二元树复小波域的局部高斯混合模型图像降噪

在复小波域上对观测图像进行一种基于高斯混合模型的后验概率分类,并在每类小波系数的局部邻域估计出局部高斯混合模型的参数,这种参数估计是局部自适应的;然后用该局部高斯混合模型对各个子带系数进行贝叶斯框架下的最大后验概率(MAP)估计,以达到降低噪声的目的．由于这种小波变换具有近似的平移不变性和良好的方向选择性,因此在降噪的同时可以很好地消除主要边缘处的“震铃”效应．实验结果表明;文中算法无论从峰值信噪比还是从主观视觉效果上都要优于一些传统的降噪算法．     

小波域的纹理图像快速修复算法

针对传统的空间域纹理图像修复算法计算量大、修复时间长的缺点,本文提出了一种纹理图像的快速修复算法.该算法的基本思想是在小波域中利用小波系数的能量来确定待修复块的填充顺序,并结合纹理合成的方法填充待修复区.实验结果表明,该算法不仅可以大大提高纹理图像的修复速度,而且在峰值信噪比和主观视觉效果上都优于传统的图像修复算法.     

基于阈值分类的小波域混合模型图像降噪

通过一种自适应阈值分类,小波系数被分为两类:“大”的(重要的)和“小”的(不重要的)。根据不同类小波系数的统计特性分别用不同的模型进行降噪,对于“大”的一类用一种具有尺度间相关性的双变量模型进行降噪,而对于“小”的一类用一种具有强局部相关性的零均值高斯模型进行降噪,最后用Cycle-spinning方法抑制降噪过程中可能存在的震铃和锯齿等失真。实验结果表明了该算法在客观峰值信噪比和主观视觉上都优于一些传统的降噪算法。     

一种改进GCN深度学习算法AGV视觉SALM的研究

本文针对人工特征提取算法在光照变化、尺度变化、图像旋转、噪声等条件下,影响特征匹配精度,匹配正确率下降,关键点重叠等问题.提出一种基于GCN深度学习算法改进的轻量级深度学习网络GCN-L,用于生成与ORB特征相同格式的关键点和描述子,完全可替代ORB特征在ORB-SLAM2中的功能,可在嵌入式低功耗平台下运行.并在视觉...     

铌对低温钢组织及性能的影响

通过金相组织观察、低温冲击试验和拉伸试验及拉伸断口形貌观察,研究了铌对正火+调质处理低温钢组织及性能的影响。结果表明:铸态下随着试样中铌含量的增加,组织中珠光体片间距逐渐减小,经过930℃正火+900℃淬火+630℃回火热处理后,铌质量分数为0.039%的试样组织及综合性能最佳,组织为回火索氏体,-20、-40℃夏比冲击功分别达到44.4和28.4J,抗拉强度和屈服强度分别为995和885MPa,断后伸长率达到17.0%。     

镍和硅对低温高韧性球墨铸铁耐蚀性能的影响

通过模拟海水静态全浸腐蚀试验,研究了镍和硅对低温高韧性球墨铸铁的耐蚀性能的影响.结果表明:在硅量一定时,腐蚀速率随镍量的增加而降低;在镍量一定时,腐蚀速率随硅量的增加而降低.在所设计的成分范围内,低温高韧性球墨铸铁的腐蚀速率都小于0.1g·m-2· h-1,属于1级耐蚀等级.当Si量为2.46％,Ni量为1.74％时,在3.5％NaCl腐蚀液中的腐蚀速率最低为0.042 86 g·m-2·h-1.     

截齿表面感应熔覆WC增强Fe基熔覆层的研究

采用高频感应熔覆技术在采煤机截齿前端表面制备高耐磨的WC增强Fe基熔覆层,结果表明:熔覆层与基体为冶金结合,组织主要为奥氏体、鱼骨状共晶体及少量WC,增强相由(Cr,Fe)7C3,WC,Fe3 W3C及Fe3C等组成,熔覆层厚度约2 mm,硬度达63.6HRC,显微硬度平均值为1 007.9HV0.3,耐磨性为基体的4...     

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。     

低合金钢表面铸渗层的组织及性能研究

通过金相观察、x射线衍射分析、能谱分析、洛氏硬度及耐磨性试验,研究了低合金钢表面铸渗层的组织及性能.结果表明,渗层的平均厚度达到2mm,铸态下渗层的组织主要为珠光体+碳化物+TiN硬质颗粒,硬度达到了HRC44.1,渗层的耐磨性比基体提高了42.7％.经910℃淬火+250℃回火后渗层的组织主要为回火马氏体+碳化物+TiN硬质颗粒,硬度达到了HRC 55.5,渗层耐磨性比铸态下渗层的耐磨性提高了50％,比热处理后基体的耐磨性提高了34.36％.     

基于小波变换的动态心电信号伪差识别

由突变干扰引起的伪差会严重阻碍动态心电信号的自动分析和正确诊断,常规的小波消噪方法无法消除这类伪差干扰。提出一种新的识别心电信号突变干扰的方法,即利用小波多尺度分解并结合阈值判定算法对突变干扰这类伪差进行自动识别。采用实测的30组动态心电信号对该算法进行测试,实验结果表明,该算法能快速、有效地识别动态心电信号中的突变干扰,正确检出率达到96．4％,为正确诊断动态心电信号提供保障。