基于非局部图像去噪的方法研究

提出了一种利用非局部相似的图像去噪方法,通过非凸函数阈值得到噪声图像的多个初步去噪图像,其参数的选择较接近,并将这些初步去噪的图像选取相似块,利用非局部平均的方法,对图像进行去噪恢复。通过实验可知,文中提出的方法对于噪声图像去噪具有较好的效果,与典型的非局部平均方法相比,该方法能得到更好的峰值信噪比。     

基于等摩擦耗能的滚刀多目标优化布局

基于接触力学理论建立了滚刀摩擦耗能数学模型,对影响摩擦耗能的主要参数进行了显著性分析。以滚刀摩擦耗能差异最小为原则,通过遗传算法对原刀盘极径、极角以及滚刀半径选型建立优化模型。以TB880E刀盘为实例,研究表明:优化边缘滚刀刀间倾角后,摩擦耗能标准差降低88.78%;优化中心滚刀刀间距后,摩擦耗能标准差降低4.15%;重选边缘滚刀半径后摩擦耗能标准差降低16.4%;极角优化后径向不平衡力降低28.22%;倾覆力矩降为10.33 N·m。该研究可用于刀盘的布置设计及滚刀半径选型,对减少滚刀磨损量差异和提高掘进效率具有重大意义。     

用于压缩感知信号重建的SL0改进算法

SL0算法是一种基于近似l₀范数的压缩感知信号重建算法,其思想是用一个光滑函数来近似l₀范数,然后求解一个优化问题。目前采用的光滑函数都是高斯函数族,文中突破了以往采用高斯函数族近似l₀范数,提出了采用复合三角函数作为近似估计l₀范数的函数,然后结合修正牛顿法和阻尼牛顿法提出一种更精确的重建算法DNSL0。实验结果表明,在相同测试环境下,DNSL0算法在峰值信噪比和匹配度方面比SL0算法和NSL0算法都有了大幅提高。     

基于ELM理论的昆虫分类

机器视觉技术应用在昆虫分类领域,取代传统人眼观察识别过程、提高了工作效率。自动识别技术包含昆虫特征提取和分类器设计两个主要步骤。根据整个识别过程,文中提出了一种基于混合特征的ELM理论昆虫识别方法。在特征提取阶段,提取混合特征包括颜色特征、形态特征、空域纹理特征和频谱纹理特征。在分类器设计阶段采用具有学习速度快且泛化性能好的极限学习机。实验结果表明,该方法使昆虫识别的正确率达到97%,且分类器训练时间短,优于传统的自动识别方法。