加权变分去噪模型的分裂Bregman算法

针对求解加权变分去噪模型时大量迭代导致计算速度缓慢的问题,为提高运算速度,在加权变分去噪模型中引入分裂Bregman算法.实验表明,与梯度下降法相比,该算法迭代次数少、处理过程快,极大地缩短了运算时间,并且保持了较好的去噪效果.     

基于非线性扩散方程的改进全变分去噪模型

针对传统的全变分(T V)模型因参数选择敏感,导致去噪图像容易在平滑区域产生"阶梯效应"或者虚假边缘的情况,提出一种基于非线性扩散方程的改进全变分去噪算法.在传统的TV算法基础上,提出了一种针对参数的自适应迭代函数,结合P-M算法的非线性扩散方程,使本算法在迭代初期可以看作各向同性去噪模型,有效去除"阶梯效应",随着迭代次数的增加,此模型为各向异性去噪模型,在去除噪声的同时,有效保护图像的边缘细节.实验结果表明,去噪过程中,该算法在扩散系数和自适应迭代函数的共同作用下,消除了阶梯效应和虚假边缘,相比传统TV算法提升了图像3 dB的峰值信噪比(PSRN)和视觉效果.基本满足图像预处理要求.     

去除乘性噪声的迭代重加权二阶正则模型

为了去除图像中乘性噪声的影响,在乘性噪声服从伽玛(Gamma)分布的假设下,提出了迭代重加权二阶导数(Hessian矩阵F范数)正则模型,从而推广了迭代重加权全变差正则模型．然后对迭代重加权Hessian矩阵F范数正则模型建立了原始-对偶算法．数值实验表明,文中模型和算法能够在有效去除噪声的同时,较好地保留图像的细节,抑制阶梯效应并避免边缘模糊．     

基于局部结构信息的自适应混合变分模型

首先从各向异性扩散的角度分析了调和模型和全变分模型的不足,并利用结构张量信息,提出了一种加权型的混合变分滤波模型.该模型可以根据图像的局部结构特征自适应选取扩散系数,在图像平坦区域,具有各向同性扩散,而在图像边缘,则只沿着切向扩散.该模型兼顾了调和模型和全变分模型的优点,能在去噪的同时有效保护边缘细节.仿真结果表明,该模型比其它几种变分模型在同等测试条件下具有更好的客观性能评价,尤其是迭代次数更少.     

非线性系统未知时变参数的模型算法学习辨识

针对一类非线性系统的未知时变参数,提出了一种模型算法学习辨识方法。该方法主要是利用系统模型估计出了辨识参数的偏差,利用这一参数偏差的估计来修正辨识参数,不断进行迭代。并严格证明了系统经过迭代学习后,辨识器的输出能够完全跟踪参数真值,同时得到了该算法收敛的范数形式充分条件。该方法不仅可以实现非线性系统未知时变参数在有限时间区间上的完全辨识,而且还克服了传统迭代学习辨识器中凭借经验选取学习增益的盲目性,加快了参数辨识器的收敛速度。仿真结果验证了该方法的有效性。     

小波域中的广义非局部平均去噪算法

图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述．使用广义高斯分布对图像子带小波系数进行建模并估计广义高斯分布模型的参数,根据参数确定了非局部平均权值的广义表达式,在此基础上提出了一种基于广义高斯分布的小波域广义非局部平均去噪算法．仿真结果表明,相比小波域阈值去噪和小波域非局部平均去噪算法,该方法的峰值信噪比平均提高1.5～3.3dB,在边缘特征方面保持了良好的视觉效果．     

一种基于粒子滤波的非线性系统参数和状态联合估计方法

提出了一种新的基于粒子滤波的非线性系统参数和状态联合估计方法.该算法利用粒子滤波方法,结合核平滑收缩技术,同时采用标准贝塔分布代替传统的高斯分布,来拟合系统未知参数的后验分布,最终实现非线性系统中参数的迭代估计.仿真结果表明,该算法提高了未知参数和状态的估计精度,在估计的收敛性方面也有明显的改善.     

