见和红外同光轴双相机并运用双轴稳定云台实现摆停凝视成像的热斑检测技术方案:其中,双轴稳定云台摆停凝视成像技术是在课题组已经积累多年的光机扫描和稳定平台控制技术基础上,基于目前市场上成熟的轻小型无人机云台和控制算法研制出来的;运用这种技术方案获取图像,进而结合红外可见图像复合判定方法,可以高效、快捷地完成光伏板热斑检测任务。本文研制了一套以多旋翼无人机为载体,同光轴可见光相机和红外相机为有效载荷的光伏板热斑检测系统。该系统通过间接调用新型云台内置控制算法,实现高效率热斑巡检的关键技术——大视场摆停凝视成像。系统集成了云台控制、图像采集、存储、GPS数据采集记录等功能模块。经过多次联调和实验逐一排除故障后,试验飞行证明该系统足以满足光伏板热斑检测任务需求。本文的研究内容及取得的研究成果主要包括:（1）研究分析并对比了各类光伏板热斑检测技术,结合当今的光伏产业和电子科学与技术发展现状,首次提出一种较为新颖的搭载可见和红外同光轴双相机并运用双轴稳定云台实现摆停凝视成像的热斑检测技术方案。（2）深入研究并总结介绍了课题组积累多年的光机扫描和稳定平台控制技术,并受此启发提出一种基于“稳定云台”设计的大视场“摆停”扫描面阵凝视成像技术方案。（3）根据系统的设计目标,基于各类商用产品技术参数的横向对比,本文选用合适的系统元部件,研制了一套无人机载可见红外双通道热斑检测系统,并通过对新型云台内置控制算法的间接调用,实现了大视场摆停凝视成像功能。（4）对研制的系统进行了静态联调、动态联调和模拟场景飞行试验,逐一排查并改良系统设计,最终进行了某光伏电站飞行试验,取得了足以满足光伏板热斑检测任务需求的可见红外双通道图像。（5）研究了可见光与红外图像的图像配准工作,论证试验了常规的基于SIFT和RANSAC的图像配准方法的可行性,并最终应用平行光管完成了可见红外双通道图像像素间的配准。
郑浩聪[6]（2020）在《基于深度学习网络的手指静脉识别算法研究》文中进行了进一步梳理在众多的生物特征中,手指静脉特征以其高安全性的优势吸引了人们的关注,在金融和安防等领域得到广泛应用。但是,不同的手指静脉采集设备存在成像方式、光源波长等方面的不同,导致采集到的图像在背景噪声和灰度水平存在较大差异,这给手指区域定位带来了困难。另外,采集的图像质量往往较差,还存在手指平面旋转、空间旋转等姿态变化。基于深度学习的方法虽然能较好地提取鲁棒的特征,但是公开的手指静脉数据库规模较小,这限制了深度模型的性能。而且,随着手指静脉系统的应用越来越广泛,手指静脉类别和数量快速增加,针对手指静脉图像的快速检索也成为研究的热点。本文针对这些问题开展研究,具有一定的理论意义和实用价值,具体的研究工作如下:1、提出一种基于分水岭（Watershed）的手指静脉图像感兴趣区域（Region of Interest,ROI）提取算法。本文首先使用分水岭方法对图像进行超像素分割,所分割的超像素边界对灰度变化和背景噪声等干扰具有一定的鲁棒性;然后定义跟踪规则提取手指边缘并根据中线的偏转角度进行校正;最后,截取手指的外切矩形并进行尺寸归一化作为ROI图像。实验表明,该算法能稳定地从不同设备采集的静脉图像中准确地提取ROI。2、提出一种结合多种策略的手指静脉识别算法。本文首先引入轻量神经网络Shuffle Net V2来构造一个基础模型,然后针对训练数据较少和ROI尺寸较小的特点,从模型的输入端、网络端和损失函数入手,组合多个策略来提高模型的效果,这些策略包括数据扩增、增大输出特征图、迁移学习、标签平滑和联合损失函数。实验表明,这些策略都能有效地提高模型的性能,通过组合多种策略,在SDUMLA-HMT、FV-USM和MMCBNU＿6000三个数据集上取得了当前最好的结果。3、提出一种基于深度哈希的手指静脉识别算法。本文首先结合深度监督哈希方法来构建手指静脉识别框架,在训练阶段约束神经网络的输出接近±1,在推断阶段通过输出的类二值特征和符号函数获得真二值特征,通过特征间的汉明距离来对手指静脉图像的相似度进行评价。实验表明,所提出的方法在存储、检索速度上有明显的优势,同时保证了较高的检索精度。
李阁[7]（2019）在《基于多尺度深度特征融合网络的遥感图像目标检测与分类》文中提出随着现代遥感技术的飞速发展,大量的遥感卫星生成了海量的遥感图像数据,遥感图像包含非常丰富的信息,具有重要的研究和应用价值,应用领域众多,其中遥感图像目标检测与分类一直都是学术界研究的热点,近年来深度学习技术的发展使得遥感图像目标检测与分类的性能有了显着提高,考虑到现有的基于深度学习的遥感图像目标检测与分类存在的问题,本文分别针对目标检测与分类的难点,从样本选取、网络设计等方面提出了改进方法。本文主要研究内容如下:1、提出了基于集成深度卷积融合网络的遥感图像目标检测方法。针对遥感图像目标检测中的小目标难检测问题,在检测网络中加入基于K-means的参考框设计以及特征融合,使初始目标候选框的尺寸更符合遥感数据集,所提取的特征更适合于小目标;针对遥感图像目标检测中的背景误检问题,在检测网络中加入背景分类子网络,通过增加背景类以及在网络中对分类结果进行集成,提高了对目标候选框分类的准确率,而且通过增加该子网络,更充分地利用了遥感图像的信息。实验结果的对比说明了提出的集成深度卷积融合网络的优越性。2、提出了基于双通道融合卷积网络的多源遥感图像分类方法。对于现有的基于卷积神经网络的遥感图像分类方法,使用固定尺寸对目标像素取块,其邻域信息不一定都对中心像素点起正反馈作用,针对此问题,提出基于超像素的自适应区域选择,利用图像的空间分布确定像素点输入网络的区域,生成多种尺寸的图像块来训练网络;为了更好地利用多源遥感图像数据,提出双通道融合卷积网络,在网络中分别提取两种数据的特征,使用DPN模块对两种特征进行融合,在保留原始特征的前提下生成新的特征,因此提取特征的鲁棒性和判别性较好,在不同数据实验结果的对比验证了提出方法的有效性。