基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。     

基于Adaboosting算法的表面裂纹图象检测

Adaboosting算法是一种利用仅比随机预测略好的弱检测器构成高精度的强检测方法,利用它构建了新型的表面裂纹检测系统。该系统提供一种普适性的检测方法。实验证明,该系统具有检测速度快、识别率高和分类能力强等特点     

基于曲波变换的轨道梁面裂纹图像增强

跨座式轨道梁表面出现的裂纹和缺陷,严重影响了列车安全及平稳运行.由于采集的图像存在边缘模糊、局部或整体对比度差等不足,提出一种基于曲波变换的梁面裂纹增强新算法.根据裂纹图像曲波变换后的不同尺度系数,由于分数阶微分能增强信号的中频成分、非线性保留信号低频的特点,在曲波域的低频采用分数阶微分增强纹理信息;同时在曲波域的方向子带根据方向的敏感性,采用对弱边缘增强、强边缘保留、噪声去除的处理.并对低频和方向子带增强时的参数分别进行了讨论.实验结果表明,所提出的方法与其他算法相比,主观上细节增强和对比度提高均优于其他算法,客观上对比度改善指数(contrast improvement index,CII)也大大提高,表明提出的算法增强效果良好.     

基于全变差和脊波变换的海岸线提取算法

为有效解决视频图像中海岸线的自动提取问题,提出一种结合全变差增强水陆边缘和脊波变换预测搜索区域的海岸线提取算法.首先基于最小化全变差模型降噪和增强边缘;第2步,根据水陆像素的彩色特征,计算彩色梯度向量;第3步,利用脊波变换预测水陆交界处的大致方向和动态范围,缩小检测区域;最后用一种改进的最小代价梯度跟踪模型对海岸线进行搜索,跟踪并精确提取最终的海岸线定位参数.实验结果证明了算法的有效性和较强的抗噪声能力,并且对不同光照条件具有鲁棒性,是视频图像中提取海岸线的新方法,为下一步设计应用系统打下了基础.     

基于全模式全聚焦方法的裂纹超声成像定量检测

利用超声成像方法对关注区域成像,对获取缺陷形状、尺度和取向等特征具有重要意义。考虑了21种不同声束路径的模式波,复合叠加各重建点能量最强信号,提出全模式全聚焦方法(FTFM)。利用一组探头楔块,通过一次信号采集实现未知裂纹的轮廓重建与定量检测。针对厚度40 mm碳钢中长度4 mm,中心深度25 mm,取向角度分别为0°、±20°、±50°和±80°的裂纹,采用64阵元、中心频率5 MHz线阵探头配合45°纵波楔块实施全矩阵捕捉(FMC)和FTFM成像,仿真和实验均重建了裂纹完整轮廓,裂纹长度、取向和中心深度定量误差分别不超过0.60 mm、2.39°和0.73 mm。最后,为保证FTFM成像质量,检测时应合理选择相控阵探头参数,并移动探头至最佳位置处采集FMC信号。     

基于正则化的机床热误差自适应稳健建模算法

通过建立预测模型对机床热误差进行补偿,是有效解决热误差造成机床精度下降问题的常用方法。本文提出一种基于正则化的数控机床热误差自适应稳健建模算法,能够在建模过程中自适应选择温度敏感点(TSPs),并具有高预测精度和稳健性。首先基于结构风险最小化原则对热误差建模稳健性机理进行分析,进而利用正则化算法中LASSO解的稀疏性实现自适应TSP选择。然后基于不同实验条件的热误差数据,分析所提建模算法的预测效果,并与常用的多元线性回归、BP神经网络和岭回归算法进行比对分析。结果表明,本文所提建模算法具有最高的预测精度和稳健性,分别为5.22和1.69μm。最后,利用所建立的预测模型进行热误差补偿实验,以验证本文所提建模算法的实际补偿效果。     

