针对TFT液晶屏使用中存在驱动较为复杂以及对处理器要求较高的问题, 设计了一种通过串口控制驱动MUC接口TFT液晶屏的显示系统。该系统的硬件由STM32F4处理器和TFT液晶屏组成, STM32F4用于驱动TFT液晶屏, 并通过其串口向使用TFT液晶屏显示系统的外部处理器提供控制通道; 软件利用μC/OS-Ⅲ操作系统编写底层驱动程序和驱动控制接口程序, 采用DMA方式读取串口数据 。该系统硬件接口简单, 只需要两根I/O线就能对TFT液晶屏进行控制, 最大可同时支持4个外部处理器通过串口对TFT液晶屏进行控制, 串口传输速率为2.4 KB/s～2 MB/s。实验结果表明, 该系统运 行稳定可靠, 显示效果清晰流畅, 简化了TFT液晶屏的驱动和使用, 拓展了TFT液晶屏的适应性和使用范围。

为了解决家庭内部多点数据采集与智能监控问题, 本文设计并实现了一种基于物联网的室内数据采集监控系统。整个系统以ARM Cortex-M3为核心处理器, 以LORA模块和WIFI模块为无线通信设备, 以LCD显示屏为数据显示端, 接入多路无线传感器节点, 每个节点接入多路传感器和控制器件, 用于数据采集、控制、显示和上传。为了增加系统的实用性, 加入万年历功能, 通过获取网络时间或者本地时间为万年历提供时间数据。将系统部署于室内并进行测试,实验结果表明, 整个系统的响应时间较短, 在小于0.35 s的时间可以完成对数据的采集和上传; 增加网络节点数量, 系统可以准确识别并自动完成数据的采集、上传和设备控制, 无丢失数据包情况。整个系统具有较高的实时性、稳定性和安全性, 能够较好地满足室内数据采集与智能控制的需求。

针对可逆数据隐藏中图像质量和嵌入容量之间相互矛盾的问题, 提出一种中心折叠技术与最低有效位替换相结合的可逆数据隐藏方法。该方法首先对原始图像中的像素进行位平面划分, 以得到2个位平面; 然后利用中心折叠技术将秘密数据折叠, 并将折叠后的秘密数据嵌入到原始像素的最高有效位中, 以生成2个隐秘像素; 最后利用最低有效位替换将秘密数据嵌入到隐秘像素的最低有效位中, 以进一步提高嵌入容量。实验结果表明, 利用中心折叠技术与最低有效位替换来嵌入秘密数据, 嵌入容量达到了1 572 778位, 有效地提高了嵌入容量; 当嵌入容量相同时, 与嵌入秘密数据后的相关算法相比, 图像的PSNR提高了约2 dB, 降低了图像失真, 具有更好的不可感知性。

为了消除不均匀光照给图像边缘检测带来的影响, 提出一种对数域梯度与改进Sobel算子相结合的边缘检测方法。该方法首先将图像变换到对数域, 通过削弱低频入射分量增强高频反射分量, 以提升图像亮度; 然后合成改进的4方向Sobel算子, 并用无穷范数表示梯度, 以使需要被检测的图像更加完整; 最后通过Bernsen算法得到的阈值与高斯滤波后得到的Bernsen算法阈值进行线性组合来确定最佳阈值, 以使图像边缘更加连续完整。仿真实验结果表明, 该方法可以有效消除不均匀光照对图像边缘检测的影响, 与相关算法和文献相比, 该方法对不同照度图像的边缘检测效果更好。

针对角度Softmax损失强约束存在的问题, 提出一种用角度空间三元组损失对角度Softmax损失预训练模型进行微调的算法。算法首先对原来的卷积神经网络结构进行改进, 将1×1卷积核与池化层加在不同残差块间, 以进行选择更有效的特征。然后用角度空间下的三元组损失对预训练模型进行微调, 以降低困难样本的强约束条件。最后在测试时, 分别提取原始人脸图像特征和水平翻转的人脸图像特征, 对两个特征相加作为最终的人脸特征表达, 以丰富人脸特征信息, 提高识别率。实验结果表明, 在LFW和YTF人脸数据集分别取得了99.25%和94.52%的识别率, 在大规模人脸身份识别中, 本文提出的方法在仅用单模型和比较小的训练集就能有效地提高人脸识别率。

为了提高数字图像水印的鲁棒性，提出一种离散余弦变换和汉明码相结合的数字图像水印算法。该算法首先用Arnold 变换和汉明码对二值水印图像进行置乱加密和编码；然后对载体图像进行8×8 分块，且对每个子块分别进行二维离散余弦变换；最后再将加密和编码后的水印嵌入到二维离散余弦变换的中频系数中，嵌入强度根据载体图像的特性自适应的确定。实验结果表明，水印表现出良好的安全性和不可感知性，不仅能够有效的抵御噪声、重采样、滤波、压缩、旋转和剪切等单一水印攻击，对多种单一水印攻击组合而成的联合水印攻击也具有较好的鲁棒性，实现了水印的自适应嵌入和盲提取。

针对传统帧间差分算法存在漏检、空洞和虚假目标等问题, 提出一种改进的帧间差分算法。对几种常见色彩空间的运动目标检测效果进行实验对比分析, 选取检测效果优良的色彩通道分量构建运动目标检测的混合色彩空间CbVb*。为充分利用帧间信息的相关性, 根据CbVb*空间的场景像素变化特性, 提出七帧帧间差分算法以获取运动目标的时域帧间差分; 采用自适应阈值的Canny 算子得到梯度域的运动目标边缘, 将时域帧间差分与梯度域目标边缘进行融合, 并对融合信息进行腐蚀和膨胀处理得到最终的检测结果。实验结果表明, 改进的算法可以更准确地检测出运动目标, 并具有较好的鲁棒性、适应性和实时性。