3、提出了基于多尺度自适应深度融合残差网的遥感图像分类方法。为了提高训练数据集的质量,提出重要样本选择策略,基于遥感图像的超像素分割结果,使用梯度信息和空间分布来选取多样性的、更具代表性的训练样本;为了更好地利用网络中多层次的特征,提出多尺度自适应深度融合残差网,考虑到不同尺寸的目标需要不同的语义信息,在网络中提出自适应融合模块对多尺度多层次的特征进行融合。在四个数据集上不同方法的对比验证了两个创新点的有效性。综上所述,本文对遥感图像目标检测和分类方法进行研究,实验结果证明了提出方法的有效性,说明研究成果具有一定的实际意义。
朱浩[8]（2019）在《双支路深度神经网络下的遥感图像配准及多分辨率融合分类》文中认为在利用遥感技术对地球表面进行探测的过程中,遥感图像的匹配及多分辨率的融合分类问题一直是非常关键的研究课题。一方面,随着信息技术的发展和硬件设备上的支持,人们可以从卫星、飞机等各种遥感平台上获取分辨率越来越高、内容越来越复杂的遥感图像。这些遥感图像所特有的数据多源异构、目标结构多变、背景纷繁复杂等特性,使得传统方法已经越来越难以满足对其进行高效解译的需求。而另一方面,深度学习在自然图像、视频和语音等领域的发展如火如荼,展现了其对海量数据强大的特征提取能力,但它在遥感领域的应用才初露锋芒。与近景拍摄的自然图像不同,遥感图像具有特性复杂、噪声干扰大、局部信息扭曲、容纳大量不同尺度的地物信息、样本标记少等特性。因此,在本文的工作中,我们充分利用遥感数据的特殊性质,设计了多种专门处理遥感数据的深度神经网络模型,用以完成遥感图像配准和融合分类任务。此外,这些工作还能够被独立地应用于其它相关的任务,具有较强的泛化性能。这些成果也获得了国内外同行的认可,具体内容有:1.针对遥感数据中SAR图像的数据特点,提出了一种基于多特征检测和树形网络匹配的SAR图像配准方法。多特征检测策略有利于同时保留两种类型的特征信息。相比于传统的一类特征,该策略既可以检测到丰富的纹理特征,又可以找到稳定的角点特征,在扩充特征点数目的同时丰富了特征的类型,充分利用图像信息为后续的配准过程做准备。考虑到SAR图像的斑点噪声,使用一种基于统计的指数加权平均比率的算子计算上述两种检测器的梯度。在特征匹配过程,提出的树形匹配网络算法主要由主干网和分支网两个部分构成,随着网络的构造来寻找匹配对。该算法将特征约束与特征点之间的空间关系结合在一起,具有比原算法更多的匹配对和更高的亚像素匹配精度。在SAR图像配准任务中,该算法在鲁棒性和有效性等方面比传统算法具有更优越的性能。2.针对于更高分辨率、更复杂结构的大场景遥感图像特性,提出了一种基于双支路卷积深度置信网框架的特征匹配算法,将图像配准任务转化为一个二值分类问题。为了匹配两个关键点,将两个以关键点为中心的图像块输入到该网络中。该网络的目的是学习用于图像块匹配的显着特征表示,以便在保持较高的亚像素级别的匹配精度的前提下获得更多的匹配对。该网络采用两阶段训练的方式来处理遥感图像的复杂特征。此外,在样本选择上,提出了一种自适应的样本选择策略,通过其中心关键点的尺度来确定每个图块的大小,从而确定样本的邻域范围。因此,每个图块可以保留其关键点周围的纹理结构,而不是所有图块都具有预定的尺寸大小。在匹配预测阶段,为了提高匹配效率和匹配精度,分别设计了基于超像素的样本分级策略和基于超像素的有序空间匹配策略。实验结果和理论分析证明了该方法的可行性、鲁棒性和有效性。3.提出了一种自适应特征融合空间网络,用于高分辨率遥感图像的配准任务。该网络具有多尺度的概念,不需要人为的为每个样本确定领域范围,它可以对不同的样本能自适应地选择合适的邻域信息。我们通过将深层特征与浅层特征相互融合,并根据输入样本特性自适应地调整它们之间的融合权重,为该输入样本提供鲁棒的特征表示。此外,将空间变换的思想嵌入到网络中,使两个支路在融合前尽可能地调整到同一坐标系下,从而提高匹配预测的置信度。4.针对于多光谱和全色图的融合分类任务,提出了一种双支路特征融合网络。它旨在将特征级融合和分类集合成一个端到端的网络模型框架中。考虑到一个大尺寸的遥感场景,提出了一种自适应样本选择策略。在网络结构中,我们提出了一种双路径模块,在保证稠密连接路径中层与层之间的最大梯度信息流的同时,有效缓解残差路径中的梯度爆炸。该模块可以提取出更强大的特征,以应对遥感图像的复杂特征。最后,我们采用渐进协同的方式逐步整合这两个支路的特性,从而减少计算负担,提高分类精度。实验证明,本算法在大场景下的遥感图像融合分类任务中表现优异。5.设计了一个用于遥感图像多分辨率融合分类的双支路注意力融合深度网络。在建立训练样本库的过程中,提出了一种自适应中心偏移采样策略,该策略与传统的像素中心采样策略不同,它允许每个图像块通过寻找待分类像素的纹理结构来自适应地确定邻域范围。而邻域范围与此像素不对称,我们希望捕捉到更利于其分类的邻域信息。在网络结构上,基于采样策略捕获的图像块,对多光谱数据设计了一种通道注意模块,突出了多光谱数据谱段信息丰富的优势;而对全色数据设计了一种空间注意模块,突出了全色数据高空间分辨率的优势。然后将这两个特征相互融合,进一步从融合后的特征中提取更深层的特征进行分类。在高分辨率遥感数据集上的实验结果证明了该方法的有效性和鲁棒性。