基于快速Beamlet变换的CT含噪线性裂纹探测算法

目的：工业CT分析物体内部缺陷时,其图像或多或少都存在噪声。裂纹是缺陷中常见的一种,且呈现出一定的线性或分段线性特性。因此,对含噪情况下的线性裂纹进行有效探测是成功分析裂纹属性的第一步。方法：该文提出一种基于快速Beamlet变换的CT图像含噪线性裂纹探测算法。首先分析图像在单尺度下的Beamlet组成,以及Beamlet间的相互关系,设计出一种快速Beamlet变换。接着在快速Beamlet变换基础上,通过引入一个关于吻合度的控制量,并结合Beamlet自身的多尺度树型结构,采取“自上向下”寻找目标函数最优值的思路,进而得到线性裂纹的探测结果。最后结合探测结果的相邻区域的像素特性,提取出含噪线性裂纹的区域边界。结果：对含有线性裂纹的实际CT图像,以及叠加方差为0.1的高斯白噪声图像,叠加强度为0.1的椒盐噪声图像分别进行探测实验,结果表明,与基于Laplace、Canny或小波的探测方法相比,该算法能有效探测到含噪CT图像中的线性裂纹。结论：因为Beamlet是以一种线基的方式在分析图像数据,所以该算法对噪声干扰具有很好的抑制能力,能成功探测到含噪情况下CT图像的线性裂纹,为后续分析裂纹属性打下坚实的基础。     

基于自适应二代小波的涂层下裂纹检测研究

基于自适应二代小波变换的过流部件涂层下裂纹检测方法,将自适应二代小波变换应用于阵列涡流的检测中,发现阵列涡流检测能够很好地抑制提离效应,且不受缺陷方向的影响,自适应二代小波能够有效匹配信号特征,消除噪声影响,提高信号质量.实验结果表明,基于自适应二代小波变换的阵列涡流检测方法能够有效识别水电站过流部件涂层下裂纹故障,检...     

基于短时傅里叶变换的风机叶片裂纹损伤检测

风机叶片由于材料复杂性和结构不对称性,其振动信号表现出时变特点.将短时傅里叶变换(STFT)应用于风机叶片裂纹检测中,基于仿真信号以验证短时傅里叶变换处理时变信号的可行性,然后运用短时傅里叶变换分析叶片在健康状态及不同裂纹损伤状态下自由衰减振动信号及其变化规律,为叶片裂纹检测提供一种合理方法.     

基于形态特征的玉米种子表面裂纹检测方法

采用数字图像处理技术实现了对玉米种子表面裂纹的识别和检测。选择冷阴极荧光灯(CCFL)设计了图像采集的光照环境,建立了玉米种子图像的采集系统,然后针对玉米种子图像提出了一种基于籽粒形态学特征的表面裂纹检测方法。该方法采用水平和垂直边缘检测算子处理得到裂纹、种子边界和噪声等边缘信息;然后通过玉米籽粒的形态特征寻找其尖端位置,并使用图像代数运算的方法去除大部分非裂纹信息;最后根据裂纹的长度和位置特征提取得到裂纹,并计算裂纹的绝对长度和相对长度。对农大4967和农大3138两个品种的玉米分别选取裂纹粒和无裂纹粒各50粒进行图像识别,试验结果表明:识别准确率分别为94%和90%,基本满足玉米种子表面裂纹检测的精度要求。     

16Mn钢焊接件疲劳裂纹扩展的微观特征研究

研究了在循环载荷作用下,16Mn钢焊接件疲劳裂纹的扩展情况.通过光学显微镜观察了裂纹扩展的微观特征,发现了裂纹在焊接结构不同部位的扩展路径方式并分析了显微组织对裂纹扩展的影响.裂纹在母材处为穿晶扩展,在热影响区和焊缝金属中的扩展为穿晶和沿晶混合型.     

