一种高分辨率3维图像的自适应降噪算法

为了获得高保真3维图像,采用了一种针对高分辨率3维图像的自适应均值降噪算法。首先使用一种由激光器、高分辨率3维相机、直线电机和计算机等设备组成的线激光高精度3维测量实验系统对自然纹理皮革进行测量。然后针对系统测量所得的高分辨率3维自然纹理图像(每英寸点数大于1000),进行了理论分析和实验验证,取得了降噪后的高保真3维图像数据,并与传统的均值滤波、小波变换滤波的降噪效果进行对比。结果表明,该算法能自动选取最优的降噪窗口,有效地去除3维图像的噪声信息,并保留高分辨率图像丰富的边缘、细节信息,最终得到高保真的高分辨率3维自然纹理图像。该实验结果对于高分辨率图像的降噪问题是十分有帮助的。     

基于概率密度最小二乘拟合的叶片后缘轮廓

为了解决燃气轮机叶片后缘轮廓的测量和模型化的难题,采用了基于概率密度的最小二乘圆拟合方法,通过对数据重复拟合过程若干次,求得每组的拟合圆心坐标和半径,以概率密度分布的最大值作为最优拟合值。通过数据仿真,对拟合数据误差进行了理论分析和实验验证,验证了该方法的可行性和鲁棒性。结果表明,实现了对叶片后缘轮廓的拟合和数据的参量估计,精度达到0.01mm,求得圆拟合的最优圆心坐标和半径;对于直线段和短圆弧组合的叶片后缘,在不知切点和圆弧方程的情况下,能够对叶片后缘轮廓拟合。此方法对叶片后缘轮廓的高精度测量、加工精度以及参量的设计有着重要的指导意义。