小波变换压缩图像的贝叶斯迭代后处理算法

提出一种Bayesian框架下的压缩图像后处理算法，去除压缩图像的模糊现象和“振铃”失真．与以往方法不同的是该算法考虑到了在高压缩比情况下的模糊效应，应用模糊过程加偏差来等效压缩过程，并提出了相应的后处理模型，采用交替迭代的方法进行求解，并讨论了参数的选取．实验结果表明，对于高压缩比小波变换的压缩图像，该算法在主观视觉效果和客观标准的评价上都取得了良好的效果．     

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发，提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法，小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布，并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性，由于小波域HMT模型准确刻画了自然图像小波变换的统计特性，该文算法以此作为自然图像的先验模型，将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解，同时，提出了一种规整化参数和HMT模型参数的自适应选择方法，实验结果表明，基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息，复原出的图像在信噪比和视觉效果方面都有明显的提高。     

基于小波域局部高斯模型的图像复原

图像复原的目的是将原始图像从观测到的降析图像中恢复出来.提出了一种基于小波域局部高斯模型的线性图像复原算法.小波域局部高斯模型采用高斯函数刻画子带系数的局部概率分布,由于这一模型具有很好的局部自适应性,并能正确地反映图像的局部结构信息,因此算法以此作为自然图像的先验模型,把图像复原问题转化为一个约束优化问题并用共轭梯度法对其进行求解.实验结果表明,基于小波域局部高斯模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和主观视觉效果方面都有显著的提高.     

复小波域HMT模型图像复原

提出了基于二元树复小波变换（DT-CWT）的复小波域隐马尔可夫树（HMT）模型线性图像复原算法,并采用一种简单可行的快速算法来估计HMT模型参数。该方法较好地再现了各种边缘信息,其复原结果较传统的复原方法有不同程度的提高,其运行效率较传统的HMT模型参数估计方法有明显的提高。     

基于深度学习和双目视觉的汽车油箱外盖定位

针对机器人自动加油过程中定位汽车油箱外盖所面临的弱纹理、少特征、强反光以及环境倒影等问题,提出一种基于深度学习和双目视觉相结合的快速定位算法。通过YOLOv3对油箱盖进行粗定位,使数据量降低为原始的25%,有效减小干扰并提高匹配速度;引入一种边缘特征点对的提取方法,快速获取油箱外盖边缘特征点对的匹配信息,计算油箱盖中心的空间位置。实验结果表明,所提算法的中心点三维空间坐标的定位绝对误差分别为15 mm、15 mm和5 mm,能够有效解决油箱外盖的定位问题,满足项目实际需求;相较于半全局块匹配（SGBM）算法耗时945ms,所提算法仅需165 ms,有效提高了算法匹配效率。     

JBY系列产品在输电线路中的应用

ＪＢＹ系列产品在输电线路中的应用ＡｐｐｌｉｃａｔｉｏｎｏｆＪＢＹＳｅｒｉｅｓＰｒｏｄｕｃｔｓｏｎＴｒａｎｓｍｉｓｓｉｏｎＬｉｎｅｓ南阳市电业局李天成杭州铝材厂江雪林南阳市电业局位于河南省南部豫、鄂交界处，局直辖３５～５００ｋＶ输电线路共１１９０ｋｍ，...     

基于小波域局部高斯模型的图像超分辨率

提出了一种基于小波域局部高斯模型的图像超分辨率算法。小波域局部高斯模型采用单一的高斯函数刻画子带系数的局部概率分布，由于该模型具有很好的局部自适应性，可以较好地反映图像的局部结构信息，因此以此作为自然图像的先验模型，将图像超分辨率问题转化为小波域约束优化问题，并用共轭梯度法对其进行求解。实验结果表明，基于小波域局部高斯模型的图像超分辨率算法较好地再现了图像的各种边缘信息，重构出的高分辨率图像在信噪比和视觉效果方面都有较明显的提高。     

辐射路匹配:从门级到功能模块级的子电路提取算法

提出一种基于子图同构的高性能辐射路匹配算法，以满足反向分析中逻辑综合的需要．通过单个顶点的相似度特征，将子图同构问题转化为顶点之间的匹配问题．在算法运行过程中，通过不断地删除搜索空间中的非匹配顶点，大大地降低了算法的时空复杂度．理论分析和实验结果表明，该算法的时空复杂度与目标电路的逻辑门数和功能模块电路的逻辑门数均为线性关系．     

小波域边缘保持规整化图像复原

图像复原是一个病态问题,一般需要通过规整化技术得到一个合适的解.规整化的难点在于抑制噪声的同时要保持图像的边缘等重要的图像信息.为了更有效地保持复原图像的边缘,提出了小波域边缘保持规整化泛函的一般形式,并给出了相应的求解方法.针对小波域图像复原方法可能产生的Gibbs效应,利用自然图像小波变换的水平（竖直）子带在水平（竖直）方向的连续性,通过额外的惩罚项加以解决.仿真实验结果说明了该方法的有效性.     

近似欧氏距离变换的一种并行算法

提出了一种基于超大规模集成电路(VLSI)硬件结构的新型距离变换并行处理算法。距离变换是一种基于二值图像的全局操作，在骨架抽取、形状匹配、目标重建、机器人避障等图像分析与模式识别算法中有着广泛的应用。欧氏距离是精确的L2范数距离，但是由于欧氏距离的非线性，不利于各种并行算法和加速算法的设计与实现，因此在应用中各种变形的加权距离作为欧氏距离的近似得到了实际推广。本文算法是有别于传统近似欧氏距离的并行计算方法，可应用于传统IC硬件或数字信号处理芯片(DSP)。理论分析和实验结果表明，该方法具有算法简单、快速、误差小等特点，可以更好地近似欧氏距离，并同时得到图像的Voronoi图，是一种实际可行的升级算法。