紧框架小波和总广义全变分联合约束的医学图像复原算法

为了克服传统全变分正则化方法容易造成复原图像中出现阶梯状伪边缘、纹理细节丢失的不足,本文提出了一种紧框架小波和总广义全变分联合约束的图像复原算法.首先,结合紧框架小波能够捕获含噪声或退化图像中的奇异点的优势,同时采用能够逼近任意阶多项式函数进而可以保留图像尖锐边缘的总广义全变分,构造出一种由紧框架小波的L_1范数和二阶总广义全变分的L_2范数组成的联合正则项约束的图像复原模型;其次,采用交替方向迭代方法将所提模型的最小化问题分解为两个子问题,并分别采用均值增广拉格朗日算法和Chambolle-Pock一阶原始—对偶迭代方法获得最优解.实验结果表明,所提算法在抑制噪声的同时能够有效复原图像的边缘、细节信息,两种量化指标峰值信噪比和结构相似度的值也能直观体现复原图像质量的提高水平.     

应用MCEM算法估计一阶双重线性时间序列模型中的参数

本文利用Monte Carlo EM算法实现了对一阶双重线性时间序列模型的参数的估计.推出了估计模型中两个未知参数m与σ2的迭代步骤,并对模型进行了模拟计算,给出了模拟计算的结果.     

雾霾污染下基于混沌性的图像去雾算法改进

传统基于边缘保持滤波的单幅图像快速去雾算法,在雾霾污染大气粒子散射作用下,图像会受到雾化背景的干扰,出现浓雾噪点,图像结构信息复原效果较差.提出一种基于混沌性的加权滤波图像快速去雾算法,通过分析雾天雾化背景干扰下的图像信息,获取图像数据的混沌特性,并对雾化图像进行最小颜色分量估计.在此基础上,结合带雾图像暗原色模型、时域和频域特征分量模型,构建出自适应加权滤波模型,完成基于混沌性的加权滤波图像快速去雾算法的改进设计.实验结果表明,采用该算法能避免雾化图像中间区域的颜色失真,降低雾化背景干扰,减少浓雾噪点,使远景的混沌特征得到合理的保留,在图像质量和运算性能方面都具有优越性.     

基于边缘跟踪的直线特征检测算法

针对现有直线检测算法的缺陷,提出一种新的基于边缘跟踪的直线特征检测算法.算法对图像边缘进行提取,并在此基础上对边缘进行跟踪,从图像边缘直接提取出局部直线.设计了一种鲁棒直线拟合策略,并对拟合后的直线以一定的准则进行合并,准确获取图像中直线特征及端点参数,最终实现完整直线检测.典型图像直线检测结果表明,所提出的算法能准确检测出图像中的全局直线,并具有较快的运算速度,性能优于现有基于Hough变换和相位编组的直线检测算法.     

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.     

永磁直线伺服系统电流环延时补偿

为了解决永磁直线伺服系统电流环延时问题,讨论了电流矢量控制原理,并指出典型脉冲宽度调制（PWM）时序存在一个采样周期时间延迟的现象.在同步旋转坐标系电流解耦控制基础上,分析了由于时间延迟导致的逆变器电压给定值幅值变化与相位滞后的原因,并提出了相应的补偿方法,将逆变器电压给定值幅值乘以比例系数,并且对d、q轴耦合电压解耦.通过永磁直线伺服系统电流环实验,对比电流环延时补偿前后d、q轴电流响应,证明补偿后d、q轴电流性能明显提高,实验结果也验证了理论分析的正确性与补偿方法的有效性.     

基于统计估计的图像边缘检测

针对传统的基于微分边缘检测算法的噪声鲁棒性较差这一问题,分析了图像边缘形成机理,依据统计估计评价准则,提出一种基于统计估计的边缘检测算法.该算法将像素点的圆形邻域沿θ方向分割成2个半圆,分别计算出2个半圆内像素样本的均值和方差,分析2个半圆内样本统计估计的有效性,进而排除噪声和纹理对边缘检测的影响.根据边缘两侧像素样本的统计估计偏度呈屋脊形分布的特点,对边缘进行细化和连接,以无噪声Canny算子检测得到的边缘作为先验知识,运用条件概率建立边缘检测评价函数.实验结果表明,基于统计估计的图像边缘检测方法具有较好的检测精度和噪声鲁棒性.     