曲文娟[9]（2011）在《地下变电站VoIP系统的设计与实现》文中研究表明随着VoIP的普及及相关技术、协议的日渐成熟完善,VoIP不仅广泛的应用于中小企业的语音通信,而且也越来越多的应用在了工业领域。由于工业应用的环境比较特殊且行业之间通用性较差,这也对VoIP技术及系统的开发、部署提出了更高的定制化需求。本文对如何将VoIP技术应用于地下变电站,并如何进行VoIP系统的部署、设计和实现做了深入的研究。本文的研究重点及成果包括以下6个方面：1.通过对变电站信息化及发展的分析,论证了研究VoIP技术在变电站尤其是地下变电站中部署实现的关键性和重要性。2.系统分析了VoIP技术的基本原理,VoIP系统的组成架构及VoIP的相关协议,在此基础上对VoIP协议做了详细的研究,分析比较了不同信令协议的特点和优点,选择了SIP协议作为该项目的信令协议。3.分析了VoIP系统应用的环境,根据系统环境,提出了对VoIP定制化功能设计。并完成VoIP系统硬件及软件的设计方案。4.根据设计方案,实现了VoIP系统的硬件平台,采用了工业应用广泛的PowrPC处理器做为CPU,及具有硬件语音编解码的DSP保证了VoIP语音通信的质量及整个平台的稳定性,同时选用了SLIC芯片来控制和管理外接电话,使得普通电话可以方便的接入到VoIP系统中,满足了变电站语音通话的需求。5.实现了VoIP软件。通过事件的定义及子进程之间的交互,从而将不同功能的模块融合在一起完成语音通信的功能,该软件架构容易扩展且具有非常好的通用性。6.根据系统环境的需求,为变电站实现了VoIP语音广播功能,对于变电站尤其是地下变电站的风险预防及控制工作有着重要的意义。在VoIP Daemon中创建一个子进程服务于语音广播功能,并对DSP/SLIC/CODEC作出相应的设置,通过Asterisk的Paging功能,最终实现了VoIP的广播功能,该硬件及软件的设计架构,可以方便的移植到不同的应用环境中。
张涛[10]（2008）在《基于以太网的综合接入系统》文中指出随着电信技术和互联网技术的迅猛发展,语音网和分组数据网的融合己成为网络发展的必然趋势。传统电信网正向以软交换为核心的下一代网络（NGN）演变。能够同时支持语音、数据和视频接入服务的综合接入系统将逐渐取代现今的各种接入系统,从而为用户提供可靠且廉价的IP电话（VoIP）、视频点播（VOD）以及其它数据业务。因此,开发综合接入系统具有重要的意义。论文首先概述了宽带接入技术的现状和发展趋势,然后确定了基于以太网的综合接入系统的硬件方案,最后详细阐述系统软硬件的设计与实现。整个系统的硬件主要分为两大部分,第一部分是处理器电路,以AD6834为核心,扩展了SDRAM和Flash,前者作为嵌入式操作系统内核及应用程序运行的内存空间,后者作为内核镜像存储器,并在嵌入式操作系统启动时加载系统内核及程序;第二部分是外围硬件电路,包括以太网数据交换电路,VoIP电路,电源电路,WLAN电路和CPLD电路。论文在介绍相关接口和主要芯片功能的基础上,详细论述了各主要电路的设计原理和实现方法,以及使用Cadence等工具设计印刷电路板的方法。论文还讨论了基于嵌入式实时操作系统的综合接入系统的软件体系结构以及系统BootLoader的具体开发步骤。
二、Legerity推出双通道SLIC（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Legerity推出双通道SLIC（论文提纲范文）
（1）基于双通道的多尺度复杂情景图像语义分割方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及其意义 |
| 1.2 国内外研究进展 |
| 1.2.1 传统图像分割 |
| 1.2.2 基于候选区域的图像分割 |
| 1.2.3 基于端到端的训练和像素层级的图像分割 |
| 1.3 论文主要工作和组织结构 |
| 第2章 相关背景知识和理论基础 |
| 2.1 图像特征提取 |
| 2.1.1 颜色特征 |
| 2.1.2 形状特征 |
| 2.1.3 纹理特征 |
| 2.1.4 空间特征 |
| 2.1.5 基于语义的图像特征 |
| 2.2 卷积神经网络 |
| 2.3 残差神经网络 |
| 2.4 全卷积神经网络 |
| 2.5 评价标准 |
| 2.6 数据预处理 |
| 2.7 本章小结 |
| 第3章 基于多级融合金字塔神经网络的语义分割 |
| 3.1 研究目的 |
| 3.2 研究方法 |
| 3.2.1 网络概况 |
| 3.2.2 特征提取模块 |
| 3.2.3 特征提取网络 |
| 3.2.4 金字塔模块 |
| 3.2.5 语义分割模块 |
| 3.3 实验结果与分析 |
| 3.3.1 实验环境与数据集 |
| 3.3.2 实验细节 |
| 3.3.3 消融对比实验 |
| 3.3.4 模型性能分析与对比 |
| 3.4 本章小结 |
| 第4章 基于双通道的多尺度特征神经网络 |
| 4.1 研究目的 |
| 4.2 研究方法 |
| 4.2.1 网络概况 |
| 4.2.2 自适应权值模块 |
| 4.2.3 多级特征融合模块 |
| 4.2.4 局部特征处理通道 |
| 4.2.5 全局特征关联通道 |
| 4.2.6 综合输出预测图 |
| 4.3 实验结果与分析 |
| 4.3.1 实验环境与数据集 |
| 4.3.2 实验细节 |
| 4.3.3 双通道模块对比实验 |
| 4.3.4 模型性能分析与对比 |
| 4.4 本章小结 |
