多尺度分割先验迭代重加权低秩恢复显著性检测

目的 现有显著性检测方法大多只关注显著目标的中心信息,使得算法只能得到中心清晰、边缘模糊的显著目标,丢失了一些重要的边界信息,而使用核范数约束进行低秩矩阵恢复,运算过程冗余。为解决以上问题,本文提出一种无监督迭代重加权最小二乘低秩恢复算法,用于图像视觉显著性检测。方法 将图像分为细中粗3种尺度的分割,从细粒度和粗粒度先验的融合中得到分割先验信息;将融合后的分割先验信息通过迭代重加权最小二乘法求解平滑低秩矩阵恢复,生成粗略显著图;使用中粒度分割先验对粗略显著图进行平滑,生成最终的视觉显著图。结果 实验在MSRA10K（Microsoft Research Asia 10K）、SOD（salient object detection dataset）和ECSSD（extended complex scene saliency dataset）数据集上进行测试,并与现有的11种算法进行对比。结果表明,本文算法可生成边界清晰的显著图。在MSRA10K数据集上,本文算法实现了最高的AUC（area under ROC（receiver operating characteristic）curve）和F-measure值,MAE（mean absolute error）值仅次于SMD（structured matrix decomposition）算法和RBD（robust back ground detection）算法,AUC和F-measure值比次优算法RPCA（robust principal component analysis）分别提高了3.9%和12.3%;在SOD数据集上,综合AUC、F-measure和MAE值来看,本文算法优于除SMD算法以外的其他算法,AUC值仅次于SMD算法、SC（smoothness constraint）算法和GBVS（graph-based visual salieney）算法,F-measure值低于最优算法SMD 2.6%;在ECSSD数据集上,本文算法实现了最高的F-measure值75.5%,AUC值略低于最优算法SC 1%,MAE值略低于最优算法HCNs（hierarchical co-salient object detection via color names）2%。结论 实验结果表明,本文算法能从前景复杂或背景复杂的显著图像中更准确地检测出边界清晰的显著目标。     

基于多层钎焊金刚石砂轮在线电解修整技术的超细晶硬质合金精密磨削研究

利用模压成型技术和真空钎焊技术制备出了磨粒把持力大、力学性能优良的多层钎焊金刚石砂轮;采用在线电解修整技术促使磨钝的磨粒及时脱落,使砂轮在磨削过程中始终保持锋利性;并开展了基于多层钎焊金刚石砂轮在线电解修整技术的超细晶硬质合金精密磨削试验。试验结果表明：在相同磨削条件下,多层钎焊砂轮在线电解修整磨削力较无修整时的磨削力下降了33.7%～57.9%;多层钎焊砂轮在线电解修整磨削技术能有效提高加工表面质量。当进给速度为30 mm/s,磨削深度为15 μm时,无电解磨削加工表面粗糙度为0.35 μm,而在线电解修整磨削表面粗糙度仅为82.1 nm;多层钎焊砂轮在线电解修整磨削残余应力仅为无电解磨削时的38.2%～49.5%。且在线电解修整磨削表面完整性较好,没有出现表面/亚表面裂纹等相关缺陷,可实现超细晶硬质合金等难加工材料的高效精密加工。     

在线电解修整磨削氧化膜研究现状及展望

在线电解修整（ELID）镜面磨削加工中,电解作用会使砂轮表面生成一层具有绝缘作用的氧化膜,该氧化膜可以减缓和阻止进一步电解,避免砂轮损耗过快;同时,氧化膜可容纳、承托大量因电解而脱落的磨粒,使得砂轮的磨削类同游离磨粒的研磨、抛光作用,有利于提高磨削表面质量。氧化膜在整个磨削过程中发挥着至关重要的作用,直接影响着ELID磨削加工表面质量和磨削效率。详细阐述了ELID磨削过程中氧化膜的成膜过程及表征方法、氧化膜的物理/化学特性、氧化膜成膜影响因素等方面的研究进展,并对ELID磨削氧化膜下一步的研究重点进行了展望。