基于结构单元的机床动态特性分析

针对整机动态特性优化,提出基于结构单元的优化方法。首先选用空间占比一致的四种典型筋板结构单元,对比分析研究验证其具备不同的动态特性;然后分别对四种结构单元组成的立柱、床身和整机动态特性进行对比分析研究,验证不同结构单元对其动态特性的影响。结果显示:三边体的单元首阶固有频率最高,四边体的床身较其它首阶固有频率高,三边体的立柱首阶固有频率明显高于其他,三边体的整机首阶固有频率较四边体高出5%。由此可见,三边体的机床具有更好的整机动态特性,在机床优化过程中应优先考虑三边体结构单元。     

最小误差准则与脉冲耦合神经网络的裂缝检测

表面裂缝检测能够有效判断混凝土桥梁出现的结构性危险。但裂缝特征的多样性、桥梁表面污点引起的图像噪声以及不均匀照明引起的灰度不均等给裂缝检测带来极大的困难。为能够在复杂背景下检测裂缝,分析裂缝图像特征,由脉冲耦合神经网络(pulse coupled neural networks,PCNN)的运行特征和神经元的状态变化分析简化PCNN模型,将简化PCNN模型用于裂缝图像的分割,根据最小误差准则判断PCNN迭代的终止条件,实现了PCNN的裂缝图像自动分割。由圆形度与扁度结合计算区域特征,去除分割后的各种干扰,实现表面裂缝的有效检测。通过敏感度和特异性计算绘制ROC(receiver operating charac-teristics)曲线,比较不同分割方法的曲线特性以评估算法,对实际裂缝图像的处理结果表明了该方法对裂缝图像检测的有效性。     

基于并行结构的Gabor小波神经网络算法及应用

给出了一种基于并行结构的Gabor小波神经网络算法。根据多CPU系统的并行结构和神经网络本身并行性的特点,设计了用于图象目标识别的Gabor小波神经网络算法,算法的输入层包括Gabor小波尺度、平移和频率调制参数的运算;隐层是在并行CPU中实现神经网络算法及优化;输出层是Gabor小波神经网络的分类结果。对4类飞机图像目标进行了仿真实验,识别率达到98％以上,识别时间为40 ms。     

基于改进正则法的ECT图像重建算法

电容层析成像图像重建是一个典型的病态问题,其解是不稳定的。为获得良好的重建效果,需要采用既保证解的稳定性且又能提高重建图像质量的算法。本文提出了一种新的图像重建算法。在分析标准Tikhonov正则法的基础上,针对ECT逆问题的病态性进行改进,并推导出两步图像重建算法：第一步利用标准Tikhonov正则法的计算值获得权矩阵的估计;第二步采用本文所推导的改进Tikhonov正则法获得最终的重建图像。数值实验表明,该算法所获得的图像重建质量得到了明显的提高,且该算法无需迭代,保证了算法实时性。     

基于双螺旋染色体和分层结构的遗传算法

为满足制造业相关项目中寻找最优化解的需求,提出了一种基于双螺旋染色体和分层种群结构的遗传算法模型。在此模型中,解染色体数据结构采用的是类似DNA的双螺旋对称结构,一个解染色体中包含2份完全相同的解信息,但在遗传运算中各自承担不同的角色;种群采用优、中、差3类解按一定比例组成的分层结构,使得新生的解种群能够涵盖更广的求解范围;遗传运算参数中的交叉和变异概率随种群结构特征动态变化。基于此模型的遗传算法,能够保护优秀解,避免算法早熟,同时还具有收敛速度快、稳定性强的特点。     

运用LMBP神经网络的黄瓜采摘机械手定位误差补偿算法

考虑到黄瓜采摘机械手结构参数的微小偏差可能会对末端定位精度造成较大的影响,因此,利用高精度三坐标测量仪P latinum FaroArm对机械手的结构参数进行了标定,建立了基于修正参数的正运动学模型,在此基础上对理想逆运动学进行误差分析,发现腰关节的角度误差远远大于位置编码器的精度。因此,提出采用LMBP神经网络算法求解修正后的关节角度,并将网络输出与理想逆运动学结合起来,达到补偿机械手定位精度的目的。为了验证算法的可行性,进行了仿真试验,结果表明:LMBP神经网络输出角度误差的最大值约为0.006 rad,能将末端位置误差从10.57mm补偿到3.77mm,大大提高了黄瓜采摘机械手的定位精度。