| 第5章 总结 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（2）计算机辅助肺癌CT诊断教学关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 教学方式 |
| 1.2.2 关键技术 |
| 1.3 研究思路与研究内容 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 组织结构 |
| 第2章 肺癌CT诊断教学 |
| 2.1 计算机辅助教学 |
| 2.1.1 教育活动中的教育路径 |
| 2.1.2 计算机辅助教学技术 |
| 2.2 肺癌CT诊断 |
| 2.1.1 CT图像 |
| 2.1.2 肺癌及影像组学 |
| 2.3 医学影像学教学 |
| 2.3.1 医学影像学专业及其影像教学 |
| 2.3.2 计算机辅助肺癌CT诊断教学关键技术 |
| 第3章 CT图像预处理 |
| 3.1 影响CT图像可视化的因素 |
| 3.2 CT图像预处理技术研究 |
| 3.2.1 图像质量评价指标 |
| 3.2.2 基于经验模态分解和双边滤波的CT图像平滑 |
| 3.2.3 基于法向量相似度和非局部均值滤波的CT图像去噪 |
| 3.2.4 基于多尺度暗通道的CT图像增强 |
| 3.3 本章小结 |
| 第4章 基于人工智能的肺组织分割 |
| 4.1 准备工作 |
| 4.1.1 肺和肺结节 |
| 4.1.2 肺部CT数据库 |
| 4.1.3 评价指标 |
| 4.2 肺区域分割 |
| 4.2.1 关键技术 |
| 4.2.2 基于随机森林的肺区域分割 |
| 4.2.3 基于深度卷积神经网络的肺区域分割 |
| 4.2.4 基于随机森林和卷积神经网络的肺区域分割 |
| 4.3 肺结节分割 |
| 4.3.1 基于多尺度边缘检测的肺结节分割 |
| 4.3.2 基于灰色关联的肺结节分割 |
| 4.4 本章小结 |
| 第5章 基于神经网络的肺结节语义特征分析 |
| 5.1 结节语义特征 |
| 5.2 语义特征相关度分析 |
| 5.2.1 数据准备 |
| 5.2.2 语义特征相关度分析 |
| 5.3 语义特征分级 |
| 5.3.1 数据归一化 |
| 5.3.2 结节图像提取 |
| 5.3.3 语义特征分级 |
| 5.3.4 模型结果分析 |
| 5.3.5 讨论 |
| 5.4 本章小结 |
| 第6章 基于GFV Snake和浮动尺度的肺组织三维重建 |
| 6.1 医学图像三维可视化技术 |
| 6.2 稀疏CT图像三维重建 |
| 6.2.1 基于GVF Snake的轮廓线提取 |
| 6.2.2 基于浮动尺度的肺组织三维重建 |
| 6.2.3 结果分析 |
| 6.2.4 讨论 |
| 6.3 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文主要工作 |
| 7.2 主要创新与贡献 |
| 7.3 未来展望 |
| 参考文献 |
| 攻读博士学位期间的主要成果 |
| 致谢 |
（3）硅胶与功能粉末混合3D打印机关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 有机硅材料3D打印技术研究现状 |
| 1.2.1 光固化打印技术研究现状 |
| 1.2.2 喷墨式打印技术研究现状 |
| 1.2.3 挤出式打印技术研究现状 |
| 1.3 课题研究的主要任务 |
| 第二章 硅胶与功能粉末混合3D打印机总体方案设计 |
| 2.1 工作原理及材料配制 |
| 2.1.1 3D打印技术工作原理分析 |
| 2.1.2 硅胶材料的配制 |
| 2.2 3D打印机系统概述 |
| 2.3 3D打印机机械系统方案设计 |
| 2.3.1 机身框架系统方案设计 |
| 2.3.2 三轴运动系统方案设计 |
| 2.3.3 挤出系统方案设计 |
| 2.4 3D打印机控制系统方案设计 |
| 2.4.1 整体控制流程 |
| 2.4.2 控制系统平台设计要求 |
| 本章小节 |
| 第三章 硅胶与功能粉末混合3D打印机机械系统设计 |
| 3.1 机身框架系统设计 |
| 3.2 三轴运动系统设计 |
| 3.2.1 X、Y轴传动系统设计 |
| 3.2.2 Z轴传动系统设计 |
| 3.2.3 三轴运动系统装配 |
| 3.3 挤出系统设计 |
| 3.3.1 送粉器的设计 |
| 3.3.2 挤出装置的设计 |
| 3.3.3 挤出系统装配 |
| 本章小节 |
| 第四章 硅胶与功能粉末混合3D打印机控制系统设计 |
| 4.1 温度控制单元设计 |
| 4.1.1 热电阻丝 |
| 4.1.2 热敏电阻 |
| 4.2 运动控制单元设计 |
| 4.2.1 步进电机 |
| 4.2.2 限位开关 |
| 4.2.3 微型减速电机 |
| 4.2.4 微型注射泵 |
| 4.3 软件控制单元设计 |
| 4.3.1 切片软件设计 |
| 4.3.2 控制系统平台 |
| 本章小节 |
| 第五章 实验验证与影响参数研究 |
| 5.1 实验准备 |
| 5.2 打印实验分析 |
| 5.3 影响参数的研究 |
| 5.3.1 影响参数的确定 |
| 5.3.2 影响参数的改进 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（4）CPE中的SLIC话机控制芯片的内核驱动程序设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 选题背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的工作内容 |