大体积高强混凝土施工过程中温度场分析

针对高强混凝土中总胶凝材料用量较多导致水化热剧烈、从而产生裂缝的问题,对大体积高强混凝土施工过程中的温度场进行了分析.通过对模型结构进行温度监测来指导实际工程混凝土配合比设计,并对施工方案的合理性进行了研究,根据水化热试验确定大体积高强混凝土水化热的计算参数.运用有限元软件MIDAS/GEN及ABAQUS进行温度场分析,结果表明,大体积高强混凝土结构比普通大体积混凝土结构升温更快,峰值温度更高,应当加强养护;进行水化热计算时,水化热系数m及最终水化热Q0的常用值需针对大体积高强混凝土作适当调整.     

Al-Mg-Si合金热压缩变形的流变应力方程

为了给制定和优化热加工工艺参数提供理论依据,采用Gleeble-1500热模拟机研究了含锆Al-Mg-Si合金在变形温度为653~803 K、变形速率为0.01~10s^-1条件下的热压缩变形的流变应力行为,并通过回归法建立材料变形的流变应力数学模型.结果表明：该合金为正应变速率敏感材料,真应力-真应变曲线存在明显的稳态流变特征;流变应力随着变形速率的增加以及变形温度的降低而增加;在较低变形温度条件下,真应力〖CDF*3〗真应变曲线为动态回复曲线;在较高变形温度条件下真应力-真应变曲线为动态再结晶曲线.该合金流变应力σ可用包含Arrhenius项的Zener Hollomon参数的函数来描述,式中A、α和n的值分别为1.89×10¹⁰s^-1、0.024MPa^-1和7.46,热变形激活能Q为166.85kJ/mol.     

快速绘制圆弧的行程算法

为了提高圆弧的生成效率,给出一种快速圆弧绘制的简单算法.该算法将圆弧离散轨迹看成是由一系列水平线段和斜线段构成,逐段找出并绘制这些线段,可减少圆弧绘制过程中所需的输出操作.与现存的行程类算法不同,新算法对斜线段的定义更合理,并直接对传统Bresenham算法的决策参数进行迭代和检测,圆弧的不同区段无需重新构造初始值,节约了运算量且算法结构非常简单.2步加速计算线段长度措施的提出进一步提高了计算效率,且每执行一次输出操作可生成2个或多个像素点.与Bresenham算法相比,新算法的圆弧平均绘制速度提高近1倍,并可以推广到椭圆或其他二次曲线的绘制中.     

面向大尺度三维重建的多核并行SIFT算法

针对大尺度三维重建中图像数据集较大、其特征提取和匹配时间消耗过长等问题,提出了一种针对有序图像数据集的滑动窗口匹配算法.该算法采用并行计算实现了对SIFT特征提取和匹配算法的加速,并在图形处理器上得以实现,减少了匹配计算量.实验结果表明,算法大大提高了特征提取和匹配的运算速度,保证了特征的稳定性和匹配精度,有效地缩短了大尺度三维重建的运算时间,确保了重建精度.     

大型风力机主轴承故障信号提取方法

针对大型风力机主轴承易发生故障且特征信号难以提取的问题和传统盲分离算法计算量大、收敛性较差的缺点,提出了基于粒子群优化的盲源分离算法.算法根据负熵最大化判据,采用粒子群优化算法对盲源分离过程进行优化,且将该算法成功应用于某风场大型风力机主轴承故障信号的提取中.分析结果表明,该算法可有效分离大型风力机主轴承与其他部件的振动信号,与其他算法相比具有分离精度高、可靠性好等优点,对风力机主轴承的故障诊断十分有效.