| 1.4 本文的组织机构 |
| 第二章 系统总体架构设计 |
| 2.1 系统平台描述 |
| 2.2 系统硬件架构 |
| 2.2.1 balong765 芯片 |
| 2.2.2 PEF31001 SLIC芯片 |
| 2.3 系统软件架构 |
| 2.3.1 系统软件功能性需求描述和系统软件框图 |
| 2.3.2 PCM通道的内核子系统总体设计 |
| 2.3.3 控制通道的内核子系统总体设计 |
| 2.3.4 系统非功能性需求描述 |
| 2.4 本章小结 |
| 第三章 ALSA架构下相关驱动的设计与实现 |
| 3.1 ALSA总体框架 |
| 3.2 必要组件创建 |
| 3.2.1 声卡及逻辑组件创建 |
| 3.2.2 PCM设备的创建 |
| 3.3 Codec驱动设计 |
| 3.3.1 Codec驱动注册 |
| 3.3.2 I2C总线驱动程序设计 |
| 3.3.3 Codec驱动初始化 |
| 3.4 Platform驱动设计 |
| 3.4.1 PCM总线驱动程序设计 |
| 3.4.2 DMA |
| 3.5 Machine驱动设计 |
| 3.6 本章小结 |
| 第四章 PCM通道中内核驱动的设计与实现 |
| 4.1 PCM通道子系统的预设置 |
| 4.2 DMA控制器驱动设计 |
| 4.2.1 DMA缓冲区结构设计 |
| 4.2.2 DMA缓冲区操作设计 |
| 4.3 基于ALSA驱动的DSP设备操作 |
| 4.3.1 DSP设备的打开和释放 |
| 4.3.2 DSP设备的读写函数 |
| 4.4 本章小结 |
| 第五章 控制通道中内核驱动设计与实现 |
| 5.1 基于hwdep模块的ioctl设计与实现 |
| 5.2 Linux下 input输入子系统的实现 |
| 5.3 其余的芯片适配相关软件功能 |
| 5.3.1 芯片初始化 |
| 5.3.2 简单控制逻辑处理 |
| 5.3.3 语音参数定制框架 |
| 5.4 本章小结 |
| 第六章 系统功能测试与分析 |
| 6.1 语音模块的加载 |
| 6.2 内核驱动功能测试 |
| 6.2.1 芯片初始化类 |
| 6.2.2 应用程序请求响应类 |
| 6.2.3 事件检测上报类 |
| 6.2.4 其他 |
| 6.3 PCM语音通道测试 |
| 6.4 完整的通话功能测试 |
| 6.5 本章小结 |
| 第七章 总结和展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）无人机载可见红外光伏板热斑检测系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 光伏产业发展现状 |
| 1.3 光伏板热斑检测技术研究现状 |
| 1.3.1 组件电气特性热斑检测研究现状 |
| 1.3.2 手持或塔台红外图像热斑检测研究现状 |
| 1.3.3 基于无人机红外传感器的热斑检测飞行系统研究现状 |
| 1.4 论文主要工作和章节安排 |
| 第2章 无人机载可见红外光伏板热斑检测关键技术 |
| 2.1 光伏板热斑产生机理 |
| 2.1.1 光伏板发电原理 |
| 2.1.2 光伏板热斑产生机理 |
| 2.1.3 光伏板热斑产生原因 |
| 2.1.4 光伏板热斑问题影响 |
| 2.2 光伏板热斑问题诊断方法 |
| 2.2.1 光伏板热斑温度特性 |
| 2.2.2 光伏板热斑红外成像特性 |
| 2.2.3 光伏板热斑可见光图像特性 |
| 2.2.4 本文光伏板热斑问题诊断思路 |
| 2.3 小型无人机平台大视场可见红外双光路成像技术研究 |
| 2.3.1 轻小型无人机平台 |
| 2.3.2 航空大视场红外遥感成像方式 |
| 2.3.3 航空大视场高分辨率红外扫描成像技术研究 |
| 2.3.4 轻小型无人机平台大视场面阵凝视成像系统研究 |
| 第3章 可见红外双通道大视场凝视扫描成像系统研制 |
| 3.1 设计目标 |
| 3.2 无人机机型选择 |
| 3.3 光学系统元部件选型 |
| 3.3.1 红外相机选型 |
| 3.3.2 可见光相机选择 |
| 3.4 云台设计 |
| 3.4.1 云台选型 |
| 3.4.2 云台控制原理 |
| 3.4.3 云台软件参数调整 |
| 3.4.4 摆扫程序实现 |
| 3.5 控制系统设计 |
| 3.5.1 控制系统流程框图 |
| 3.5.2 主控计算机与控制电路 |
| 3.5.3 图像采集、图传、存储 |
| 3.5.4 GPS数据采集记录 |
| 3.6 结构设计 |
| 第4章 系统联调与飞行实验 |
| 4.1 系统联调 |
| 4.1.1 静态联调 |
| 4.1.2 动态联调 |
| 4.2 飞行实验 |
| 4.2.1 飞行前准备 |
| 4.2.2 拟场景飞行实验 |
| 4.2.3 光伏电站飞行试验 |
| 第5章 可见红外图像配准的研究 |
| 5.1 基于SIFT和 RANSAC的图像配准 |
| 5.1.1 图像配准技术选择 |
| 5.1.2 SIFT算法 |
| 5.1.2.1 特征检测 |
| 5.1.2.2 关键点定位 |
| 5.1.2.3 关键点的方向分配 |
| 5.1.2.4 生成描述子 |
| 5.1.3 RANSAC算法 |
| 5.1.4 图像配准结果 |
| 5.2 应用平行光管的可见、红外相机配准方法 |
| 5.2.1 光学校准 |
| 5.2.2 光学校准实验 |
| 第6章 总结与展望 |
| 6.1 主要研究成果及创新点 |
| 6.2 不足与展望 |
| 参考文献 |
| 附录A 云台摆扫程序 |
| 附录B 图像配准程序 |
| 致谢 |
| 作者简介及在学期间发表的学术论文与研究成果 |
（6）基于深度学习网络的手指静脉识别算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 论文的结构安排 |
| 第二章 基于深度学习网络的手指静脉识别相关技术 |
| 2.1 手指静脉图像的成像原理 |
| 2.2 深度学习原理 |
| 2.2.1 神经网络 |
| 2.2.2 卷积神经网络 |
| 2.3 相似性度量 |
| 2.3.1 基于距离的度量方式 |
| 2.3.2 基于相似度的度量方式 |
| 2.4 算法评价 |
| 2.4.1 手指静脉数据库 |
| 2.4.2 评价指标 |
| 2.5 本章小结 |
| 第三章 基于分水岭的手指静脉图像ROI提取算法 |
| 3.1 基于分水岭的手指静脉过分割 |
| 3.1.1 分水岭基本原理 |
| 3.1.2 分水岭算法流程 |
| 3.1.3 分割效果 |
| 3.2 手指边缘跟踪 |
| 3.2.1 跟踪点选择 |
| 3.2.2 手指边缘跟踪方法 |
| 3.2.3 手指边缘跟踪效果 |
| 3.3 手指静脉校正 |
| 3.4 手指区域定位及尺寸归一化 |
| 3.5 本章小结 |
| 第四章 结合多种策略的手指静脉识别算法 |
| 4.1 手指静脉基础模型 |
| 4.1.1 基础模型框架 |
| 4.1.2 训练和推断流程 |
| 4.2 模型改进策略 |
| 4.2.1 输入端改进策略 |
| 4.2.2 网络端改进策略 |
| 4.2.3 损失函数改进策略 |
| 4.3 实验结果与讨论 |
| 4.3.1 实验环境 |
| 4.3.2 基于开集协议的数据集划分方式 |
| 4.3.3 改进策略对模型性能的影响 |
| 4.3.4 与其他文献中方法的比较 |
| 4.4 本章小结 |
| 第五章 基于深度哈希的手指静脉识别算法 |
| 5.1 基于哈希的图像检索简介 |
| 5.2 算法设计 |
| 5.2.1 算法框架 |
| 5.2.2 损失函数 |
| 5.2.3 松弛 |
| 5.2.4 算法流程 |
| 5.3 实验结果与讨论 |
| 5.3.1 实验环境与设置 |
| 5.3.2 不同二值编码长度下的检索性能 |
| 5.3.3 与实值特征的对比 |
| 5.3.4 与其他文献中方法的比较 |
| 5.4 本章小结 |
| 总结与展望 |
| 论文工作总结 |
| 后续工作展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）基于多尺度深度特征融合网络的遥感图像目标检测与分类（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 遥感图像目标检测研究现状 |
| 1.2.2 遥感图像分类研究现状 |
| 1.3 遥感图像基础理论 |
| 1.3.1 多光谱遥感图像分类 |
| 1.3.2 多源遥感图像数据联合分类 |
| 1.3.3 遥感图像分类评价指标 |
| 1.4 深度学习理论 |
| 1.4.1 深度学习概述 |
| 1.4.2 卷积神经网络 |
| 1.5 论文主要内容及章节安排 |
| 第二章 基于集成深度卷积融合网络的遥感图像目标检测 |
| 2.1 Faster-RCNN算法介绍 |
| 2.1.1 整体网络框架 |
| 2.1.2 参考框机制与RPN网络 |
| 2.1.3 ROI池化 |
| 2.1.4 损失函数 |
| 2.2 集成深度融合卷积网络模型 |
| 2.2.1 整体流程 |
| 2.2.2 网络总体框架 |
| 2.2.3 基于 K-means 聚类的参考考框设计 |
| 2.2.4 特征融合 |
| 2.2.5 背景分类子网络设计 |
| 2.3 实验结果与分析 |
| 2.3.1 实验数据介绍 |
| 2.3.2 评价指标 |
| 2.3.3 实验结果与分析 |
| 2.4 本章小结 |
| 第三章 基于双通道融合卷积网络的多源遥感图像分类 |
| 3.1 DPN网络基础理论 |
| 3.2 基于超像素的自适应区域选择 |
| 3.3 双通道融合卷积网络模型 |
| 3.4 实验结果与分析 |
| 3.4.1 实验数据介绍 |
| 3.4.2 实验设计 |
| 3.4.3 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于多尺度自适应深度融合残差网的遥感图像分类 |
| 4.1 深度残差网络基础理论 |
| 4.2 重要样本选择策略 |
| 4.3 多尺度自适应深度残差网模型 |
| 4.4 实验结果与分析 |
| 4.4.1 实验数据介绍 |
| 4.4.2 实验参数设置 |
| 4.4.3 温哥华 1B级图像 |
| 4.4.4 温哥华 1C级图像与西安地区图像 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）双支路深度神经网络下的遥感图像配准及多分辨率融合分类（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 遥感图像配准算法 |
| 1.1.1 基于图像灰度信息的配准算法 |
| 1.1.2 基于特征的配准算法 |
| 1.1.3 基于空间域变换的配准算法 |
| 1.2 多分辨率遥感图像的融合分类 |
| 1.2.1 问题描述 |
| 1.2.2 多分辨率遥感图像的融合分类研究现状 |
| 1.3 深度学习简介 |
| 1.3.1 深度置信网络 |
| 1.3.2 卷积神经网络 |
| 1.3.3 深度残差网 |
| 1.4 双支路神经网络结构 |
| 1.5 深度神经网络实现平台 |
| 1.6 本文主要工作与结构安排 |
| 第二章 基于多特征检测与树形网络匹配的SAR图像配准 |
| 2.1 引言 |
| 2.2 SAR图像的配准流程 |
| 2.2.1 基于SAR-SIFT和R-SIFT算子的特征点检测 |
| 2.2.2 利用树形网络匹配进行特征点匹配 |
| 2.3 实验结果及分析 |
| 2.3.1 数据集和参数设置 |
| 2.3.2 实验结果的比较和分析 |
| 2.4 本章小结 |
| 第三章 基于双支路的卷积深度置信网的遥感图像匹配 |
| 3.1 引言 |
| 3.2 双支路神经网络的训练过程 |
| 3.2.1 样本选择 |
| 3.2.2 无监督特征网络 |
| 3.2.3 空间金字塔池化 |
| 3.2.4 有监督匹配网络 |
| 3.3 基于双支路网络的遥感图像匹配 |
| 3.3.1 基于超像素的样本分级策略 |
| 3.3.2 基于超像素的有序空间匹配策略 |
| 3.4 实验结果及分析 |
| 3.4.1 数据集介绍和实验环境 |
| 3.4.2 双支路卷积深度置信网和AS-SS的性能分析 |
| 3.4.3 Sp-SGS和Sp-OSM的参数设置 |
| 3.4.4 三个数据集上的结果及分析 |
| 3.5 本章小结 |
| 第四章 基于自适应特征融合空间网络的遥感图像配准 |
| 4.1 引言 |
| 4.2 遥感图像配准的流程 |
| 4.2.1 训练样本库的建立 |
| 4.2.2 自适应多尺度特征融合模块 |
| 4.2.3 自适应特征融合空间网络的建立 |
| 4.2.4 遥感图像的配准任务 |
| 4.3 实验结果与分析 |
| 4.3.1 实验数据和初始化 |
| 4.3.2 实验结果的比较和分析 |
| 4.4 本章小结 |
| 第五章 基于双支路特征融合网络下的多分辨率遥感图像分类 |
| 5.1 引言 |
| 5.2 多分辨率遥感图像的分类过程 |
| 5.2.1 样本选择策略 |
| 5.2.2 双通道模块的构建 |
| 5.2.3 双支路特征融合网络的搭建 |
| 5.3 实验结果与分析 |
| 5.3.1 数据集介绍与参数设置 |
| 5.3.2 实验初始化 |
| 5.3.3 温哥华1B级数据的实验结果 |
| 5.3.4 温哥华1C级、西安郊区和西安市区数据的实验结果 |
| 5.4 本章小结 |
| 第六章 基于双支路注意融合网络下的多分辨率遥感图像分类 |
| 6.1 引言 |
| 6.2 传统注意力机制模型的介绍 |
| 6.2.1 Bottom-up Top-down式注意力模型 |
| 6.2.2 Squeeze-and-Excitation式注意力模型 |
| 6.2.3 堆栈式注意机制 |
| 6.3 多分辨率遥感图像的分类过程 |
| 6.3.1 自适应中心偏移采样策略 |
| 6.3.2 双支路注意融合深度网 |
| 6.4 实验结果与分析 |
| 6.4.1 实验预处理 |
| 6.4.2 所提出的注意模块和ACO-SS的实验性能与分析 |
| 6.4.3 温哥华1B级数据的实验结果 |
| 6.4.4 其余三组数据的实验结果 |
| 6.4.5 DBFA-Net的可解释性分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）地下变电站VoIP系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1. 研究背景 |
| 1.2. 研究内容 |
| 1.2.1. 项目背景 |
| 1.2.2. 研究内容 |
| 1.3. 研究成果 |
| 1.4. 论文结构 |
| 第二章 VOIP系统介绍 |
| 2.1. VOIP技术原理 |
| 2.1.1. VoIP通信原理 |
| 2.1.2. VoIP系统组成 |
| 2.2. VoIP协议基础 |
| 2.2.1. H.323 |
| 2.2.2. SIP |
| 2.2.3. SIP与H.323的比较 |
| 2.2.4. RTP/RTCP |
| 2.3. IP PBX |
| 2.4. 本章小结 |
| 第三章 VOIP系统方案设计 |
| 3.1. 系统功能设计 |
| 3.1.1. 环境监测子系统 |
| 3.1.2. VoIP系统功能设计 |
| 3.2. 系统硬件平台设计 |
| 3.2.1. 硬件平台方案 |
| 3.2.2. VoIP模块硬件设计 |
| 3.3. 系统软件设计 |
| 3.3.1. 平台软件结构 |
| 3.3.2. VoIP模块软件架构 |
| 3.4. 本章小结 |
| 第四章 VOIP系统的实现 |
| 4.1. 系统硬件平台的实现 |
| 4.1.1. VoIP硬件设计 |
| 4.1.2. PPC440EP |
| 4.1.3. AC48802 |
| 4.1.4. LE88221 |
| 4.1.5. WAU8812R |
| 4.2. 系统软件的实现 |
| 4.2.1. VoIP软件架构 |
| 4.2.2. 驱动程序的实现 |
| 4.2.3. VoIP Daemon设计与实现 |
| 4.3. 本章小结 |
| 第五章 VOIP系统广播功能的设计与实现 |
| 5.1. VOIP系统广播的实现意义 |
| 5.2. VoIP系统广播的功能设计及实现 |
| 5.2.1. VoIP广播部署图 |
| 5.2.2. Asterisk Paging功能 |
| 5.2.3. 广播功能的软件实现 |
| 5.3. 本章小结 |
| 第六章 结束语 |
| 6.1. 工作总结 |
| 6.2. 进一步工作的展望 |
| 参考文献 |
| 缩略语 |
| 致谢 |
（10）基于以太网的综合接入系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 宽带接入技术概述 |
| 1.2 研究背景 |
| 1.3 系统的总体方案 |
| 1.4 研究内容 |
| 第二章 处理器电路 |
| 2.1 AD6834 的功能与结构 |
| 2.2 AD6834 的主要接口 |
| 2.3 AD6834 的EBI 接口 |
| 2.3.1 AD6834 和Flash 的接口电路 |
| 2.3.2 AD6834 和SDRAM 的接口电路 |
| 2.4 AD6834 的MII 接口 |
| 2.5 AD6834 的JTAG 接口电路 |
| 2.6 AD6834 的UART 接口 |
| 2.7 AD6834 的SPI 接口 |
| 2.8 AD6834 的控制接口 |
| 2.9 AD6834 的其他硬件接口和软件接口 |
| 第三章 系统的以太网接口电路 |
| 3.1 以太网接口概述 |
| 3.2 上行以太网接口电路（WAN） |
| 3.2.1 IP101A 的主要功能和连接框图 |
| 3.2.2 IP101A 的LED 接口 |
| 3.2.3 IP101A 的传输模式配置 |
| 3.2.4 IP101A 的重要寄存器 |
| 3.3 下行以太网交换电路（LAN） |
| 3.3.1 ADM6996 概述 |
| 3.3.2 ADM6996 引脚说明 |
| 3.3.3 ADM6996 的LED 接口 |
| 3.3.4 下行以太网接口 |
| 3.3.5 ADM6996 重要寄存器说明 |
| 第四章 VOIP 电路 |
| 4.1 VOIP 原理概述 |
| 4.2 VOIP 语音处理技术 |
| 4.2.1 语音编码技术 |
| 4.2.2 静音检测技术 |
| 4.2.3 回声抵消技术 |
| 4.3 VOIP 的信令技术协议 |
| 4.4 LE88221 概述 |
| 4.5 LE88221 的模拟接口 |
| 4.6 LE88221 的数字接口 |
| 4.7 LE88221 的电源管理接口 |
| 4.8 断电逃生电路 |
| 第五章 系统的其他电路 |
| 5.1 电源电路 |
| 5.2 WLAN 电路 |
| 5.2.1 PCI 总线介绍 |
| 5.2.2 系统的MiniPCI 接口 |
| 5.3 CPLD 逻辑控制电路 |
| 5.3.1 CPLD 概述 |
| 5.3.2 系统的CPLD 逻辑控制电路 |
| 第六章 印刷电路板的设计与调试 |
| 6.1 信号完整性问题 |
| 6.1.1 信号完整性概述 |
| 6.1.2 信号完整性仿真 |
| 6.2 多层电路板设计 |
| 6.2.1 分层 |
| 6.2.2 布局 |
| 6.2.3 布线 |
| 6.2.4 敷铜 |
| 6.2.5 滤波电容 |
| 6.3 电路板的调试 |
| 第七章 系统软件设计 |
| 7.1 系统软件概述 |
| 7.1.1 嵌入式Linux 操作系统的特点 |
| 7.1.2 嵌入式Linux 的开发流程 |
| 7.1.3 系统的软件框架 |
| 7.2 系统BOOTLOADER 的开发 |
| 7.2.1 BootLoader 概述 |
| 7.2.2 BootLoader 具体实现 |
| 7.2.3 系统BootLoader 的移植 |
| 7.3 LINUX 内核开发 |
| 7.4 LINUX 设备驱动程序开发 |
| 7.5 LINUX 应用程序开发 |
| 7.6 LINUX 目标系统集成 |
| 结束语 |
| 参考文献 |
| 致谢 |
| 在校期间研究成果 |
四、Legerity推出双通道SLIC（论文参考文献）
- [1]基于双通道的多尺度复杂情景图像语义分割方法研究[D]. 王宇航. 华北电力大学(北京), 2021(01)
- [2]计算机辅助肺癌CT诊断教学关键技术研究[D]. 刘彩霞. 南京师范大学, 2021
- [3]硅胶与功能粉末混合3D打印机关键技术研究[D]. 刘兆鹏. 大连交通大学, 2020(06)
- [4]CPE中的SLIC话机控制芯片的内核驱动程序设计[D]. 王茁. 西安电子科技大学, 2020
- [5]无人机载可见红外光伏板热斑检测系统研究[D]. 洪声艺. 中国科学院大学(中国科学院上海技术物理研究所), 2020(03)
- [6]基于深度学习网络的手指静脉识别算法研究[D]. 郑浩聪. 华南理工大学, 2020(02)
- [7]基于多尺度深度特征融合网络的遥感图像目标检测与分类[D]. 李阁. 西安电子科技大学, 2019(02)
- [8]双支路深度神经网络下的遥感图像配准及多分辨率融合分类[D]. 朱浩. 西安电子科技大学, 2019(02)
- [9]地下变电站VoIP系统的设计与实现[D]. 曲文娟. 北京邮电大学, 2011(04)
- [10]基于以太网的综合接入系统[D]. 张涛. 南京航空航天大学, 2008(06)